Estadisticas series de tiempo

ESTADISTICAS II
DESCOMPOSICIÓN DE LA SERIE DE TIEMPO DE UN BIEN
“IMPORTACION DE MATERIALES DE CONSTRUCCION”
PERIODOS (2002-2016) POR TRIMESTRE
ESTUDIANTE:
Fátima Suplewiche Ferrín
DOCENTE:
Econ. José Miguel Sernaqué Armijos, MSc.
5to SEMESTRE
2017

CONTENIDO
INTRODUCCION............................................................................................................ 3
CONCEPTOS BASICOS DE SERIES DE TIEMPO ...................................................... 4
SERIES EN EL TIEMPO ............................................................................................. 4
Ejemplos de series de tiempo:.................................................................................. 4
GRAFICOS DE SERIES EN EL TIEMPO .................................................................. 4
MOVIMIENTOS CARACTERISTICOS DE SERIES EN EL TIEMPO .................... 5
COMPONENTES DE UNA SERIE DE TIEMPO....................................................... 5
ANALISIS DE SERIES EN EL TIEMPO ....................................................................... 8
MODELOS DE DESCOMPOSICION DE SERIES DE TIEMPO.................................. 9
EL MODELO ADITIVO .............................................................................................. 9
EL MODELO MULTIPLICATIVO............................................................................. 9
DESCOMPOSICION DE UNA SERIE DE TIEMPO ................................................... 10
ESTIMACION DE LA TENDENCIA ....................................................................... 10
1. Método de los mínimos cuadrados .................................................................. 10
2. Método a mano: ............................................................................................... 10
3. Método del promedio móvil............................................................................. 10
4. Método de semipromedios:.............................................................................. 10
ELIMINACION DE TENDENCIA ............................................................................... 10
ESTIMACION DE LA VARIACIONES ESTACIONALES ........................................ 10
1.- método del porcentaje medio:............................................................................ 10
2.- método del porcentaje de tendencia:.................................................................. 10
3.-metodo del promedio móvil en porcentaje:......................................................... 10
4.- método de la relación de enlace:........................................................................ 11
ESTIMACION DE LAS VARIABLES CICLICAS ...................................................... 11
ESTIMACION DE LAS VARIABLES IRREGULARES............................................. 11
PASOS FUNDAMENTALES PARA EL ANALISIS DE SERIES DE TIEMPO .... 11
DESCOMPOSICIÓN DE LA SERIE DE TIEMPO:..................................................... 11
PRODUCTO:.............................................................................................................. 11
JUSTIFICACION DEL PRODUCTO:....................................................................... 11
GRAFICA DE LA EVOLUCIÓN EN LAS IMPORTACIONES DE MATERIALES
DE CONSTRUCCION:.............................................................................................. 14
TECNICAS DE ESTIMACION:................................................................................ 19
INTERPRETACION DE LOS RESULTADOS: ....................................................... 28
PREDICION PARA LOS PERIODOS EN TRIMESTRES DEL AÑO 2020 ........... 29
ANEXO:...................................................................................................................... 30
Bibliografía ..................................................................................................................... 33

INTRODUCCION
Es un hecho incuestionable que las condiciones económicas y de los negocios ya sean
de nivel familiar, de empresas o de gobierno, varían con el tiempo y por lo tanto es
necesario hacer planes para el futuro si se quisiere progresar. La familia respecto a los
ingresos y los gastos para administrar bien sus finanzas , las empresas para poder hacer
frente a las variaciones de demanda de sus productos así como para la producción la
financiación , el personal , el mercado y las fases de administración.
El gobierno también tiene que plantearse para el futuro, los servicios que se necesitan
para promover el ingreso económico. Un método que pueden utilizar los encargados de
tomar las decisiones como ayuda para controlar las operaciones actuales y en planeación
a las futuras necesidades, mediante pronósticos y acontecimientos probables en
inversión , venta y materias primas, mano de obra etc.
Consiste en el análisis de la serie de tiempo, como es de esperarse la previsión se hace
con base a lo ocurrido en el pasado y estamos frente a nuevo tipo de inferencia estadística
que se hace acerca de del futuro de alguna variable o compuesto de variable con base en
sucesos pasados.
Una serie de tiempo es una sucesión de observaciones de un fenómeno que es variable
con el pasar del tiempo. El término se aplica, por ejemplo: indicadores económicos tales
como el producto nacional bruto, índice de productos o las ventas de los diferentes
artículos.
No obstante las series de tiempo no solo se limitan al área de economía también se aplican
para instituciones de enseñanza, La población de un país o de una región.

CONCEPTOS BASICOS DE SERIES DE TIEMPO
SERIES EN EL TIEMPO
Una serie en el tiempo es un conjunto de observaciones tomadas en instantes específicos,
generalmente intervalos iguales. Una serie de tiempo describe las variaciones de los
valores de la variable en el tiempo que son resultados del comportamiento sistemático o
aleatorio de la variable .si una serie de tiempo muestra alguna tendencia o configuración
durante un periodo prolongado del pasado y en el futuro ofrece una razonable previsión
o las inferencias que es el principal objetivo del análisis de la serie de tiempo.
El análisis de serie de tiempo es parte de la estadística convencional. Sin embargo las
observaciones del fenómeno que aparece en la serie de tiempo están frecuentemente
correlacionadas con una correlación que aumenta a medida que el intervalo de tiempo
entre un par de observaciones decrece. En consecuencia los datos de una serie de tiempo
violan a menudo las suposiciones básicas de independencia que requieren para los
métodos estadísticos.
En el análisis de la serie de tiempo aun prima el elemento subjetivo y por ello las
predicciones pocas veces están acompañadas de una medida de bondad. Por esto nos
adentraremos en la naturaleza general del análisis de series de tiempo para describir las
técnicas para medir diversas variaciones.
Ejemplos de series de tiempo:
La serie de tiempo de la producción anual total de acero en EEUU, durante un cierto
número de años, la cotización diaria al cierre de la sesión bursátil de ciertas acciones, las
temperaturas anunciadas cada hora por el instituto meteorológico para una ciudad o el
total de ventas mensuales en una empresa.
Matemáticamente, una serie de tiempo se define por los valores Y1 , Y2…. De una
variable (temperatura, cotización etc.) en tiempos t1, t2… así pues se denomina función
de t, y se denota: Y=F(t)
GRAFICOS DE SERIES EN EL TIEMPO
Una serie de tiempo que involucra a una variable Y se representa por un gráfico de Y
respecto de t, como se ha hecho ya muchas veces en capítulos anteriores.

MOVIMIENTOS CARACTERISTICOS DE SERIES EN EL TIEMPO
Un gráfico que describe un punto moviéndose con el paso del tiempo, análogo en muchos
aspectos a la trayectoria de una partícula física que se mueve bajo la influencia de las
fuerzas físicas que es el resultado de la combinación de fuerzas económicas, sociológicas,
psicológicas etc.
COMPONENTES DE UNA SERIE DE TIEMPO
Las variaciones de una serie de tiempo se pueden atribuir a diversos factores. Algunos
son naturales o institucionales, otros son socioeconómicos por naturaleza, algunos toman
en cuenta la variación a corto plazo y otros a largo plazo. Así pues una serie una serie de
tiempo está constituida de varios elementos o componentes, que son los que explican los
cambios observados en un periodo de tiempo.
Una serie de tiempo es considerada el resultado de cuatro componentes y su análisis de
puede hacer al tomar la serie como un todo o al estudiar cada uno de sus
Componentes por separado, ellos cuando se aíslan algunos de estos para su análisis es
necesario descomponer la serie en sus partes y requiere de un supuesto acerca de la
relación existente entre varios componentes de la misma y en una serie de tiempo son:
1.- tendencia a largo plazo o seculares
2.- variación o efecto cíclico
3.- variación o efecto estacional
4.- variación o efecto irregular
1.-TENDENCIA A LARGO PLAZO O SECULARES:
Se refiere al movimiento suave y regular de una serie que refleja un crecimiento o un
estancamiento continuo o una declinación de un periodo de tiempo muy prolongado. Si
bien no se lo define como una longitud exacta del periodo, para una serie económica el
periodo tiene que ser suficientemente largo como para incluir dos o más ciclos
económicos , con fin de obtener un resultado razonable lo que mide la tendencia es la
variación promedio de la variable por unidad de tiempo ya que a largo plazo el
crecimiento constante de la población, el PBI el efecto de la competencia y otros factores
que no llegan a producir cambios violentos en las variables observadas pero que producen
un cambio gradual y estable sobre el tiempo. Debido a ese cambio gradual y estable de
los desarrollos, se suele describir mediante una recta o algún tipo de curva lisa, indicando
por una curva de tendencia, en trazo continuo.
La dirección general en el gráfico de una serie que parece progresar en un largo periodo
en el tiempo, indicada por una curva de tendencia, en trazos discontinuos.

2.-VARIACION O EFECTO CICLICO
Estos se caracterizan por movimientos recurrentes ascendentes y descendentes que son
distintos de los efectos estacionales por cuanto se extienden por periodos de tiempos más
largos, por lo general de 2 o más años. Se atribuyen a factores variables y se ha hecho un
gran esfuerzo para identificar y evaluar estos factores. En consecuencia se han propuesto
muchas teorías para explicar las fluctuaciones cíclicas, pero pocas de las tales teorías han
recibido aceptación universal, en general son de naturaleza económica y reflejan el estado
de las actividades comerciales de tiempo en tiempo.
En general hay cuatro fases de un ciclo económico, la vuelta hacia abajo o prosperidad
viene seguida de un periodo de contracción que lleva a una recesión o depresión, a la cual
sigue luego la recuperación o expansión que finalmente lleva a un periodo de prosperidad.
Un ciclo se mide ya sea de vuelta hacia abajo o bien vuelta hacia arriba. La diferencia
fundamental entre efectos cíclicos y estacionales puede radicar en que estos pueden
predecirse y ocurren en un intervalo de tiempo fijo de última ocurrencia, mientras que los
efectos cíclicos son completamente impredecibles.
Se refiere a las oscilaciones a largo término en torno a una recta o curva de tendencia.
Estos ciclos pueden ser periódicos o no, es decir pueden seguir el esquema o no en los
intervalos de tiempo.
Ejemplo: en actividades financieras, los movimientos se consideran cíclicos solo si son
recurrentes en un periodo de tiempo de al menos un años, este importante movimiento
constituye el llamado ciclo económico, que lo representa los intervalos de prosperidad,
recesión, depresión y recuperación.

3.-VARIACION O EFECTO ESTACIONAL
La palabra “estacional”, tal como se la emplea, tiene una connotación bien amplia. Por
variaciones estacionales se entienden variaciones periódicas, que vuelven con cierta
irregularidad durante un periodo de tiempo especificado de un año o menos. Las
variaciones periódicas que más se estudian es la que ocurre con periodos de meses, tal
como sucede en producción de vehículos, ventas de tarjetas de navidad etc.
Como estas variaciones están ligadas a las estaciones del año, se ha utilizado el nombre
de efecto o variación estacional, usada para indicar toda clase de movimiento periódico,
diario, mensual u otro con un año como periodo de recurrencia máximo. Entre los factores
más importantes que originan variaciones estacionales, se encuentran las condiciones
climáticas, las costumbres sociales y los festivales religiosos.
Las condiciones climáticas que es una evidentemente la causa más importante de las
fluctuaciones estacionales en la producción agrícola. Las actividades de construcción y
los fenómenos de turismo. La demanda de regalos en el día de los enamorados, por la
navidad, día de la madre etc.
Por ejemplo el consumo de energía eléctrica en Estados Unidos siempre es más elevado
en el primer trimestre y más baja en el segundo trimestre debido a las temperaturas del
clima. Son esquemas idénticos o casi idénticos que una serie de tiempo parece seguir
durante los meses correspondientes a los años sucesivos, son movimientos recurrentes,
que solo se aprecian con datos mensuales, bimensuales o trimestrales.
VARIACIÓN O EFECTO IRREGULAR
Los movimientos irregulares de las series de tiempo son bien aleatorios, o bien se deben
a ciertas fuerzas esporádicas como la guerra, los terremotos, las inundaciones, las sequias
y las calamidades naturales. Tales fluctuaciones no son recurrentes y son por tanto
completamente impredecibles.

No obstante estos sucesos se pueden reconocer e identificar fácilmente y así se pueden
eliminar de los datos cuando se trata de medir una tendencia a largo plazo, el efecto
estacional y los efectos cíclicos. En cuanto a las variaciones aleatorias o al azar, a menudo
son comparativamente poco importantes y se pueden considerar como parte de los efectos
estacionales o cíclicos. El componente aleatorio representa los movimientos ascendentes
y descendentes de la serie después de haber ajustado la tendencia a largo plazo, el efecto
cíclico y efecto estacional.
El objetivo del analista de series de tiempo es identificar aquellos componentes presentes
para identificar sus causas y predecir futuros de la serie. Esto en su mayoría no resulta
fácil distinguir entre sus componentes (SPIEGEL, 1992) (CHAO, julio 1993).
ANALISIS DE SERIES EN EL TIEMPO
El análisis de series en el tiempo consiste en describir matemáticamente en general, los
movimientos de los componentes que están presentes. El grafico de una recta de tendencia
a largo termino o secular, con su movimientos estacional, añadido en momento cíclico y
si se añadiera el movimiento irregular que en la práctica aparecen con el tiempo.
Ilustración de los componentes de la serie de tiempo Y = T * C* S* I
El análisis de serie de tiempo requiere investigar los factores T, C, S, I, y se conoce a
menudo como una descomposición de una serie de tiempo en movimientos básicos. Hay
que hacer constar que algunos estadísticos prefieren en movimientos considerar
Y=T+C+S+I

MODELOS DE DESCOMPOSICION DE SERIES DE TIEMPO
Existen dos modelos de series de tiempo que son aceptados generalmente como buenas
aproximaciones a las verdaderas relaciones entre los componentes de los datos
observados, son los modelos aditivos y multiplicativos y constituyen las relaciones más
comúnmente aceptadas entre las series de tiempo y sus elementos. Siendo:
Y= Valor original observado
T=Valor de la tendencia a largo plazo
S= Valor del efecto estacional
C= Valor del efecto cíclico
I = Valor del efecto irregular
EL MODELO ADITIVO
Modelo de datos en el cual los efectos de factores individuales son diferenciados y
agregados de manera conjunta para modelar los datos. Para los procedimientos de
ANOVA de dos factores, un modelo aditivo es opcional. Seleccione esta opción para
omitir el término de interacción en el modelo.
Supone que las observaciones se generan como suma de las cuatro componentes, es decir:
Yt = t + c t + e t + r t
En este caso cada componente se expresa en el mismo tipo de unidad que las
observaciones. La variación residual, en este modelo, es independiente de las demás
componentes, es decir la magnitud de dichos residuos no depende del valor que tome
cualquier otra componente de la serie, (análogamente la variación estacional y la cíclica
son independientes de las demás componentes).
Supone que el valor de la serie de tiempo está descompuesto por la suma de los cuatro
componentes; esto es:
A) Modelo Aditivo: Yt = Tt + Et + Ct + Rt 2.
EL MODELO MULTIPLICATIVO
Supone que las observaciones se generan como producto de las cuatro componentes, es
decir: Yt = t t x c t x e t x r t En este modelo (multiplicativo puro) la tendencia secular se
expresa en el mismo tipo de unidad que las observaciones, y el resto de las componentes
en tanto por uno.
Aquí no se cumple la hipótesis de independencia del esquema aditivo. Otro tipo de
modelo multiplicativo que si la cumple llamado modelo multiplicativo mixto es el
siguiente: Yt = t t x c t x e t + r t
Existen otros modelos que combinan esquemas aditivos y multiplicativos, tratando de
resolver las carencias o inconvenientes de los modelos más sencillos. Señalaremos que
generalmente el modelo multiplicativo es el que mejor se adapta a la descripción de
variables económicas.
Supone que el valor de la serie compuesta es el producto de los valores de los cuatro
componentes; esto es:
B) Modelo Multiplicativo: Yt = Tt · Et · Ct · Rt
¿Debería utilizar un modelo aditivo o un modelo multiplicativo?
Si el modelo multiplicativo cuando la magnitud del patrón estacional en los datos depende
de la magnitud de los datos. En otras palabras, la magnitud del patrón estacional aumenta
a medida que los valores de los datos se incrementan y disminuye a medida que los
valores de los datos decrecen.

Si el modelo aditivo cuando la magnitud del patrón estacional en los datos no dependa de
la magnitud de los datos. En otras palabras, la magnitud del patrón de estación no cambia
cuando la serie sube o baja.
DESCOMPOSICION DE UNA SERIE DE TIEMPO
Como se indicó los datos de la variable pueden descomponerse en cuatro partes. En el
modelo multiplicativo la relación entre Y con los cuatro componentes la confiere la
igualdad y en tanto los otros elementos vienen expresados en porcentajes.
Ejemplo: un índice estacional de 81% indica que el valor efectivo que se espera será un
11 % inferior a lo que sería si la influencia estacional.
En resumen la descomposición cuádruple no es ni mucho menos algo que dé cuenta
exacta de las relaciones de los componentes, sino más bien una técnica de aproximación
ESTIMACION DE LA TENDENCIA
1. Método de los mínimos cuadrados: este método se puede utilizar para hallar la
ecuación de la recta o curva de tendencia adecuada. De esta ecuación se podrán
calcular los valores de la tendencia adecuada.
2. Método a mano: consiste en ajustar una curva o recta de tendencia por simple
inspección del gráfico, también se puede usar para estimar.
3. Método del promedio móvil: usando promedios móviles de órdenes apropiados,
podemos eliminar esquemas cíclicos, estacionales e irregulares, dejando así tan
solo el movimiento de tendencia.
4. Método de semipromedios: consiste en separar los datos en dos partes
preferiblemente iguales y promediar los datos de cada parte, obteniendo con ello
dos puntos en el gráfico de la serie de tiempo. Entonces se traza una recta de
tendencia entre dos puntos.
ELIMINACION DE TENDENCIA
Dentro de la suposición multiplicativa, la descomposición se logra por la separación
primero que todo se tratara de eliminar la tendencia de la serie observada. La tendencia
en si misma puede representarse, bien sea por una recta o por algún tipo de curva lisa; de
ahí este procedimiento sea llamado de suavizado, el cual tiene como fin eliminar el efecto
de la variación aleatoria y revelar así los componentes buscados. Se revisara el
procedimiento para ajustar los datos observados a una recta y la técnica de ajuste de una
curva mediante una ecuación de segundo grado.
ESTIMACION DE LA VARIACIONES ESTACIONALES
Para determinar el factor estacional S, en la ecuación debemos estimar como varían los
datos de la serie en el tiempo de mes a mes en un año típico. Un conjunto de números que
muestran los valores relativos durante los meses del año se llama índice estacional.
Existen 4 métodos:
1.- método del porcentaje medio: expresa los datos de cada mes como porcentaje del
promedio anual.
2.- método del porcentaje de tendencia: expresa los datos para cada mes como
porcentajes de valores de tendencia mensual.
3.-metodo del promedio móvil en porcentaje: en este método calculamos un promedio
movido 12 meses como los resultados obtenidos con entre meses sucesivos, el resultado
se llama promedio móvil 12 meses centrado.

4.- método de la relación de enlace: relaciona cada mes con el precedente tomando un
promedio adecuado a los enlaces relativos.
En el ejercicio de aplicación he utilizado el método del promedio móvil en porcentaje.
ESTIMACION DE LAS VARIABLES CICLICAS
Una vez ajustados los datos a la variación estacional, pueden ser ajustados también a la
tendencia sin más que dividirlos por los correspondientes valores de la tendencia. De
acuerdo con la ecuación el proceso de ajustar a la variación estacional y a la tendencia
corresponde a dividir Y por ST lo que da CI (variaciones cíclicas e irregulares)
ESTIMACION DE LAS VARIABLES IRREGULARES
Las variaciones irregulares se pueden estimar ajustando los datos a las variaciones de
tendencia estacional y cíclica. Eso significa tener que dividir los datos originales Y por
T, S, C.
En la práctica se encuentra que las variaciones irregulares tienden a tener pequeña
magnitud y con frecuencia tienden a seguir un esquema de una distribución normal, es
decir las pequeñas desviaciones ocurren con gran frecuencia y las grandes con pequeña
frecuencia.
COMPARACION DE DATOS Y PREDICCIÓN
Al comprar los datos siempre hay que tener mucho cuidado de que tal comparación este
justificada .Utilizando como base las series de tiempo y en sus componentes reside en el
hecho de que existe alguna regularidad en los movimientos de los componentes; es decir
que la predicción se basa en la creencia según lo que ha ocurrido antes en su conjunto
seguirá ocurriendo en el futuro. Demostrando ahora como los componentes de tendencia
y los índices estacionales se pueden utilizar para fines de predicción.
En los métodos y principios usados es importante la tarea de predecir pero hay que ser
conscientes de que naturalmente el tratamiento matemático no resuelve por sí mismo
todos los problemas, no obstante esta acoplado al sentido común, la experiencia, ingenio
y buen juicio, el análisis matemático ha demostrado su utilidad tanto en predicciones a
largo como a corto plazo. (CHAO, julio 1993)
PASOS FUNDAMENTALES PARA EL ANALISIS DE SERIES DE TIEMPO
1. Recoger datos, procurando sean datos fiables.
2. Representación gráfica de la serie de tiempo.
3. Construir una curva o recta de tendencia.
4. Obtener el índice estacional y desestacionalizar los datos.
5. Predicciones con los resultados.
DESCOMPOSICIÓN DE LA SERIE DE TIEMPO:
MODELO MULTIPLICATIVO t =f (T*C* S* I)
PRODUCTO: Importación de materiales de construcción a lo largo de 15 años del 2002
al 2016, valores totalizados por trimestres, información tomada del Banco Central del
Ecuador.
JUSTIFICACION DEL PRODUCTO:
La importación de los materiales de construcción en el desarrollo de una sociedad la cual
necesita de materia prima para poder realizar múltiples obras tanto de gobierno como
privadas. Este sector importación de materiales de construcción ha tenido distintas
variables con respecto al tiempo hace más de un año sufrimos un terremoto en el cual

muchas construcciones se vinieron abajo, después de un año podemos apreciar que la
importación de materiales de construcción a aumentado más bien ha decrecido,
presentado en los últimos años los índices más bajos.
Tenemos varios efectos estacionales (como fuertes lluvias), cíclicos (como las
salvaguardias) impuestos que afectan tanto al sector e irregulares (como el terremoto 16
de abril 2016) que analizar en este sector tan importante para el desarrollo del país ya que
al reducir la importación de materiales de construcción significa que cada vez tenemos
menos proyectos en el sector de la construcción.
Las salvaguardias obligo a varias empresas a dejar de importar insumos en especial para
acabados suntuarios, analizaremos paso a paso la demanda de país desde el años 2002
hasta el años 2016, información por trimestres.
En el segundo trimestre del 2016 este sector ha presentado crisis por efectos de las
salvaguardias, entre los artículos cuya compra disminuyó están grifería, cerámicas y
porcelanato, incluidos aquellos provenientes de países de la Unión Europea (UE).
Tuvimos el terremoto del 14 de abril del 2016, la reconstrucción de viviendas destruidas
es un proceso de reactivación de economía.
Según el Instituto Ecuatoriano del Cemento y el Hormigón (INECYC), dice que en el
primer trimestre del año 2016 la comercialización de cemento (medida en toneladas
métricas) también cayó 20% frente a igual período de 2015; según el BCE, en el primer
trimestre de 2016 las importaciones de materiales de construcción (que ya habían
registrado una caída de 58% a lo largo de 2015) se derrumbaron 44,7%, también medidas
en volumen.

NOTICIAS DONDE PRESENCIAMOS DENTRO DE UN AÑO LOS COMPONENTES
DE LA SERIE DE TIEMPO.
La importación de insumos para construcción cayó 47% por las Salvaguardias
(EFECTO CICLICO)
En el local Centro CerámicoFuentesel precio dela cerámicaimportadasubió por lassalvaguardias. Foto: Francisco Flores/ EL
COMERCIO
Este contenido ha sido publicado originalmente por Diario EL COMERCIO en la siguiente dirección:http://www.elcomercio.com/actualidad/importaciones-materiales-
construccion-ecuador-europa.html. Si está pensando en hacer uso del mismo, por favor, cite la fuente y haga un enlace hacia la nota original de donde usted ha tomado este
contenido. ElComercio.com
27 de marzo de 2017 00:00
Las lluvias alteran la ejecución de las obras en el Distrito
(EFECTO ESTACIONAL)
Los operarios del intercambiador de la av. Granados cubrieron con plástico los muros. Patricio Terán / EL COMERCIO
Este contenido ha sido publicado originalmente por Diario EL COMERCIO en la siguiente dirección:http://www.elcomercio.com/actualidad/lluvias-alteran-ejecucion-
obras-distrito.html. Si está pensando en hacer uso del mismo, por favor, cite la fuente y haga un enlace hacia la nota original de donde usted ha tomado este
contenido. ElComercio.com
¿Estaba preparado Ecuador para enfrentar un terremoto?
(EFECTO IRREGULAR)

GRÀFICA DE LA EVOLUCIÓN EN LAS IMPORTACIONES DE MATERIALES DE CONSTRUCCIÒN:
Podemos observar en la gráfica que la importación de materiales de construcción presenta decrecimientos en la línea de la tendencia, esto debido
a que la demanda de materiales de construcción decrece por las lluvias siendo el fenómeno climático un efecto estacional. Muchas empresas de
construcción disminuyen el ritmo de sus obras provocando la desaceleración en el sector, siempre se espera que esto mejore en los meses siguientes.
El análisis que se realizó fue tomando información desde el año 2002 hasta el año 2016, este sector tiene una tendencia creciente, pese a que como
podemos visualizar los resultados desde el primer trimestre del 2015 muestran en la gráfica claramente como decrecen drásticamente las
importaciones en materiales de construcción.
0
50
100
150
200
250
300
350
2002-I
2002-II
2002-III
2002-IV
2003-I
2003-II
2003-II
2003-IV
2004-I
2004-II
2004-III
2004-IV
2005-I
2005-II
2005-III
2005-IV
2006-I
2006-II
2006-III
2006-IV
2007-I
2007-II
2007-III
2007-IV
2008-I
2008-II
2008-III
2008-IV
2009-I
2009-II
2009-III
2009-IV
2010-I
2010-II
2010-III
2010-IV
2011-I
2011-II
2011-III
2011-IV
2012-I
2012-II
2012-III
2012-IV
2013-I
2013-II
2013-III
2013-IV
2014-I
2014-II
2014-III
2014-IV
2015-I
2015-II
2015-III
2015-IV
2016-I
2016-II
2016-III
2016-IV
IMPORTACIONMATERIALES CONSTRUCCION

La tendencia secular o tendencia a largo plazo es el resultado de factores a largo plazo, como un término intuitivo en el tiempo, es la fuerza
persistente a los cambios como crecimiento de la población y los cambios en ingresos.
Observando la gráfica de la tendencia que muestra un crecimiento a largo plazo lo va midiendo con el pasar de los años, pese a los diferentes
cambios permanece esta línea hacia arriba.
0.00%
50.00%
100.00%
150.00%
200.00%
250.00%
300.00%
2002-I
2002-II
2002-III
2002-IV
2003-I
2003-II
2003-II
2003-IV
2004-I
2004-II
2004-III
2004-IV
2005-I
2005-II
2005-III
2005-IV
2006-I
2006-II
2006-III
2006-IV
2007-I
2007-II
2007-III
2007-IV
2008-I
2008-II
2008-III
2008-IV
2009-I
2009-II
2009-III
2009-IV
2010-I
2010-II
2010-III
2010-IV
2011-I
2011-II
2011-III
2011-IV
2012-I
2012-II
2012-III
2012-IV
2013-I
2013-II
2013-III
2013-IV
2014-I
2014-II
2014-III
2014-IV
2015-I
2015-II
2015-III
2015-IV
2016-I
2016-II
2016-III
2016-IV
PORCENTAJEDELA TENDENCIA

Este movimiento ha sido recurrente durante varios años, teniendo en cuenta los factores que estos conllevan el precio de las materiales.
Los múltiples proyectos de construcción tanto de empresas privadas como públicas, hogares son los que mueven la compra de insumos para la
construcción, debido al impuesto adicional por salvaguardias, muchos productos han tenido que ser sustituidos con productos que se fabrican
dentro de nuestro país, otros simplemente se han dejado de usar por su alto costo.
Las salvaguardias a las importaciones de insumos de construcción han provocado este efecto cíclico desde el 2015.
Los ciclos de la prosperidad, recesión, depresión y recuperación afecta la sociedad en su conjunto, provocando esta caídas.
-100.00%
-50.00%
0.00%
50.00%
100.00%
150.00%
200.00%
2002-I
2002-II
2002-III
2002-IV
2003-I
2003-II
2003-II
2003-IV
2004-I
2004-II
2004-III
2004-IV
2005-I
2005-II
2005-III
2005-IV
2006-I
2006-II
2006-III
2006-IV
2007-I
2007-II
2007-III
2007-IV
2008-I
2008-II
2008-III
2008-IV
2009-I
2009-II
2009-III
2009-IV
2010-I
2010-II
2010-III
2010-IV
2011-I
2011-II
2011-III
2011-IV
2012-I
2012-II
2012-III
2012-IV
2013-I
2013-II
2013-III
2013-IV
2014-I
2014-II
2014-III
2014-IV
2015-I
2015-II
2015-III
2015-IV
2016-I
2016-II
2016-III
2016-IV
RESIDUO CICLICO RELATIVO -100%

Apreciamos el movimiento ascendente y descendente respecto a la importación de materiales de construcción dentro del año y como se repiten
anualmente, el consumo esta relacionado con las estaciones del año. Las importaciones ascienden mayormente en tercer trimestre del año y
desciende en el primer trimestre del año.
0
20
40
60
80
100
120
140
2002-I
2002-II
2002-III
2002-IV
2003-I
2003-II
2003-II
2003-IV
2004-I
2004-II
2004-III
2004-IV
2005-I
2005-II
2005-III
2005-IV
2006-I
2006-II
2006-III
2006-IV
2007-I
2007-II
2007-III
2007-IV
2008-I
2008-II
2008-III
2008-IV
2009-I
2009-II
2009-III
2009-IV
2010-I
2010-II
2010-III
2010-IV
2011-I
2011-II
2011-III
2011-IV
2012-I
2012-II
2012-III
2012-IV
2013-I
2013-II
2013-III
2013-IV
2014-I
2014-II
2014-III
2014-IV
2015-I
2015-II
2015-III
2015-IV
2016-I
2016-II
2016-III
2016-IV
Valor estacional especifico-% del valor real
TRIMESTRE % DEL VALOR REAL RESPECTO AL PROMEDIO MOVIL

Como podemos notar este efecto irregular se dio en el año 2016 por el terremoto (16-04-2016)
-1.6
-1.4
-1.2
-1
-0.8
-0.6
-0.4
-0.2
0
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
VARIACION O EFECTO CICLICO IRREGULAR
TRIMESTRE

TECNICAS DE ESTIMACION:
1.- Desestacionalizacion de la serie de tiempo:
AÑO T RIMEST RE
IMPORT ACION
DE
MAT ERIALES
DE
CONST RUCCION
T OT AL
MOVIL DE 4
T RIMESTRES
PROMEDIO
MOVIL DE 4
T RIMESTRES
2002
1 81,5
2 86,5
3 88,5 319,5 7 9,88
4 63 27 9 69,75
2003
1 41 239,8 59,95
2 47 ,3 192,3 48,08
3 41 166,1 41,53
4 36,8 172,8 43,20
2004
1 47 ,7 168,6 42,15
2 43,1 173,8 43,45
3 46,2 187,4 46,85
4 50,4 212,7 53,18
2005
1 7 3 235,7 58,93
2 66,1 258,4 64,60
3 68,9 269,5 67 ,38
4 61,5 277,1 69,28
2006
1 80,6 286,6 7 1,65
2 7 5,6 310,7 77,68
3 93 334,9 83,7 3
4 85,7 352,3 88,08
2007
1 98 37 1,3 92,83
2 94,6 369,1 92,28
3 90,8 369,3 92,33
4 85,9 364,4 91,10
2008
1 93,1 347 ,6 86,90
2 7 7 ,8 387 ,1 96,78
3 130,3 461,3 115,33
4 160,1 47 1,9 117,98
2009
1 103,7 532 133,00
2 137 ,9 537 134,25
3 135,3 502 125,50
4 125,1 534,1 133,53
2010
1 135,8 531,9 132,98
2 135,7 532,1 133,03
3 135,5 535,7 133,93
4 128,7 544,6 136,15

2011
1 144,7 547,8 136,95
2 138,9 653,6 163,40
3 241,3 777,2 194,30
4 252,3 843,7 210,93
2012
1 211,2 903,1 225,78
2 198,3 905,8 226,45
3 244 877,5 219,38
4 224 881,2 220,30
2013
1 214,9 937 ,8 234,45
2 254,9 922,4 230,60
3 228,6 928,4 232,10
4 230 930,9 232,73
2014
1 217 ,4 912,5 228,13
2 236,5 980,3 245,08
3 296,4 1028,6 257,15
4 27 8,3 998,1 249,53
2015
1 186,9 911,9 227 ,98
2 150,3 7 62,7 190,68
3 147 ,2 610,7 152,68
4 126,3 523,5 130,88
2016
1 99,7 448,9 112,23
2 7 5,7 403,5 100,88
3 101,8 37 9,8 94,95
4 102,6

2.-Encontramos el promedio móvil centrado y el porcentaje del valor real respecto al
promedio móvil.
AÑO T RIMESTRE
IMPORT ACION
DE
MAT ERIALES
DE
CONST RUCCION
PROMEDIO
MOVIL DE 4
T RIMESTRES
PROMEDIO
MOVIL
CENTRADO
EN 4
TRIMESTRES
% DEL
VALOR
REAL
RESPECTO
AL
PROMEDIO
MOVIL
2002
1 81,5
2 86,5
3 88,5 7 9,88 74,81 118,30
4 63 69,75 6 4,85 97,15
2003
1 41 59,95 5 4,01 75,91
2 47 ,3 48,08 4 4,80 1 05,58
3 41 41,53 4 2,36 9 6,78
4 36,8 43,20 4 2,68 86,23
2004
1 47 ,7 42,15 4 2,80 111,45
2 43,1 43,45 4 5,15 9 5,46
3 46,2 46,85 5 0,01 9 2,38
4 50,4 53,18 5 6,05 89,92
2005
1 7 3 58,93 6 1,76 118,19
2 66,1 64,60 6 5,99 1 00,17
3 68,9 67 ,38 6 8,33 1 00,84
4 61,5 69,28 7 0,46 87,28
2006
1 80,6 7 1,65 74,66 1 07,95
2 7 5,6 77,68 80,70 9 3,68
3 93 83,7 3 85,90 1 08,27
4 85,7 88,08 9 0,45 9 4,75
2007
1 98 92,83 9 2,55 1 05,89
2 94,6 92,28 9 2,30 1 02,49
3 90,8 92,33 9 1,71 9 9,01
4 85,9 91,10 89,00 9 6,52
2008
1 93,1 86,90 9 1,84 1 01,37
2 7 7 ,8 96,78 1 06,05 73,36
3 130,3 115,33 116,65 111,70
4 160,1 117,98 1 25,49 1 27,58
2009
1 103,7 133,00 133,63 77,61
2 137 ,9 134,25 1 29,88 1 06,18
3 135,3 125,50 1 29,51 1 04,47
4 125,1 133,53 133,25 9 3,88
2010
1 135,8 132,98 133,00 1 02,11
2 135,7 133,03 133,48 1 01,67
3 135,5 133,93 135,04 1 00,34
4 128,7 136,15 136,55 9 4,25
2011 1 144,7 136,95 150,18 9 6,35

2 138,9 163,40 178,85 77,66
3 241,3 194,30 2 02,61 119,09
4 252,3 210,93 2 18,35 115,55
2012
1 211,2 225,78 2 26,11 9 3,40
2 198,3 226,45 2 22,91 88,96
3 244 219,38 2 19,84 110,99
4 224 220,30 2 27,38 9 8,52
2013
1 214,9 234,45 2 32,53 9 2,42
2 254,9 230,60 2 31,35 110,18
3 228,6 232,10 2 32,41 9 8,36
4 230 232,73 2 30,43 9 9,82
2014
1 217 ,4 228,13 2 36,60 9 1,89
2 236,5 245,08 2 51,11 9 4,18
3 296,4 257,15 2 53,34 117,00
4 27 8,3 249,53 2 38,75 116,57
2015
1 186,9 227 ,98 2 09,33 89,29
2 150,3 190,68 171,68 87,55
3 147 ,2 152,68 1 41,78 1 03,83
4 126,3 130,88 1 21,55 1 03,91
2016
1 99,7 112,23 1 06,55 9 3,57
2 7 5,7 100,88 97,91 77,31
3 101,8 94,95
4 102,6

ECUADOR IMPORTACION DE MATERIALES DE CONSTRUCCION
(2002-2016) EN MILLONES DE DOLARES
AÑO
T RIMEST RE
1
T RIMEST RE
2
T RIMEST RE
3
T RIMEST RE
4
2002 - - 1 18,30 9 7,15
2003 75,91 1 05,58 9 6,78 86 ,23
2004 1 11,45 9 5,46 9 2,38 89 ,92
2005 1 18,19 1 00,17 1 00,84 87,28
2006 1 07,95 9 3,68 1 08,27 9 4,75
2007 1 05,89 1 02,49 9 9,01 9 6,52
2008 1 01,37 7 3,36 1 11,70 1 27,58
2009 77,61 1 06,18 1 04,47 9 3,88
2010 1 02,11 1 01,67 1 00,34 9 4,25
2011 9 6,35 77,66 1 19,09 1 15,55
2012 9 3,40 88,96 1 10,99 9 8,52
2013 9 2,42 1 10,18 9 8,36 9 9,82
2014 9 1,89 9 4,18 1 17,00 1 16,57
2015 89 ,29 87,55 1 03,83 1 03,91
2016 9 3,57 77,31 - -
SUMA MODIFICADA 1.163,30 1.130,89 1.269,88 1.188,10
MEDIA MODIFICADA 581,65 565,45 634,94 594,05
INDICE ESTACIONAL DESAJUSTADO
FACTOR DE
AJUSTE 2376,09 0,168344
%
INDICE
ESTACIONAL 97,92 95,19 106,89 100,00
97,92% 95,19% 106,89% 100%
0,9792 0,9519 1,0689 1,0000
Con estos valores obtenidos desestacionalizaremos la serie de tiempo.

AÑO TRIMESTRE
IMPORTACION
MATERIALES
CONSTRUCCION
INDICE
ESTACIONAL
VENTAS
DESESTACIONALIZADAS
X
VALOR
CENTRAL
DE X
SEMIPROMEDIO
Y
2002
1 81,5 0,9792 83 ,2 3 1
7 8,6 2
2 86,5 0,9519 9 0,87 2
3 88,5 1 ,0689 82 ,80 3
4 63 1 ,0000 6 3 ,00 4
2003
1 41 0,9792 4 1 ,87 5
2 47 ,3 0,9519 4 9 ,6 9 6
3 41 1 ,0689 3 8,3 6 7
4 36,8 1 ,0000 3 6 ,80 8
2004
1 47 ,7 0,9792 4 8,7 1 9
2 43,1 0,9519 4 5 ,2 8 10
3 46,2 1 ,0689 4 3 ,2 2 11
4 50,4 1 ,0000 5 0,4 0 12
2005
1 7 3 0,9792 7 4 ,5 5 13
2 66,1 0,9519 6 9 ,4 4 14
3 68,9 1 ,0689 6 4 ,4 6 15
4 61,5 1 ,0000 6 1 ,5 0 16 1 5 ,5 0
2006
1 80,6 0,9792 82 ,3 1 17
2 7 5,6 0,9519 7 9 ,4 2 18
3 93 1 ,0689 87 ,01 19
4 85,7 1 ,0000 85 ,7 0 20
2007
1 98 0,9792 1 00,08 21
2 94,6 0,9519 9 9 ,3 8 22
3 90,8 1 ,0689 84 ,9 5 23
4 85,9 1 ,0000 85 ,9 0 24
2008
1 93,1 0,9792 9 5 ,08 25
2 7 7 ,8 0,9519 81 ,7 3 26
3 130,3 1 ,0689 1 2 1 ,9 0 27
4 160,1 1 ,0000 1 6 0,1 0 28
2009
1 103,7 0,9792 1 05 ,9 0 29
2 137 ,9 0,9519 1 4 4 ,87 30
3 135,3 1 ,0689 1 2 6 ,5 8 31
1 7 9 ,5 2
4 125,1 1 ,0000 1 2 5 ,1 0 32
2010
1 135,8 0,9792 1 3 8,6 8 33
2 135,7 0,9519 1 4 2 ,5 6 34
3 135,5 1 ,0689 1 2 6 ,7 7 35
4 128,7 1 ,0000 1 2 8,7 0 36
2011
1 144,7 0,9792 1 4 7 ,7 7 37
2 138,9 0,9519 1 4 5 ,9 2 38
3 241,3 1 ,0689 2 2 5 ,7 5 39
4 252,3 1 ,0000 2 5 2 ,3 0 40
2012 1 211,2 0,9792 2 1 5 ,6 9 41

2 198,3 0,9519 2 08,3 2 42
3 244 1 ,0689 2 2 8,2 7 43
4 224 1 ,0000 2 2 4 ,00 44
2013
1 214,9 0,9792 2 1 9 ,4 6 45
2 254,9 0,9519 2 6 7 ,7 8 46 4 5 ,5 0
3 228,6 1 ,0689 2 1 3 ,86 47
4 230 1 ,0000 2 3 0,00 48
2014
1 217 ,4 0,9792 2 2 2 ,02 49
2 236,5 0,9519 2 4 8,4 5 50
3 296,4 1 ,0689 2 7 7 ,2 9 51
4 27 8,3 1 ,0000 2 7 8,3 0 52
2015
1 186,9 0,9792 1 9 0,87 53
2 150,3 0,9519 1 5 7 ,89 54
3 147 ,2 1 ,0689 1 3 7 ,7 1 55
4 126,3 1 ,0000 1 2 6 ,3 0 56
2016
1 99,7 0,9792 1 01 ,82 57
2 7 5,7 0,9519 7 9 ,5 3 58
3 101,8 1 ,0689 9 5 ,2 4 59
4 102,6 1 ,0000 1 02 ,6 0 60
CALCULO DE LA RECT A DE LA T ENDENCIA CON LOS DOS SEMIPROMEDIOS
Y=a+bx Y=a+bx
78,62 =a0+15,50ª1 179,52=a0+45,50ª1
a0-15,50ª1 = 78,62
a0-45,50ª1= 179,52
30ª1= 100,9
a1= 3,3633333
a= 78,62 -52,131666
a= 26,4883339
RECTA DE TENDENCIA
Y=26,4883+3,36333X
Encontramos la recta de tendencia, esta ecuación nos ayuda a predecir los siguientes
periodos.

X
SUSTITUCION DE LA
ECUACION DE LA
RECTA
VENTAS
PRONOSTICADAS
DESESTACIONALIZADAS
PORCENTAJE DE LA
TENDENCIA
RESIDUO CICLICO
RELATIVO -100%
1 Y=26,4 883 +3 ,3 6 3 3 3 (1 ) 2 9 ,85 2 7 8,82 % 1 7 8,82 %
2 Y=26,4883 +3 ,3 6 3 3 3 (2 ) 3 3 ,2 1 2 7 3 ,5 8% 1 7 3 ,5 8%
3 Y=26,4883 +3 ,3 6 3 3 3 (3 ) 3 6 ,5 8 2 2 6 ,3 5 % 1 2 6 ,3 5 %
4 Y=26,4883 +3 ,3 6 3 3 3 (4 ) 3 9 ,9 4 1 5 7 ,7 3 % 5 7 ,7 3 %
5 Y=26,4883 +3 ,3 6 3 3 3 (5 ) 4 3 ,3 0 9 6 ,6 9 % -3 ,3 1 %
6 Y=26,4883 +3 ,3 6 3 3 3 (6 ) 4 6 ,6 7 1 06 ,4 8% 6 ,4 8%
7 Y=26,4883 +3 ,3 6 3 3 3 (7 ) 5 0,03 7 6 ,6 7 % -2 3 ,3 3 %
8 Y=26,4883 +3 ,3 6 3 3 3 (8) 5 3 ,3 9 6 8,9 2 % -3 1 ,08%
9 Y=26,4883 +3 ,3 6 3 3 3 (9 ) 5 6 ,7 6 85 ,83 % -1 4 ,1 7 %
1 0 Y=26,4883+3,3 6 3 3 3 (1 0) 6 0,1 2 7 5 ,3 1 % -2 4 ,6 9 %
1 1 Y=26,4883+3 ,3 6 3 3 3 (1 1 ) 6 3 ,4 8 6 8,08% -3 1 ,9 2 %
1 2 Y=26,4883+3,3 6 3 3 3 (1 2 ) 6 6 ,85 7 5 ,4 0% -2 4 ,6 0%
1 3 Y=26,4883+3,3 6 3 3 3 (1 3 ) 7 0,2 1 1 06 ,1 8% 6 ,1 8%
1 4 Y=26,4883+3,3 6 3 3 3 (1 4 ) 7 3 ,5 7 9 4 ,3 8% -5 ,6 2 %
1 5 Y=26,4883+3,3 6 3 3 3 (1 5 ) 7 6 ,9 4 83 ,7 8% -1 6 ,2 2 %
1 6 Y=26,4883+3,3 6 3 3 3 (1 6 ) 80,3 0 7 6 ,5 9 % -2 3 ,4 1 %
1 7 Y=26,4883+3,3 6 3 3 3 (1 7 ) 83 ,6 6 9 8,3 8% -1 ,6 2 %
1 8 Y=26,4883+3,3 6 3 3 3 (1 8) 87 ,03 9 1 ,2 6 % -8,7 4 %
1 9 Y=26,4883+3,3 6 3 3 3 (1 9 ) 9 0,3 9 9 6 ,2 5 % -3 ,7 5 %
2 0 Y=26,4883+3,3 6 3 3 3 (2 0) 9 3 ,7 5 9 1 ,4 1 % -8,5 9 %
2 1 Y=26,4883+3,3 6 3 3 3 (2 1 ) 9 7 ,1 2 1 03 ,05 % 3 ,05 %
2 2 Y=26,4883+3,3 6 3 3 3 (2 2 ) 1 00,4 8 9 8,9 0% -1 ,1 0%
2 3 Y=26,4883+3,3 6 3 3 3 (2 3 ) 1 03 ,84 81 ,80% -1 8,2 0%
2 4 Y=26,4883+3,3 6 3 3 3 (2 4 ) 1 07 ,2 1 80,1 2 % -1 9 ,88%
2 5 Y=26,4883+3,3 6 3 3 3 (2 5 ) 1 1 0,5 7 85 ,9 9 % -1 4 ,01 %
2 6 Y=26,4883+3,3 6 3 3 3 (2 6 ) 1 1 3 ,9 3 7 1 ,7 4 % -2 8,2 6 %
2 7 Y=26,4883+3,3 6 3 3 3 (2 7 ) 1 1 7 ,3 0 1 03 ,9 2 % 3 ,9 2 %
2 8 Y=26,4883+3,3 6 3 3 3 (2 8) 1 2 0,6 6 1 3 2 ,6 9 % 3 2 ,6 9 %
2 9 Y=26,4883+3,3 6 3 3 3 (2 9 ) 1 2 4 ,02 85 ,3 9 % -1 4 ,6 1 %
3 0 Y=26,4883+3,3 6 3 3 3 (3 0) 1 2 7 ,3 9 1 1 3 ,7 2 % 1 3 ,7 2 %
3 1 Y=26,4883+3,3 6 3 3 3 (3 1 ) 1 3 0,7 5 9 6 ,81 % -3 ,1 9 %
3 2 Y=26,4883+3,3 6 3 3 3 (3 2 ) 1 3 4 ,1 1 9 3 ,2 8% -6 ,7 2 %
3 3 Y=26,4883+3,3 6 3 3 3 (3 3 ) 1 3 7 ,4 8 1 00,88% 0,88%
3 4 Y=26,4883+3,3 6 3 3 3 (3 4 ) 1 4 0,84 1 01 ,2 2 % 1 ,2 2 %
3 5 Y=26,4883+3,3 6 3 3 3 (3 5 ) 1 4 4 ,2 0 87 ,9 1 % -1 2 ,09 %
3 6 Y=26,4883+3,3 6 3 3 3 (3 6 ) 1 4 7 ,5 7 87 ,2 1 % -1 2 ,7 9 %
3 7 Y=26,4883+3,3 6 3 3 3 (3 7 ) 1 5 0,9 3 9 7 ,9 1 % -2 ,09 %
3 8 Y=26,4883+3,3 6 3 3 3 (3 8) 1 5 4 ,2 9 9 4 ,5 7 % -5 ,4 3 %
3 9 Y=26,4883+3,3 6 3 3 3 (3 9 ) 1 5 7 ,6 6 1 4 3 ,1 9 % 4 3 ,1 9 %
4 0 Y=26,4883+3,3 6 3 3 3 (4 0) 1 6 1 ,02 1 5 6 ,6 9 % 5 6 ,6 9 %
4 1 Y=26,4883+3,3 6 3 3 3 (4 1 ) 1 6 4 ,3 8 1 3 1 ,2 1 % 3 1 ,2 1 %
4 2 Y=26,4883+3,3 6 3 3 3 (4 2 ) 1 6 7 ,7 5 1 2 4 ,1 9 % 2 4 ,1 9 %
4 3 Y=26,4883+3,3 6 3 3 3 (4 3 ) 1 7 1 ,1 1 1 3 3 ,4 1 % 3 3 ,4 1 %
4 4 Y=26,4883+3,3 6 3 3 3 (4 4 ) 1 7 4 ,4 7 1 2 8,3 9 % 2 8,3 9 %

4 5 Y=26,4883+3,3 6 3 3 3 (4 5 ) 1 7 7 ,84 1 2 3 ,4 1 % 2 3 ,4 1 %
4 6 Y=26,4883+3,3 6 3 3 3 (4 6 ) 1 81 ,2 0 1 4 7 ,7 8% 4 7 ,7 8%
4 7 Y=26,4883+3,3 6 3 3 3 (4 7 ) 1 84 ,5 6 1 1 5 ,88% 1 5 ,88%
4 8 Y=26,4883+3,3 6 3 3 3 (4 8) 1 87 ,9 3 1 2 2 ,3 9 % 2 2 ,3 9 %
4 9 Y=26,4883+3,3 6 3 3 3 (4 9 ) 1 9 1 ,2 9 1 1 6 ,06 % 1 6 ,06 %
5 0 Y=26,4883+3,3 6 3 3 3 (5 0) 1 9 4 ,6 5 1 2 7 ,6 4 % 2 7 ,6 4 %
5 1 Y=26,4883+3,3 6 3 3 3 (5 1 ) 1 9 8,02 1 4 0,04 % 4 0,04 %
5 2 Y=26,4883+3,3 6 3 3 3 (5 2 ) 2 01 ,3 8 1 3 8,2 0% 3 8,2 0%
5 3 Y=26,4883+3,3 6 3 3 3 (5 3 ) 2 04 ,7 4 9 3 ,2 2 % -6 ,7 8%
5 4 Y=26,4883+3,3 6 3 3 3 (5 4 ) 2 08,1 1 7 5 ,87 % -2 4 ,1 3 %
5 5 Y=26,4883+3,3 6 3 3 3 (5 5 ) 2 1 1 ,4 7 6 5 ,1 2 % -3 4 ,88%
5 6 Y=26,4883+3,3 6 3 3 3 (5 6 ) 2 1 4 ,83 5 8,7 9 % -4 1 ,2 1 %
5 7 Y=26,4883+3,3 6 3 3 3 (5 7 ) 2 1 8,2 0 4 6 ,6 6 % -5 3 ,3 4 %
5 8 Y=26,4883+3,3 6 3 3 3 (5 8) 2 2 1 ,5 6 3 5 ,89 % -6 4 ,1 1 %
5 9 Y=26,4883+3,3 6 3 3 3 (5 9 ) 2 2 4 ,9 2 4 2 ,3 4 % -5 7 ,6 6 %
6 0 Y=26,4883+3,3 6 3 3 3 (6 0) 2 2 8,2 9 4 4 ,9 4 % -5 5 ,06 %

INTERPRETACION DE LOS RESULTADOS:
Se halló el índice estacional para poder desestacionalizar la serie, encontrando los
patrones de periodo repetitivo. Mediante el método matemático, en este caso el método
del promedio móvil., extrayendo el componente estacional de la serie, se la ha suavizado
de tal forma que muestre su comportamiento sin los picos que genera la estacionalidad.
Proyectamos estos patrones para obtener una estimación para el futuro y para poder
manejar la incertidumbre asociada a acontecimientos futuros. En el proceso primero se
desestacionalizo la serie de tiempo, se halló el índice estacional y con esto se
desnacionalizó la serie, para suavizar la serie se usó el método de promedio móvil
hallando el total móvil de los 4 trimestres luego se dividió el resultado entre cuatro
trimestres, se centró el valor encontrando el porcentaje del valor real respecto al
promedio móvil.
Pasos siguientes de encontrar el índice estacional, se logra sacar la media modificada, el
factor de ajuste y el índice estacional.
Con el índice estacional se desestacionaliza toda la serie, paso siguiente se encuentra la
ecuación de ajuste, se desarrolla la tendencia y se encuentra la variación de la tendencia.
Se puede afirmar que este sector, ha tenido todas las variantes que posee la serie de
tiempo, efecto cíclico, estacional, irregular y una tendencia creciente.
Encontramos la recta de la tendencia con la cual se puede hacer predicciones para los
años siguientes.
RECTA DE TENDENCIA
Y=26,4883+3,36333X
Con la ecuación de la tendencia, vemos que la pendiente es 3.363, es decir que en los
últimos 60 trimestres las ventas desestacionalizadas aumentaron a razón 3.363 miles de
dólares por trimestre.
El valor 3.3633 corresponde a la intercepción en el eje y de la línea de la tendencia.
Para calcular los pronósticos de 4 trimestres de los siguientes años, se estima dichos
valores aplicando la ecuación de tendencia para finalmente ajustarlos estacionalmente,
multiplicando con el índice respectivo del trimestre que se trate.
La importancia del desarrollo y análisis de las series de tiempo fue desde interpretar los
gráficos hasta las proyecciones a futuro, este estudio tiene un sinnúmero de aplicaciones
y cálculos que ayudan a la compresión de las variables que afectan positiva y
negativamente.

PREDICION PARA LOS PERIODOS EN TRIMESTRES DEL AÑO 2020
RECTA DE TENDENCIA
Y=26,4883+3,36333X
Con base en las ventas anteriores, la estimación o pronóstico para los años 2017,
2018,2019 y 2020, es:
En miles de dólares respectivamente:
AÑO TRIMESTRE
SUSTITUCION DELA
ECUACION DELA RECTA
VENTAS
PRONOSTICADAS
DESESTACIONALIZADAS
INDICE
ESTACIONAL
PRONOSTICO DE
IMPORTACION
MATERIALES
CONSTRUCCION
2017
1 Y=26,4883+3,36333(61) 2 3 1 ,6 5 0,9792 2 26,83
2 Y=26,4883+3,36333(62) 2 3 5 ,01 0,9519 2 23,71
3 Y=26,4883+3,36333(63) 2 3 8,3 8 1 ,0689 2 54,80
4 Y=26,4883+3,36333(64) 2 4 1 ,7 4 1 ,0000 2 41,74
2018
1 Y=26,4883+3,36333(65) 2 4 5 ,1 0 0,9792 2 40,00
2 Y=26,4883+3,36333(66) 2 4 8,4 7 0,9519 2 36,51
3 Y=26,4883+3,36333(67) 2 5 1 ,83 1 ,0689 2 69,18
4 Y=26,4883+3,36333(68) 2 5 5 ,1 9 1 ,0000 2 55,19
2019
1 Y=26,4883+3,36333(69) 2 5 8,5 6 0,9792 2 53,18
2 Y=26,4883+3,36333(70) 2 6 1 ,9 2 0,9519 2 49,32
3 Y=26,4883+3,36333(71) 2 6 5 ,2 8 1 ,0689 2 83,56
4 Y=26,4883+3,36333(72) 2 6 8,6 5 1 ,0000 2 68,65
2020
1 Y=26,4883+3,36333(73) 2 7 2 ,01 0,9792 2 66,35
2 Y=26,4883+3,36333(74) 2 7 5 ,3 7 0,9519 2 62,13
3 Y=26,4883+3,36333(75) 2 7 8,7 4 1 ,0689 2 97,94
4 Y=26,4883+3,36333(76) 2 82 ,1 0 1 ,0000 2 82,10

ANEXO:
1. Datos de la serie
ECUADOR IMPORTACION DE MATERIALES DE CONSTRUCCION (2002-
2016) EN MILLONES DE DOLARES
AÑO TRIMESTRE 1 TRIMESTRE 2 TRIMESTRE 3 TRIMESTRE 4
2002 81,5 86,5 88,5 63,0
2003 41,0 47,3 41,0 36,8
2004 47,7 43,1 46,2 50,4
2005 73,0 66,1 68,9 61,5
2006 80,6 75,6 93,0 85,7
2007 98,0 94,6 90,8 85,9
2008 93,1 77,8 130,3 160,1
2009 103,7 137,9 135,3 125,1
2010 135,8 135,7 133,5 128,7
2011 144,7 138,9 241,3 252,3
2012 211,2 198,3 244,0 224,0
2013 214,9 254,9 228,6 230,0
2014 217,4 236,5 296,4 278,3
2015 186,9 150,3 147,2 126,3
2016 99,7 75,7 101,8 102,6

FUENTE DE LOS DATOS: PAGINA DEL BANCO CENTRAL DEL ECUADOR
5. BIENES (1)
Período: 2002 - 2017. IT
Millones de dólares
Tra
nsa
2005-I 2005-II 2005-III 2005-IV 2006-I 2006-II 2006-III 2006-IV 2007-I 2007-II 2007-III 2007-IV
Importaciones 2.218,3 2.390,6 2.375,0 2.725,5 2.562,5 2.774,6 3.048,6 3.022,1 2.902,2 2.981,6 3.329,8 3.833,6
M ercancías generales 2.212,6 2.384,9 2.369,3 2.719,8 2.556,8 2.768,9 3.042,9 3.016,4 2.896,5 2.975,9 3.324,1 3.827,9
M ercancías según la SENAE 2.180,1 2.354,0 2.339,9 2.691,9 2.528,4 2.741,9 3.017,2 2.992,0 2.870,9 2.949,6 3.297,0 3.800,0
Bienes de consumo 500,6 594,4 606,1 652,7 553,3 653,7 676,0 715,4 606,4 671,8 736,3 909,1
No duraderos 282,4 344,9 337,1 374,2 316,8 371,7 389,9 415,5 361,4 418,3 461,7 552,3
Duraderos (2) 218,3 249,5 269,0 278,4 236,5 282,0 286,1 300,0 244,9 253,5 274,6 356,8
Combustibles y lubricantes 351,5 305,6 414,1 643,7 479,3 547,7 759,1 594,8 477,2 602,6 708,6 789,9
Materia primas 751,9 748,2 710,2 724,6 805,6 817,9 892,5 953,3 996,6 934,7 1.058,8 1.103,4
Agrícolas 85,9 79,6 87,4 94,5 83,3 97,5 92,2 107,5 117,5 114,1 116,7 147,6
Industriales 593,1 602,5 553,8 568,5 641,6 644,9 707,3 760,1 781,1 726,0 851,3 869,8
Materiales de construcción 73,0 66,1 68,9 61,5 80,6 75,6 93,0 85,7 98,0 94,6 90,8 85,9
5. BIENES (1)
Período: 2002 - 2017. IT
Tra
nsa
Trimestres
Importaciones 1.370,7 1.670,3 1.605,0 1.513,7 1.522,2 1.550,0 1.615,9 1.678,3 1.600,9 1.825,2 1.963,4 2.294,3
Bienes de consumo 349,3 467,3 464,5 458,0 382,8 438,1 466,1 503,6 402,4 484,7 539,1 642,7
No duraderos 180,0 230,0 256,8 241,2 208,0 241,8 276,6 281,6 233,3 281,0 312,7 361,5
Duraderos (2) 169,3 237,3 207,7 216,8 174,8 196,3 189,6 222,0 169,1 203,7 226,4 281,2
Combustibles y lubricantes 40,2 83,1 58,6 50,4 164,9 178,5 193,6 195,7 170,3 235,8 254,2 334,7
Materia primas 506,6 558,1 535,4 512,6 527,3 476,9 512,6 510,8 561,8 632,3 666,0 705,6
Agrícolas 64,1 67,8 48,9 58,7 72,3 46,3 74,0 65,4 75,3 93,1 81,0 90,5
Industriales 361,0 403,8 398,0 390,8 414,0 383,3 397,7 408,6 438,8 496,1 538,9 564,7
5. BIENES (1)
Período: 2002 - 2017. IT
Tra
nsa
Importaciones 3.665,4 4.325,3 5.210,4 4.711,0 3.430,9 3.277,1 3.542,2 4.018,2 4.113,3 4.824,2 5.230,6 5.473,0
Bienes de consumo 823,7 935,6 1.158,2 1.120,0 767,6 686,0 787,8 878,1 879,5 1.018,9 1.182,6 1.225,4
No duraderos 489,1 577,2 627,5 660,9 466,3 433,7 505,3 486,7 467,8 528,0 630,7 621,9
Duraderos (2) 334,6 358,4 530,7 459,0 301,4 252,3 282,5 391,3 411,7 490,9 551,9 603,5
Combustibles y lubricantes 702,8 847,1 1.173,2 634,7 421,0 494,6 625,0 797,7 763,6 1.141,9 1.051,3 1.086,0
Materia primas 1.200,5 1.449,3 1.645,9 1.531,9 1.153,0 1.105,1 1.159,0 1.252,7 1.379,8 1.454,1 1.514,0 1.566,8
Agrícolas 170,3 208,2 232,2 172,1 126,8 158,2 153,7 176,6 186,3 173,5 202,3 198,5
Industriales 937,1 1.163,3 1.283,4 1.199,7 922,5 809,0 869,9 951,0 1.057,8 1.144,9 1.178,3 1.239,6

5. BIENES (1)
Período: 2002 - 2017. IT
Tra
nsa
2014-I 2014-II 2014-III 2014-IV 2015-I 2015-II 2015-III 2015-IV 2016-I 2016-II 2016-III 2016-IV 2017-I
Importaciones 6.221,6 6.627,5 6.724,1 7.086,8 5.838,9 5.309,2 4.977,3 4.573,2 3.766,0 3.613,8 4.031,2 4.447,0 4.321,9
M ercancías generales 6.215,9 6.621,8 6.718,4 7.081,1 5.833,2 5.303,5 4.971,6 4.567,5 3.760,3 3.608,1 4.025,5 4.441,3 4.316,2
M ercancías según la SENAE 6.158,6 6.571,7 6.674,5 7.042,8 5.787,7 5.251,6 4.916,2 4.504,8 3.690,5 3.538,7 3.954,4 4.367,0 4.247,9
Bienes de consumo 1.103,0 1.312,1 1.372,9 1.426,1 1.183,8 1.022,7 1.031,9 993,8 789,6 762,7 829,0 993,8 875,4
No duraderos 581,7 718,1 757,1 833,9 623,0 657,4 660,7 650,9 476,1 489,7 519,5 580,8 496,1
Duraderos (2) 521,3 594,0 615,8 592,2 560,7 365,3 371,1 343,0 313,5 273,1 309,5 413,0 379,3
Combustibles y lubricantes 1.662,1 1.544,9 1.521,8 1.688,6 1.110,5 1.115,1 921,2 803,3 552,7 533,5 686,8 717,4 757,7
Materia primas 1.792,7 2.074,4 2.116,7 2.092,3 1.872,3 1.760,5 1.744,0 1.501,2 1.364,4 1.279,0 1.447,3 1.596,9 1.594,9
Agrícolas 252,5 340,4 318,7 343,4 304,5 284,2 268,4 262,7 230,4 257,5 251,8 302,4 252,1
Industriales 1.322,8 1.497,5 1.501,6 1.470,6 1.380,9 1.326,0 1.328,5 1.112,3 1.034,4 945,8 1.093,7 1.191,9 1.238,5
Materiales de construcción 217,4 236,5 296,4 278,3 186,9 150,3 147,2 126,3 99,7 75,7 101,8 102,6 104,3
5. BIENES (1)
Período: 2002 - 2017. IT
Tra
nsa
Importaciones 5.131,4 5.872,2 5.987,0 6.394,3 5.818,3 6.159,1 6.413,5 6.128,0 6.379,3 6.681,7 6.640,9 6.413,5
Bienes de consumo 1.071,7 1.224,1 1.335,3 1.317,8 1.228,9 1.289,6 1.291,7 1.202,8 1.167,5 1.325,2 1.349,5 1.405,2
No duraderos 596,6 680,7 744,0 710,1 666,2 712,4 736,2 687,1 607,4 754,0 761,0 752,5
Duraderos (2) 475,2 543,4 591,3 607,7 562,7 577,1 555,5 515,7 560,1 571,2 588,5 652,6
Combustibles y lubricantes 1.034,7 1.403,9 1.274,5 1.373,4 1.147,2 1.424,7 1.372,5 1.496,9 1.522,6 1.460,5 1.466,0 1.478,1
Materia primas 1.641,6 1.785,5 1.890,3 1.913,6 1.824,7 1.715,7 1.923,3 1.827,1 1.940,8 2.039,6 2.014,6 1.828,5
Agrícolas 219,5 241,6 203,7 266,5 221,3 204,7 265,7 290,4 264,8 254,2 265,2 258,0
Industriales 1.277,4 1.405,0 1.445,3 1.394,7 1.392,2 1.312,6 1.413,6 1.312,8 1.461,1 1.530,5 1.520,8 1.340,5

Bibliografía
CHAO, L. L. (julio 1993). ESTADISTICAS PARA LAS CIENCIAS ADMINISTRATIVAS.
California State University.
SPIEGEL, M. R. (1992). ESTADISTICAS. MADRID- ESPAÑA: SEGUNDA EDICION.

Estadisticas series de tiempo

Estadisticas series de tiempo

Estadisticas series de tiempo

Recomendados

Más contenido relacionado

Was ist angesagt?

Was ist angesagt?(20)

Similar a Estadisticas series de tiempo

Similar a Estadisticas series de tiempo(20)

Más de Fatima Suplewiche

Más de Fatima Suplewiche(16)

Último

Último(10)

Estadisticas series de tiempo