5.5. Medición de variaciones estacionales e irregulares.

Mientras que la tendencia y los componentes cíclicos de una serie de tiempo

se identifican analizando los movimientos de datos históricos a través de varios
años, hay muchas series de tiempo que muestran un patrón regular dentro de un
periodo de un año.

Por ejemplo, un fabricante de albercas inflables espera poca actividad de ventas

durante los meses de otoño e invierno, y ventas máximas en los de primavera y
verano. Los fabricantes de equipo para la nieve y de ropa de abrigo esperan un
comportamiento anual opuesto al del fabricante de albercas.

No es de sorprender que el componente de la serie de tiempo que representa la

variabilidad en los datos, debida a influencias de las estaciones, se llama
componente estacional. Aunque uno suele imaginarse que un movimiento
estacional de una serie de tiempo sucede dentro de un año, también se
puede usar para representar cualquier patrón regularmente repetitivo cuya duración
sea menor de un año. Por ejemplo, los datos diarios de intensidad de tráfico
muestran un comportamiento “estacional” dentro del mismo día, así se tiene que el
flujo máximo se presenta durante las horas de aglomeración, el moderado durante
el resto del día y al caer la noche, y el mínimo a partir de la medianoche hasta
temprano por la mañana.

El componente irregular de la serie de tiempo es el factor residual, “mil usos”, que

explica las desviaciones de la serie de tiempo real respecto a los factores
determinados por los efectos de la tendencia y los componentes cíclicos y
estacionales. Se debe a factores a corto plazo, imprevisibles y no recurrentes que
afecta a la serie de tiempo. Como este componente explica la variabilidad
aleatoria de la serie, es impredecible; de esta manera, no se puede esperar
predecir su impacto sobre la serie de tiempo.

El modelo de variación estacional es un modelo óptimo para patrones de demanda

sin tendencia y que presenten un comportamiento cíclico, por ejemplo la demanda
de artículos escolares, la cual tiene un comportamiento cíclico de conformidad con
el calendario escolar.

Medición de las Variaciones estacionales e irregulares.

Ejemplo:

¿Cuándo utilizar un pronóstico de variación estacional o cíclica?

Modelo de variación estacional o cíclica.

Fórmulas:

̂ = 𝐼 × 𝑋̅𝑔
𝑋𝑡

Donde:

̂ = Pronostico del periodo t.

𝐗𝐭

𝐈 = Índice o factor de estacionalidad.

̅𝐠 = Media o promedio general de las ventas.

𝐗

̂
𝑋𝑖
I = 𝑋̅𝑔

Donde:

̂ = Media o promedio de las ventas del periodo i.

𝐗𝐢

Ejemplo de aplicación de un pronóstico de Variación Estacional o Cíclica.

La distribuidora de papelería CAROLA desea vender para el año 2015 una cantidad
de 12000 kits escolares. Determine el pronóstico por trimestre a partir del modelo
de variación estacional, teniendo en cuenta la siguiente información acerca del
comportamiento de las ventas:

Solución:

2500 + 1500 + 3800 + 2200

𝑋̅𝑔 = = 2500
4

El primer paso consiste en determinar el promedio general de las ventas, para ello
hemos de sumar las ventas totales y dividirlas entre el número de trimestres.

Luego se procede a calcular el promedio de las ventas de cada período, en este

caso de cada período tan sólo tenemos un dato, existirán en la práctica ejercicios
en los que de cada período (por ejemplo trimestre I) tengamos gran cantidad de
información histórica, por ejemplo la información histórica del trimestre I de 5 años.
Como lo mencionamos, para éste caso no es necesario promediar, ya que contamos
tan sólo con un dato de cada trimestre, por tal razón procedemos a calcular el índice
de estacionalidad de cada período.

2500
𝐼𝐼 = = 1,00
2500

1500
𝐼𝐼𝐼 = = 0,60
2500

3800
𝐼𝐼𝐼𝐼 = = 1,52
2500

2200
𝑋𝐼𝑉 = = 0,88
2500

Teniendo en cuenta que se desean vender un total de 12000 kits para el año 2015,
calcularemos el promedio general de las ventas para dicho año, para ello
dividiremos ésta cantidad en la cantidad de trimestres.

12000
𝑋̅2015 = = 3000
4
Ya que tenemos el promedio general de las ventas del año que deseamos
pronosticar y contamos con el índice de estacionalidad de cada trimestre, es
momento de determinar el pronóstico por trimestre para el año 2015.

Resultado final.

𝑋̂𝐼(2015) = 1,00 ∗ 3000 = 3000

𝑋̂𝐼𝐼(2015) = 0,60 ∗ 3000 = 1800

𝑋̂𝐼𝐼𝐼(2015) = 1,52 ∗ 3000 = 4560

𝑋̂𝐼𝑉(2015) = 0,88 ∗ 3000 = 2640