PRESENTACION DE LA SERIE 21

IDENTIFICACION DEL MODELO

GRAFICA 1 - RESIDUOS vs TIEMPO

GRAFICA 1-2 CORRELOGRAMA

De acuerdo al grfico observado se propone un modelo ARIMA (2.0, 2)

CUYA forma paramtrica ser :

Yt = et + 0+ 1yt-1 +2yt-2 + 1ut-1+

2ut-1
ESTIMACIN DEL MODELO
SALIDA GRETEL

COMENTARIO : El modelo es invertible porque hay una raz de valor

absoluto es mayor que 1

El modelo ya lo podemos escribir as :

Yt = 16.078+ 1.999 yt-1 -0.999 yt-2 + -1.47474ut1+ 0.5048ut-2

DIAGNOSTICO DEL MODELO

SUPUESTO DE NO AUTOCORRELACION
H0 : Los residuos no estn autocorrelacionados
H1 : Los residuos estn autocorrelacionados

Teniendo un valor p de 5 % no hay suficiente evidencia para

rechazar H0 y concluimos que no hay autocorrelacin en los residuos.

SUPUESTO DE HOMOCEDASTICIDAD O VARIANZAS

CONSTANTES

H0 : Los residuos son homocedsticos

H1 : Los residuos NO son homocedsticos

Utilizamos el contraste ARCH de orden 1

Teniendo un =0.01 y un p=0.76

siendo el valor p (chi-cuadrado = 0.76742) >>

No tenemos suficientes argumentos para rechazar

H0 y debemos concluir que los residuos son
homocedsticos.

SUPUESTO DE NORMALIDAD DE RESIDUOS

H0 : Los residuos se distribuyen normalmente con

media 0
H1 : Los residuos NO se distribuyen normalmente con
media 0

UTILIZAMOS EL ESTADISTICO CHI-CUADRADO

De acuerdo al valor Chi cuadrado siendo este valor mayor

que 0.01 no tenemos argumentos para rechazar H0
debiendo aceptar la hiptesis nula que establece que los
residuos se distribuyen normalmente con media de cero.
Los residuos constituirn ruido blanco normal.

PREDICCIONES

PRESENTACION DE LA SERIE 23

IDENTIFICACION DEL MODELO

GRAFICA 1 - RESIDUOS vs TIEMPO

GRAFICA 1-2 CORRELOGRAMA

De acuerdo al grfico observado se propone

un modelo ARIMA (0.0, 2) CUYA forma
paramtrica ser :

Yt = et + 1ut-1+ 2ut-2

ESTIMACIN DEL MODELO

SALIDA GRETEL

COMENTARIO : El modelo es invertible porque hay una raz

de valor absoluto es mayor que 1 .El modelo ya lo
podemos escribir as

Yt = 0.9974 + + 0.4993ut-1+ 0.208753 8ut-2

DIAGNOSTICO DEL MODELO

SUPUESTO DE NO AUTOCORRELACION

H0 : Los residuos no estn autocorrelacionados

H1 : Los residuos estn autocorrelacionados

Teniendo un valor p de 5 % no hay suficiente

evidencia para rechazar H0 y concluimos que
no hay autocorrelacin en los residuos.

SUPUESTO DE HOMOCEDASTICIDAD O
VARIANZAS CONSTANTES

H0 : Los residuos son homocedsticos

H1 : Los residuos NO son homocedsticos
Utilizamos el contraste ARCH de orden 1

Teniendo un =0.01 y un p=0.76

siendo el valor p (chi-cuadrado = 0.642377)
>>
No tenemos suficientes argumentos para
rechazar H0 y debemos concluir que los
residuos son homocedsticos.

SUPUESTO DE NORMALIDAD DE RESIDUOS

H0 : Los residuos se distribuyen normalmente
con media 0
H1 : Los residuos NO se distribuyen normalmente
con media 0

UTILIZAMOS EL ESTADISTICO CHI-CUADRADO

De acuerdo al valor Chi cuadrado siendo este valor mayor que 0.01
no tenemos argumentos para rechazar H0 debiendo aceptar la
hiptesis nula que establece que los residuos se distribuyen
normalmente con media de cero. Los residuos constituirn ruido
blanco normal.

PREDICCIONES