estadistica.ar · Enciclopedia de Estadística en españolhttps://estadistica.ar/conceptos/componentes-de-una-serie
Tendencia, ciclo, estacionalidad e irregular
Las cuatro partes en que se descompone una serie de tiempo, cómo se combinan y qué se hace con cada una.
Por Jorge Luis Montivero, Licenciado en Estadística · Mu3Sigma
1 · Las cuatro componentes
| Componente | Qué es | Duración |
|---|---|---|
| Tendencia () | la dirección de largo plazo | años |
| Ciclo () | fluctuaciones alrededor de la tendencia | 2 a 10 años |
| Estacionalidad () | patrón que se repite cada año | 1 año |
| Irregular () | lo que queda: ruido y hechos puntuales | sin patrón |

2 · Los dos modelos
Aditivo:
La estacionalidad suma o resta la misma cantidad todos los años.
Multiplicativo:
La estacionalidad es un porcentaje del nivel: si la serie crece, la amplitud de los picos crece con ella.
Tomando logaritmos, un modelo multiplicativo se vuelve aditivo: por eso muchas series se analizan en logaritmos. La contracara es que un cero rompe la cuenta: no hay cociente ni logaritmo posible. Si la serie tiene meses en cero —en las pernoctaciones, abril y mayo de 2020—, hay que tratarlos como faltantes y decir cómo se los manejó.
3 · Los índices estacionales
Los doce índices de las pernoctaciones hoteleras, con el modelo multiplicativo:
| Mes | Índice | Mes | Índice | |
|---|---|---|---|---|
| Enero | 1,596 | Julio | 1,112 | |
| Febrero | 1,365 | Agosto | 0,897 | |
| Marzo | 1,023 | Septiembre | 0,921 | |
| Abril | 0,837 | Octubre | 0,978 | |
| Mayo | 0,699 | Noviembre | 0,970 | |
| Junio | 0,654 | Diciembre | 0,949 |
4 · La descomposición, mes a mes
La identidad se puede seguir dato por dato. Dos meses de 2019, con la tendencia estimada por media móvil centrada de doce meses:
| Enero 2019 | Junio 2019 | |
|---|---|---|
| Observado () | 5.957.152 | 2.980.803 |
| Tendencia () | 4.042.581 | 4.087.345 |
| Estacional () | 1,5957 | 0,6538 |
| esperado | 6.450.631 | 2.672.276 |
| Irregular () | 0,9235 | 1,1155 |
El componente irregular de esta serie, entre 2007 y 2018, tiene media 1,000 y desvío 0,047: la descomposición deja sin explicar alrededor de un 5 % del nivel mes a mes. Ese desvío es la medida natural de qué tan bien funciona el modelo.
5 · Qué hacer con cada componente
| Componente | Interés |
|---|---|
| Tendencia | la dirección de fondo; lo que importa para decisiones de largo plazo |
| Ciclo | la fase de la economía |
| Estacionalidad | se remueve para comparar meses, o se usa para planificar |
| Irregular | debería ser ruido; si tiene estructura, falta algo en el modelo |
6 · Los métodos de descomposición
| Método | Característica |
|---|---|
| Medias móviles clásicas | simple, transparente; el que se enseña |
| STL | admite estacionalidad cambiante; robusto a atípicos si se lo pide (robust = TRUE) |
| X-13ARIMA-SEATS | uno de los estándares oficiales: lo usan el INDEC y la oficina de censos de EE.UU.; en Europa se usa TRAMO-SEATS |
| Filtro Hodrick-Prescott | separa tendencia de ciclo; muy usado y muy criticado |
El método clásico de medias móviles tiene la ventaja pedagógica de que cada paso se puede seguir a mano.
En esta serie, además, abril y mayo de 2020 vienen en cero y se descartan. La media móvil se calcula sobre los meses que quedan, así que alrededor de junio de 2020 abarca quince meses de calendario en lugar de trece. Con la mediana el efecto sobre los índices es despreciable, pero es otra decisión que va declarada.
7 · Sus límites
Las rupturas rompen todo. El colapso de 2020 no es irregularidad ni ciclo: es un cambio de régimen. En junio de 2020 el componente irregular da 0,05, es decir que lo observado fue el 5 % de lo que el modelo esperaba. Un “ruido” de esa magnitud no es ruido; es la señal de que el modelo no corresponde a ese período.
La estacionalidad puede cambiar, y en esta serie cambió. Los mismos índices, calculados en dos tramos:
| Mes | 2007-2012 | 2014-2019 |
|---|---|---|
| Enero | 1,657 | 1,546 |
| Febrero | 1,426 | 1,338 |
| Junio | 0,639 | 0,664 |
| Julio | 1,062 | 1,151 |
Los extremos son inestables. Las medias móviles centradas no dan valores para los primeros y últimos meses, que son justo los que más interesan.
8 · Errores frecuentes
- Elegir el modelo sin mirar el gráfico.
- Descomponer a través de una ruptura estructural.
- Leer cada valor del irregular como una señal. Su papel es diagnóstico: si en conjunto tiene estructura, o si un valor es enorme, falta algo en el modelo.
- No normalizar los índices estacionales, que corre el nivel de la serie.
- Usar los valores de los extremos de una media móvil centrada.
- Suponer estacionalidad fija en series de más de diez años.
- No declarar si los índices se calcularon con media o con mediana.
- Aplicar un modelo multiplicativo o logaritmos a una serie con ceros.
- Descartar la estacionalidad como si fuera un estorbo.
9 · En el software
# R — pernoctaciones de la EOH, desde la API de series de datos.gob.ar
url <- paste0("https://apis.datos.gob.ar/series/api/series/",
"?ids=457.1_PERNOCTACILES_0_M_22_51&start_date=2007-01-01",
"&end_date=2025-11-01&format=csv&limit=1000")
d <- read.csv(url)
d$mes <- as.integer(substr(d$indice_tiempo, 6, 7))
# Abril y mayo de 2020 vienen en cero: no son datos, y en un modelo
# multiplicativo un cero rompe la cuenta. Como en la entrada, se descartan.
d <- d[d$pernoctaciones_totales > 0, ]
y <- d$pernoctaciones_totales
# Tendencia: media móvil centrada 2×12
tendencia <- stats::filter(y, c(0.5, rep(1, 11), 0.5) / 12, sides = 2)
cociente <- y / tendencia
# Índices estacionales con la mediana de cada mes, normalizados a promedio 1
indices <- tapply(cociente, d$mes, median, na.rm = TRUE)
indices <- indices / mean(indices)
round(indices, 3)
#> 1,596 1,365 1,023 0,837 0,699 0,654 1,112 0,897 0,921 0,978 0,969 0,949
# Irregular: lo que queda
irregular <- y / (tendencia * indices[d$mes])
anio <- as.integer(substr(d$indice_tiempo, 1, 4))
round(sd(irregular[anio <= 2018], na.rm = TRUE), 3)
#> 0,047
# decompose() usa el promedio, no la mediana: con los ceros de 2020 adentro
s <- ts(read.csv(url)$pernoctaciones_totales, start = c(2007, 1), frequency = 12)
round(decompose(s, type = "multiplicative")$figure, 3)
#> 1,685 1,468 1,059 0,791 0,651 0,632 1,048 0,869 0,891 0,958 0,964 0,984
# Python — lo mismo, con pandas
import numpy as np
import pandas as pd
url = ("https://apis.datos.gob.ar/series/api/series/"
"?ids=457.1_PERNOCTACILES_0_M_22_51&start_date=2007-01-01"
"&end_date=2025-11-01&format=csv&limit=1000")
# Sin un User-Agent de navegador, el servidor responde 403
d = pd.read_csv(url, parse_dates=["indice_tiempo"],
storage_options={"User-Agent": "Mozilla/5.0"})
s = d.set_index("indice_tiempo")["pernoctaciones_totales"]
# Abril y mayo de 2020 vienen en cero: se descartan, como en la entrada
s = s[s > 0]
# Tendencia: media móvil centrada 2×12
pesos = np.r_[0.5, np.ones(11), 0.5] / 12
tendencia = s.rolling(13, center=True).apply(lambda x: x @ pesos, raw=True)
cociente = s / tendencia
# Índices estacionales con la mediana de cada mes, normalizados a promedio 1
indices = cociente.groupby(s.index.month).median()
indices = indices / indices.mean()
print(indices.round(3).tolist())
# [1.596, 1.365, 1.023, 0.837, 0.699, 0.654, 1.112, 0.897, 0.921, 0.978, 0.969, 0.949]
# Irregular: lo que queda
irregular = s / (tendencia * s.index.month.map(indices).to_numpy())
print(round(irregular[:"2018"].std(), 3))
# 0.047
# Con el promedio en lugar de la mediana, julio casi desaparece
promedio = cociente.groupby(s.index.month).mean()
print((promedio / promedio.mean()).round(3).tolist())
# [1.675, 1.459, 1.052, 0.833, 0.685, 0.628, 1.041, 0.862, 0.881, 0.948, 0.957, 0.979]Herramientas de este tema
Seguir leyendo
Bioestadística · El dato en contexto · 79 de 330
Estadística para Economía y Administración · El dato en contexto · 81 de 318
Probabilidad y Estadística · El dato en contexto · 73 de 302
Cómo citar: Montivero, J. L. (2026). Tendencia, ciclo, estacionalidad e irregular. estadistica.ar. https://estadistica.ar/conceptos/componentes-de-una-serie
estadistica.ar es gratuita y sin publicidad. Si te sirvió, podés invitar un cafecito por transferencia al alias mu3sigma. Asesoramiento estadístico, encuestas y capacitaciones: m3s.pro · WhatsApp +54 9 383 499-7929.
Cómo citar esta entrada
APA (7.ª edición)
Montivero, J. L. (2026). Tendencia, ciclo, estacionalidad e irregular. estadistica.ar. https://estadistica.ar/conceptos/componentes-de-una-serie
BibTeX
@misc{estadistica_ar_componentes_de_una_serie,
author = {Montivero, Jorge Luis},
title = {{Tendencia, ciclo, estacionalidad e irregular}},
year = {2026},
howpublished = {\url{https://estadistica.ar/conceptos/componentes-de-una-serie}},
note = {estadistica.ar. Consultado el \today},
urldate = {2026-11-11}
}Última actualización: 11 de noviembre de 2026. El contenido está bajo licencia CC BY-NC-SA 4.0: se puede reutilizar citando la fuente y sin fines comerciales.