Ir al contenido
σestadistica.ar

estadistica.ar · Enciclopedia de Estadística en españolhttps://estadistica.ar/conceptos/medias-moviles

M04 · Índices y seriesIntermedioProcedimiento

Medias móviles

El suavizado más simple y más usado: cómo se elige la ventana, por qué se centra y qué pasa en los extremos de la serie.

Por Jorge Luis Montivero, Licenciado en Estadística · Mu3Sigma

1 · Qué hace

Reemplaza cada valor por el promedio de los valores vecinos, para atenuar las fluctuaciones de corto plazo y dejar ver la tendencia.

MMt=1k∑i=−mmYt+ik=2m+1MM_t = \frac{1}{k}\sum_{i=-m}^{m} Y_{t+i} \qquad k = 2m + 1

La fórmula es para una ventana impar, de mm valores a cada lado del central. Las ventanas pares necesitan un paso más, que se explica en la sección 3.

Medias móviles: la ventana, los costos y lo que fabrican · video, 3:57

Cuánto suaviza, en la serie de pernoctaciones de 2007 a 2019: el coeficiente de variación pasa de 0,261 en la serie original a 0,045 en la media móvil de doce meses. Casi seis veces menos dispersión, sin haber tocado un solo dato.

2 · Cómo se elige la ventana

ObjetivoVentana
Eliminar la estacionalidad de datos mensuales12
Ídem, trimestrales4
Suavizar ruido diario7
Ver tendencia de largo plazo24, 36

No es una recomendación estética. Midiendo cuánta estacionalidad queda después de suavizar —la razón entre el mayor y el menor de los promedios de cada mes calendario, sobre la serie suavizada, con las ventanas pares centradas como 2×k—:

VentanaEstacionalidad remanente
Serie original2,403
3 meses1,828
6 meses1,317
12 meses1,006
13 meses1,074
24 meses1,007

3 · El problema de las ventanas pares

Con kk impar el promedio se ubica naturalmente en el período central.

Con kk par —como 12— el centro cae entre dos meses, y hay que centrar con un segundo promedio:

MM2×12MM_{2\times 12}

que es una media móvil de 2 términos aplicada sobre la de 12. El resultado es un promedio de trece valores con pesos desiguales:

PosiciónPeso
Los dos extremos1/24 = 0,04167
Los once centrales1/12 = 0,08333
Suma1,00000
-0.3 M 1.5 M 3.3 M 5.1 M 6.9 M 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 Serie original Media móvil 12 Desestacionalizada
La media móvil de 12 meses elimina la estacionalidad y deja ver la tendencia; la serie desestacionalizada conserva el detalle mensual.Pernoctaciones en hoteles y parahoteles, 2007-2025.Fuente: EOH, INDEC. Elaboración propia.

4 · Sus dos costos

Se pierden datos en los extremos. Una media móvil centrada de 12 meses no da valores para los primeros y últimos 6 meses.

No se lleva bien con los faltantes. Un solo mes faltante deja sin valor toda la ventana que lo contiene: con la de 12, un hueco de dos meses, como el de abril y mayo de 2020 en las pernoctaciones, borra más de un año de la media móvil. Calcular con los meses que haya —lo que hace min_periods en pandas— no es una solución neutral: si falta un mes de temporada alta, el promedio cae sin que haya pasado nada.

Atrasa las señales. Una media móvil retrospectiva de kk períodos se atrasa aproximadamente (k−1)/2(k-1)/2 períodos respecto de la serie.

En las pernoctaciones prepandemiaPico de la curva
Media móvil centrada 2×12junio de 2019
Media móvil retrospectiva de 12diciembre de 2019

Seis meses de diferencia, contra los 5,5 que predice la fórmula —con datos mensuales el pico solo puede caer en un mes entero—, y ningún dato distinto: la misma serie, la misma ventana, solo cambia dónde se apoya el promedio.

5 · Lo que la media móvil fabrica

Suavizar no es gratis: inventa autocorrelación donde no había.

Cinco mil valores de ruido blanco —independientes por construcción— y su media móvil de 12:

SerieCorrelación con su rezago de 1
Ruido blanco original0,010
Su media móvil de 120,922
−3 0 3 0 50 100 150 Ruido blanco (gris) r₁ = 0,017 Su media móvil de 12 r₁ = 0,916 Dos promedios seguidos comparten 11 de sus 12 sumandos: la correlación la pone el promedio.
El ruido es independiente por construcción; su media móvil de 12 parece una serie con ciclos y tiene una autocorrelación de 0,92.Fuente: Simulación propia: 5.000 valores de ruido blanco normal. Se muestran 150.

6 · Las variantes

TipoIdea
Simpletodos los períodos pesan igual
Ponderadapesos desiguales (ver abajo)
Mediana móvilla mediana de la ventana; resiste atípicos
Exponencialpesos que decaen geométricamente; usa toda la historia
Centradael promedio se ubica en el medio; para análisis
Retrospectivasolo usa el pasado; para pronóstico y control

En una media ponderada, los pesos decrecen hacia los extremos si es centrada, como la 2×12 o la de Henderson; en el análisis financiero, en cambio, decrecen hacia el pasado.

La exponencial merece un párrafo aparte porque da un valor para el último dato disponible. No resuelve el problema de los extremos: lo cambia por otro. Como es retrospectiva, tiene atraso, el mismo que una media retrospectiva comparable.

St=αYt+(1−α)St−1S_t = \alpha Y_t + (1-\alpha) S_{t-1}

El parámetro α\alpha controla la memoria: cerca de 1 sigue casi exactamente a la serie, cerca de 0 la aplana. La equivalencia habitual con una ventana de kk períodos es α=2/(k+1)\alpha = 2/(k+1), y sale de igualar los atrasos promedio de las dos: (k−1)/2(k-1)/2 en la media retrospectiva y (1−α)/α(1-\alpha)/\alpha en la exponencial. Una exponencial comparable a una media móvil de 12 usa α=0,154\alpha = 0{,}154 y se atrasa lo mismo, 5,5 meses. Cómo se usa para pronosticar, y sus extensiones con tendencia y estacionalidad, está en suavizamiento exponencial.

7 · Dónde se usa

  • Desestacionalizar: es el primer paso del método clásico.
  • Acumular el último año: la suma móvil de 12 meses.
  • Estimar la tendencia en la descomposición.
  • Suavizar indicadores diarios —casos, contagios, ventas—.
  • Análisis técnico financiero, con sus cruces de medias.
  • Control de procesos, con las cartas de medias móviles.

8 · Errores frecuentes

  • No centrar con ventanas pares.
  • Elegir la ventana arbitrariamente. Para estacionalidad tiene que ser el período del ciclo o un múltiplo.
  • Usar los valores de los extremos de una media centrada.
  • Interpretar el atraso como si fuera la señal.
  • Usar medias centradas en tiempo real, lo que incorpora información futura.
  • Correlacionar o regresionar series suavizadas, que fabrica asociación.
  • Suavizar demasiado y perder la información que se buscaba.
  • Creer que center=True resuelve una ventana par. Hace falta la 2×12.
  • Calcular la media con los meses que haya cuando falta alguno, y leer como cambio lo que es un hueco.

9 · En el software

# R — centrada con ventana impar
mm13 <- stats::filter(s, rep(1/13, 13), sides = 2)

# Con ventana par, la 2x12: la única bien centrada para series mensuales
# (con rep(1/12, 12) y sides = 2 el resultado queda medio mes corrido)
mm2x12 <- stats::filter(s, c(0.5, rep(1, 11), 0.5) / 12, sides = 2)

# Retrospectiva
library(zoo)
rollmean(s, 12, align = "right", fill = NA)

# Control: los pesos de la 2x12 tienen que sumar 1
sum(c(0.5, rep(1, 11), 0.5) / 12)
# Python
s.rolling(13, center=True).mean()                 # centrada, ventana impar
s.rolling(12).mean().rolling(2).mean().shift(-6)  # la 2x12 centrada
# ojo: s.rolling(12, center=True) no es la 2x12 y queda medio mes corrido
s.rolling(12).mean()                              # retrospectiva
s.rolling(12).sum()                               # suma móvil de 12 meses
s.rolling(7, center=True).median()                # mediana móvil
s.ewm(span=12).mean()                             # exponencial, alfa = 2/13
Excel:  =PROMEDIO(B2:B13) en C13 y arrastrar: retrospectiva de 12
        =(SUMA(B2:B14)-(B2+B14)/2)/12 en C8 y arrastrar: la 2x12 centrada
        Datos › Análisis de datos › Media móvil también es retrospectiva
SPSS:   Transformar › Crear serie temporal, función Media móvil centrada
        o Media móvil anterior (retrospectiva)

Herramientas de este tema

Seguir leyendo

Cómo citar: Montivero, J. L. (2026). Medias móviles. estadistica.ar. https://estadistica.ar/conceptos/medias-moviles

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). Medias móviles. estadistica.ar. https://estadistica.ar/conceptos/medias-moviles

BibTeX

@misc{estadistica_ar_medias_moviles,
  author       = {Montivero, Jorge Luis},
  title        = {{Medias móviles}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/medias-moviles}},
  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.