Guia de Ejercicios Resueltos y Propuestos
Short Description
modelo arima...
Description
UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN
FACULTAD DE CIENCIAS ESCUELA PROFESIONAL DE MATEMATICA
MODELO MODELO ARIMA ARIMA (p, d, q) (P, D, Q)s
•
JULIO HUAYTA
•
JUAN CHOQUE
MODELO ARIMA El modelo ARIMA permite describir un valor como una función lineal de datos anteriores errores debidos al azar, además, puede incluir un componente cíclico o estacional. Es decir, debe contener todos los elementos necesarios para describir el fenómeno. !o" #en$ins recomiendan como mínimo %& o'seraciones en la serie temporal.
MODELO ARIMA La metodología de Box y Jenkins se resume en cuatro fases:
La primera fase consiste en identi*car el posi'le modelo ARIMA que siue la serie, lo que requiere! "ecidir qu# transformaciones aplicar para convertir la serie observada en una serie estacionaria. "eterminar un modelo ARMA para la serie estacionaria, es decir, los órdenes p $ q de su estructura autorreresiva $ de media móvil.
La segunda fase + eleccionado proisionalmente un modelo para la serie estacionaria, se pasa a la seunda etapa de estimación, donde los parámetros AR $ MA del modelo se estiman por má%ima verosimilitud $ se obtienen sus errores estándar $ los residuos del modelo.
MODELO ARIMA La tercera fase es el dia-nostico , donde se comprueba que los residuos no tienen estructura de dependencia $ siuen un proceso de ruido blanco. &i los residuos muestran estructura se modi'ca el modelo para incorporarla $ se repiten las etapas anteriores (asta obtener un modelo adecuado. La cuarta fase es la predicción, una vez que se (a obtenido un modelo adecuado se realizan predicciones con el mismo.
MODELO ARIMA (p, d, q) )n modelo ARIMA*+, d, + es una serie temporal que se convierte en ruido blanco *proceso puramente aleatorio despu#s de ser diferenciada d veces. El modelo *+, d, + se e%presa mediante! El modelo eneral ARIMA*p, d, q denominado proceso autorreresivo interado de medias móviles de orden p, d, q, toma la e%presión!
MODELO ARIMA (p, d, q) )n modelo ARIMA*p, d, q permite describir una serie de observaciones despu#s de que (a$an sido diferenciadas d veces, a 'n de e%traer las posibles fuentes de no estacionariedad. Esta fórmula se puede aplicar a cualquier modelo. &i (a$ aluna componente p, d, q, iual a cero, se elimina el t#rmino correspondiente de la fórmula eneral. -os modelos cíclicos o estacionales son aquellos que se caracterizan por oscilaciones cíclicas, tambi#n denominadas variaciones estacionales. -as variaciones cíclicas a veces se superponen a una tendencia secular.
MODELO ARIMA (p, d, q) -as series con tendencia secular $ variaciones cíclicas pueden representarse mediante los modelos ARIMA(p, d, q)(P, D, Q) . El primer par#ntesis (p, d, q) se re'ere a la tendencia
secular o parte re-ular de la serie $ el seundo par#ntesis (P, D, Q) se re'ere a las ariaciones estacionales, o parte c.clica de la serie temporal.
MODELO ARIMA (p, d, q) En este sentido, se aduntan alunas e%presiones del modelo!
Ejemplo de ARIMA )n analista de empleo estudia las tendencias del empleo en tres sectores industriales durante cinco a/os *0+ meses. El analista realiza un ARIMA para austar un modelo para la industria del comercio. 1. Abra los datos de muestra. 2. Elia Estadísticas 3 &eries de tiempo 3 ARIMA. 4. En &erie, inrese 5omercio. 6. En Autorreresivo, en 7o estacional, inrese 1. 8. 9aa clic en :rá'cas $, a continuación, seleccione A5; de residuos. 0. 9aa clic en Aceptar.
Interpretar los resultados El t#rmino de promedio móvil tiene un valor p que es menor que el nivel de sini'cancia de +.+8. El analista conclu$e que el coe'ciente del t#rmino de promedio móvil es estadísticamente diferente de + $ mantiene el t#rmino en el modelo. o% son ma$ores que +.+8 $ ninuna de las correlaciones correspondientes a la función de autocorrelación de los residuos es sini'cativa. El analista conclu$e que el modelo satisface el supuesto de que los residuos son independientes.
TendenciasEmpleo.MTW
/RA0IA
View more...
Comments