AQU VA LA PORTADA ..

SERIES PARA TRABAJAR

SERIE 1 CARGADA EN GRETEL

GRAFICAS SERIE 1

COMO PUEDE VERSE LA SERIE DEBE SER

ESTACIONARIZADA

PRIMER MODELO ESTIMADO ARIMA (1,1,1)

CARACTERISTICAS
No tiene total significancia
No cumple el supuesto de normalidad ( p < 0.05)
Decisin : mejorar el modelo

SEGUNDO MODELO ESTIMADO ARIMA (2,1,1)

CARACTERISTICAS
Baja significancia
No cumple el supuesto de normalidad ( p < 0.05)
Decisin : mejorar el modelo

TERCER MODELO ESTIMADO ARIMA (3,1,1)

CARACTERISTICAS
Tiene significancia
Si cumple el supuesto de normalidad ( p =0.064>0.05)
Si cumple supuesto de homocedasticidad (contraste
ARCH p = 0.266>0.05)
Si cumple el supuesto de no correlacin
(p=0266>0.05)
Decisin : Consideralo predictivamente apto

Y= +1Xt-1+ 2Xt-2 + 3Xt-3-1ut-1

Y= 0.010065-0.806343Xt-1-0.156672Xt-2 -0.134329 Xt-3- 0710804 ut-1

PRUEBAS DE HIPOTESIS
H0 : Los errores no estn correlacionados
H1: Los errrores estn correlacionados
Como p= 0.2662 >0.05 aceptamos H0
Por lo tanto se cumple el supuesto de no
AUTOCORRELACION de errores.

H0 : Los errores se distribuyen normalmente

con media 0
H0 : Los errores NO se distribuyen normalmente
con media 0
Estadstico de contraste CHI-CUADRADO con valor
p =0.0645632
Como p=0.0650638> 0.05 aceptamos H0
Por lo tanto se cumple el supuesto de NORMALIDAD
EN LOS ERRORES

H0 : Los errores tienen varianza constante

H1: Los errrores NO tienen varianza constante
Aplicamos contraste de ARCH
Como p= 0.130349 >0.05 aceptamos H0
Por lo tanto se cumple el supuesto
HOMOCEDASTICIDAD

Como se cumplen estos tres supuestos entonces el

error es ruido blanco

GRAFICAS OBSERVADA Y ESTIMADA

PREDICCIONES PARA DOS PERIODOS

CALCULOS MANUALES

Y= 0.010065-0.806343Xt-1-0.156672Xt-2 -0.134329 Xt-3- 0710804 ut-1

Y(2012:06)= 0.010065-0.806343(4.181192)-0.156672(4.063885)
-0.134329

(4.101982)- 0710804 (0117742)

= 4.321659

SERIE 2

PRIMER MODELO ESTIMADO ARIMA (2,1,1,)

CARACTERISTICAS
Nive medio de significancia
No cumple el supuesto de normalidad ( p < 0.05)
Decisin : mejorar el modelo

SEGUNDO MODELO ESTIMADO ARIMA (2,1,2)

CARACTERISTICAS
Baja significancia
No cumple el supuesto de normalidad ( p < 0.05)
Decisin : mejorar el modelo

TERCER MODELO ESTIMADO ARIMA (3,2,0)

CARACTERISTICAS
Tiene significancia
Si cumple el supuesto de normalidad ( p =0.297>0.05)
Si cumple supuesto de homocedasticidad (contraste
ARCH p = 0.2904>0.05)
Si cumple supuesto de no correlacin p=0,1219>0.05
Decisin : Consideralo predictivamente apto

Y= +1Xt-1+ 2Xt-2 + 3Xt-3

SALIDA MODELO (3,2,0)

GRAFICA OBSERVADA

PREDICCIONES

CALCULOS MANUALES
Y= 0.010065-0.806343Xt-1-0.156672Xt-2 -0.134329 Xt-3- 0710804 ut-1
Y(2012:06)= 0.010065-0.806343(4.181192)-0.156672(4.063885)
-0.134329

(4.101982)- 0710804 (0117742)

= 4.32165

SERIE 3

GRAFICAS SERIE 3

PRIMER MODELO ESTIMADO ARIMA (2,1,0)

CARACTERISTICA
El modelo no cumple el supusto de normalidad de
errores
Estadstico Chi-cuadrado p=0.0189763<0.0
Decisin : Mejorar el modelo

SEGUNDO MODELO ESTIMADO ARIMA (2,1,0)

CARACTERISTICA
El modelo no cumple el supusto de normalidad de
errores
Estadstico Chi-cuadrado p=0.004<0.05
Decisin : Mejorar el modelo

TERCER MODELO ESTIMADO

CARACTERISTICAS
Tiene significancia
Si cumple el supuesto de normalidad ( p =0.379>0.05)
Si cumple supuesto de homocedasticidad (contraste
ARCH p = 0.0516>0.05)
Si cumple el supuesto de no correlacin (p >0.05)
Decisin : Consideralo predictivamente apto

Y= -0.250916Xt-1- 0.644582Xt-2 - 0.138572Xt-3- 0236746 Xt-4

PREDICCIONES

SERIE 4

GRAFICAS SERIE 4

PRIMER MODELO A ESTIMAR (2,1,0)

CARACTERISTICAS
Tiene significancia
Si cumple el supuesto de normalidad ( p =0.321>0.05)
Si cumple supuesto de homocedasticidad (contraste
ARCH p = 0.088>0.05)
Si cumple el supuesto de no correlacin (p >0.05)
Decisin : Consideralo predictivamente apto

SEGUNDO MODELO A ESTIMAR ARIMA (2,1,1)

CARACTERISTICAS
Tiene significancia
Si cumple el supuesto de normalidad ( p =0.379>0.05)
Si cumple supuesto de homocedasticidad (contraste
ARCH p = 0.0516>0.05)
Si cumple el supuesto de no correlacin (p >0.05)
Decisin : Consideralo predictivamente apto

TERCER MODELO A ESTIMAR ARIAM (3,1,1)

CARACTERISTICAS
Tiene total significancia
Si cumple el supuesto de normalidad ( p =0.39>0.05)
Si cumple supuesto de homocedasticidad (contraste
ARCH p = 0.069>0.05)
Si cumple el supuesto de no correlacin (p >0.05)
Decisin : Consideralo predictivamente apto

DECISION POR CRITERIO AKAIKE

PRIMER MODELO ARIMA
SEGUNDO MODELO ARIMA
TERCER MODELO ARIMA

Akaike = 180.973
Akaike = 159.088
Akaike = 157.023

DECISION :
Elegimos el tercer modelo ARIMA (3,1,1) por tener
menor valor AKAIKE.
Y= +1Xt-1+ 2Xt-2 + 3Xt-3-1ut-1
Y= 0.00174144+0.485046Xt-1 -0.152417Xt-2 +
0.125631Xt-3+ ut-1

PREDICCIONES

SERIE 5

PRIMER MODELO ESTIMADO ARIMA (3,2,1)

CARACTERISTICA
El modelo no cumple el supusto de normalidad de
errores
Estadstico Chi-cuadrado p=0.0048<0.05
Decisin : Mejorar el modelo

SEGUNDO MODELO ESTIMADO ARIMA (3,2,1)

CARACTERISTICA
El modelo no cumple el supusto de normalidad de
errores
Estadstico Chi-cuadrado p=0.0481<0.0
Decisin : Mejorar el modelo

TERCER MODELO ESTIMADO (3,2,0)

CARACTERISTICAS
Tiene significancia
Si cumple el supuesto de normalidad ( p =0.067>0.05)
Si cumple supuesto de homocedasticidad (contraste
ARCH p = 0.1155>0.05)
Si cumple el supuesto de no correlacin (p >0.05)
Decisin : Consideralo predictivamente apto

SERIE 6

GRAFICAS SERIE 6

PRIMER MODELO PARA ESTIMAR ARIMA

(1,2,1)

CARACTERISTICA
El modelo no cumple el supuesto de normalidad de
errores
Estadstico Chi-cuadrado p=0.0128<0.0
Decisin : Mejorar el modelo

SEGUNDO MODELO PARA ESTIMAR ARIMA

(1,2,1)

CARACTERISTICA
El modelo no cumple el supusto de normalidad de
errores
Estadstico Chi-cuadrado p<0.05 Decisin : Mejorar
el modelo

TERCER MODELO PARA ESTIMAR ARIMA

(2,2,0)

CARACTERISTICAS
Tiene significancia
Si cumple el supuesto de normalidad ( p =0.316>0.05)
Si cumple supuesto de homocedasticidad (contraste
ARCH p = 0.127>0.05)
Si cumple el supuesto de no correlacin (p >0.05)
Decisin : Consideralo predictivamente apto

Y= +1Xt-1+ 2Xt-2
Y= - 0.434337Xt-1-

0.625041

Xt-2

GRAFICAS OBSERVADA Y ESTIMADA

PROBLEMA 2

SERIES DESCARGADAS

SERIE INFLACION EN COLOMBIA 2.012

PRIMER MODELO ESTIMADO

SEGUNDO MODELO ESTIMADO

TERCER MODELO ESTIMADO ARIMA (1,2,2)

CARACTERISTICAS
Tiene significancia
Si cumple el supuesto de normalidad ( p =0.346>0.05)
Si cumple supuesto de homocedasticidad (contraste
ARCH p = 0.127>0.05)
Si cumple el supuesto de no correlacin (p >0.05)
Decisin : Consideralo predictivamente apto

Y= +1Xt-1 -1ut-1- 1ut-2

Y= 0.000145616- 0.669825Xt-1 +1.884237 ut-1
+ 1.000 ut-2
PREDICCION

Clculos manuales
Y(2013:01)= 0.000145616- 0.669825 (0.003908) +1.884237 (0.002446)+ + 1.000(0.001149)
= 115.023587

Y(2013:02)= 0.000145616- 0.669825 (0.000744) +1.884237 (0.3147)+ + 1.000(0.3562)

= 115.000687

Bibliografia :
Conceptos bsicos para entender series ARIMA.
Caso prctico de aplicacin de un modelo ARIMA.
AUTOR : P.H . Daiver Cardona Salgado U.A.O
Pronsticos en los Negocios
AUTOR : J. Holton Wilson
www.banrep.gov.co