Proyecto Final: Series de Tiempo

1.Disear una tabla en dnde se resuman criterios para identificar modelos

(), (), (, ), (, , ) utilizando el correlograma: FAC y FACP

FAC FACP
AR (p) La funcin decrece rpido hacia La funcin de auto correlacin
0. parcial se anula para retardos
El correlograma, representacin superiores a uno.
grfica de la funcin de auto
correlacin, tendr un
comportamiento amortiguado
hacia cero con todos los valores
positivos
MA (q) El modelo "olvida" la correlacin La funcin de auto correlacin
con perodos distintos al parcial no se anula, pero tendr
inmediatamente anterior y el un comportamiento
correlograma slo tendr q amortiguado hacia cero.
punto significativo.

ARMA (p, q) La funcin de auto correlacin es La funcin de auto correlacin es

infinita decreciendo rpidamente infinita decreciendo rpidamente
hacia cero. hacia cero.
Tendr q-p+1 valores iniciales
distintos de 0 y a continuacin un
Tendr q-p+1 valores iniciales
decrecimiento exponencial distintos de 0 y a continuacin un
decrecimiento
ARIMA (p, d, q) Comportamiento irregular en los Decrece aproximadamente con
retardos(1,..,q) con q picos. exponenciales atenuados y ondas
Decrecimiento para retardos sinusoidales.
posteriores a q.
 1. Ejemplificar con 2 series simuladas los casos que se resumen en la tabla.

AR(1) X(t)= .5X(t-1)+W(t)

AR(2) X(t)= .7X(t-1)-.4(t-2)+W(t)

 MA(1) X(t)= .8w(t-1)+W(t)

MA(2) X(t)= .7w(t-1)-.4w(t-2)+W(t)

ARMA(1,1) X(t)= .5X(t-1)-.2w(t-1)+W(t)

ARMA(1,2) X(t)= .3X(t-1)-.1w(t-1)+.2w(t-2)+W(t)

ARIMA(2,2,2) X(t)=0.1X(t-1)+0.3X(t-2)-0.4w(t-1)+0.2342w(t-2)+W(t)
 Series x
Series x

1.0
1.0
100

0.8
0.8

0.6
0.6
0

Partial ACF
x

ACF

0.4
0.4
-100

0.2

0.2
0.0
-200

0.0
-0.2
0 50 100 150

-0.2
0 5 10 15 20
Time
Lag 5 10 15 20

Lag

ARIMA(1,2,2) X(t)=0.875X(t-1)-0.1w(t-1)+2w(t-2)+W(t)

Series x

1.0
0

0.8
-5000

0.6
-10000

Partial ACF
x

0.4
-15000

0.2
-20000

0.0
-0.2

0 50 100 150

Time 5 10 15 20

Lag