Documentos de Académico
Documentos de Profesional
Documentos de Cultura
𝑦𝑡 = 10 + 0.5𝑦𝑡−1
proceso generador
de datos
prp
Modelos ARMA (p,q)
Supuesto: estacionariedad.
Ruido blanco : la serie no sea un ruido blanco es una serie aleatoria que es estacionaria.
FAC FACP
𝑦𝑡 Es estacionario
𝑦𝑡 I(0)
AR(1) 𝑦𝑇 = 𝛽0 + 𝛽1 𝑦𝑡−1 + 𝑒𝑡
Si 𝑦𝑇 es estacionario
E(𝑦𝑇 ) = 𝛽0 + 𝛽1 𝐸(𝑦𝑡−1 )
𝛽0
E(𝑦𝑇 ) =
1+𝛽1
Una serie que no es estacionaria puede ser cero su valor a largo plazo.
AR(1): 𝑦𝑇 = 𝛽0 + 𝛽1 𝑦𝑡−1 + 𝑒𝑡
Correlograma
𝑦𝑡−1 E(𝑦𝑇 ) = 0
𝑦𝑡 = 1
𝑦𝑡+𝑛 = 10 + 0.5
𝒚𝒕 𝑒𝑡 = 1
𝒚𝒕+𝟏 10.5
𝒚𝒕+𝟐 15.25
𝒚𝒕+𝟑 17.625
𝒚𝒕+𝒏 20
Llega a este valor por q es el valor a Largo
plazo (estado estacionario)
Que pasa si 𝑦𝑡 = 1
𝑦𝑡+2 = 10 + 0.5(19.5) =
t y
0 1
2 -0.5
3 0.25
4 -0.1275
0
Llega a su estado estacionario
Dado y: x
Cov(x.y)
Cov(x.y) = 𝑟𝑥𝑦 =
√𝑉𝑎𝑟(𝑥)𝑉𝑎𝑟(𝑦)
Tiene que ver con 4el comportamiento parcial de los datos en una parte de la
correlación parcial.
FACT
Rkk = rk
𝑟𝑘−∑𝑘−1
𝑖=1 𝑟(𝑘−𝑖)
𝑟𝑘𝑘 = Para S>1
1−∑𝑘−1
𝑖=1 𝑟(𝑘−𝑖)
𝑟𝑘 − ∑𝑘−1
𝑗=1 𝑟(𝑘−1,𝑗).𝑟𝑘−𝑗
𝑟𝑘𝑘 =
1 − ∑𝑘−1
𝐽=1 𝑟(𝑘−1,𝑗) . 𝑟𝑗
Encontrando la esperanza :
E(𝑦𝑇 ) =∝0
𝑉𝑎𝑟(𝑦𝑡 ) = E⌊𝑦𝑡 − 𝐸(𝑦𝑡 )⌋2
= E⌊𝑒12 ⌋ +∝12 𝜎 2
Proceso Ma características
Ma(∞) = Ar(1)
Correlograma
ARMA
Modelo Ar(2)
Variable
PREDICCION
AUTOCORRELACION hay una relacion entre periodos
AR(1)
AR(2)
AUTODORRELACION Ar(1,2,3,4,5)
D aumentado