MOOC

TÉCNICAS DE ANÁLISIS DE DATOS Y

BIG DATA
Tema 3. Técnicas Econométricas
(Modelización y Predicción)
FÓRMULAS DEL VÍDEO “SERIES TEMPORALES”

Fórmula 1 . Una serie temporal puede descomponerse de forma aditiva

como:

y t  t t  s t  ct   t

t t  Tendencia
st  estacionalidad
ct  Componente
cíclico
 t  error

Fórmula 2. Si se han tomado logaritmos a la serie, la descomposición de la

variable original será de tipo multiplicativo, es decir
Fórmula 3. Un modelo de tendencia lineal seria (cuando la misma crece o
decrece)

Fórmula 4. Un modelo de tendencia cuadrático

Fórmula 5. Una forma determinista de captar la estacionalidad consiste en

definir variables dummies correspondientes a Enero (S1), Febrero (S2),….,
hasta Diciembre (S12) (toman el valor 1 en el mes correspondiente y 0 en
el resto)

Fórmula 6. Si la serie mensual del nº de pasajeros (en logaritmos) le

ajustamos un modelo de tendencia cuadrática y una estacionalidad
determinista mensual

Fórmula 7. La transformación que elimina la tendencia (o lo que es lo

mismo, induce estacionariedad en media) es la diferenciación. Tomar una
diferencia regular consiste en calcular la diferencia entre cada dato (por
ejemplo, mensual) y el anterior. Siempre se pierde el primer dato de la
serie
Fórmula 8. Una forma de desestacionalizar la serie es tomar una
diferencia estacional. Es decir, calcular la diferencia entre el valor de la
serie en un mes de un año respecto al dato de ese mismo mes, pero del
año anterior

Fórmula 9. Al final, hay que tomar todas las transformaciones que

induzcan estacionariedad, es decir, el logaritmo (para que la varianza sea
constante), la diferencia regular ( para eliminar la tendencia) y la
diferencia estacional (para eliminar la componente estacional)

Fórmula 10. Para estudiar la estructura de autocorrelación se utiliza como

medida la función de autocorrelación simple

k cov( zt , zt  k )
 ( zt , zt  k )  
 ( zt ) *  ( zt  k )  ( zt ) *  ( zt  k )
y cuál es la función de autocorrelación simple para procesos
estacionarios  cov( zt , zt  k )
 ( zt , zt  k )  k 
0  2 ( zt )