III.

SERIES TEMPORALES
Materia: Econometra
Carrera: Mercadotecnia
Docente: Lic. Kadir Lanza R.
Gestin: II 2011
Cochabamba - Bolivia

Necesidad de pronosticar
Entorno altamente incierto
La intuicin no necesariamente da

los mejores resultados

Mejorar la planeacin
Competitividad y cambio

Tipos de pronsticos
Por su plazo:

De corto plazo
De largo plazo

Segn el entorno a
pronosticar

Micro
Macro

Segn el
procedimiento
empleado

Cualitativo
Cuantitativo

Pasos de la elaboracin de pronsticos

1. Recopilacin de datos
2. Reduccin o condensacin

de datos
3. Construccin del modelo
4. Extrapolacin del modelo

Exploracin de patrones de datos

Se requieren suficientes datos

histricos
Se apoyan en la suposicin de
que el pasado puede extenderse
hacia el futuro

Las tcnicas cuantitativas pueden ser:

Estadsticas

Se enfocan en patrones y en
cambios en los patrones y
sus perturbaciones

Determinsticas Son de tipo causal,

establecen relacin entre la
variable a pronosticar y
otras variables

Con relacin a las tcnicas

cuantitativas estadsticas se
presentan dos enfoques:
Los datos se pueden

descomponer en componentes
de tendencia, cclicos,
estacionales y aleatorios.
Modelos economtricos de
series de tiempo y Box-Jenkins.

Series de tiempo:
Una serie de tiempo consta de

datos que se renen, registran u

observan sobre incrementos
sucesivos de tiempo.
Se requiere un enfoque
sistemtico para analizarlas.

Modelos de extrapolacin
Se basan en la observacin de tendencias regulares en
el pasado y la hiptesis de que se mantendrn en el
futuro.
El mtodo de la tasa de crecimiento: VF = VP(1+i)t.
En la evolucin de las ventas se pueden distinguir hasta
cuatro componentes:
La tendencia T predominante.
Variaciones estacionales y peridicas E.
Variaciones cclicas C, debidas a la coyuntura econmica.
Variaciones accidentales A (las puntas asistemticas).

Para predecir las ventas hay que prever los cuatro

componentes y la forma en que se combinan (por suma,

por producto, etc.).

Descomposicin clsica de series de

tiempo:
Componente Descripcin

Tendencia

Es el componente de largo plazo que

representa el crecimiento o
disminucin en la serie sobre un
periodo amplio.

Cclico

Es la fluctuacin en forma de onda

alrededor de la tendencia.

Estacional

Es un patrn de cambio que se repite a

s mismo ao tras ao.

Aleatorio

Mide la variabilidad de las series de

tiempo despus de retirar los otros
componentes.

Modelo Serie temporal

Yt = + 1X1t

Tendencia lineal
El mtodo ms empleado para describir una

tendencia lineal es el de mnimos cuadrados,

para encontrar una lnea de mejor ajuste para
un conjunto de puntos.

Y = a + bX
Y = valor pronosticado en un periodo X
a = valor de la tendencia cuando X = 0
b = pendiente de la recta de tendencia
X = periodo (codificado)

Tendencia lineal: ejemplo

Modelo de regresin lineal

^

Y 0 1 X
^

1 X gY ngX gY

X
^

ngX
^

0 Y 1 gX

Mtodo de
mnimos
cuadrados

Las relaciones no lineales pueden reducirse a veces a relaciones lineales mediante una
adecuada transformacin de las variables. Puede ser fcilmente linealizada para su
estimacin mediante transformacin logartmica.

Ejemplo

Proyecte los gastos publicitarios en relacin al

tiempo para el perodo 2012-2013.

Tendencia lineal

Nivel de
confianza
68%

Frmula

y Se

95%

y 2Se

99%

y 3Se

EJERCICIO 1
La oferta de carne de bovino en el pas ha tenido el siguiente
comportamiento en los ltimos aos:

Se pide:
a. Proyectar el volumen de oferta para el perodo 2012-2014 y la proyeccin de
ventas considerando un precio de 5.000 $US/TM.
b. Determinar la demanda insatisfecha en TM para el 2012, si se conoce que la
demanda nacional es de 935.505 TM.
c. Determinar el grado de asociacin y determinacin del modelo.
d. Proyectar el volumen de oferta para el 2012 considerando un intervalo de
confianza al 95%.

Ejercicio 2