Universidad Nacional Abierta y a Distancia

Materia: Estadística III.

Actividad: Evidencia de Aprendizaje. Unidad 3.

Estudiante: María Isabel Muñoz Chacón

 Estadística 3

Unidad 3

Evidencia de la unidad 3: Ajuste de modelos ARIMA

1.- Describe un modelo ARIMA

Permite describir un valor como función lineal de datos anteriores y errores debidos
al azar, puede incluir un componente cíclico o estacional. Es decir, debe contener
todos los elementos necesarios para describir el fenómeno. Box y Jenkins
recomiendan como mínimo 50 observaciones en la serie temporal

2.-Describe la metodología Box-Jenkins en los modelos ARIMA

Se resume en 4 fases

Primera fase: identifican el posible modelo ARIMA que sigue la serie, lo que requiere

* Decidir qué transformaciones aplicar para convertir la serie observada en una serie
estacionaria

* Determinar un modelo ARMA para la serie estacionaria, es decir, los ordenes p y q de su

estructura autorregresiva y de media móvil.

Segunda fase seleccionado provisionalmente un modelo para la serie estacionaria se pasa a

la segunda etapa de estimación, donde los parámetros AR y MA del modelo se estiman por
máxima verosimilitud y se obtienen errores y los residuos del modelo

Tercera fase es el diagnostico donde se comprueban los residuos no tienen estructura de

dependencia y siguen un proceso de ruido blanco. Si los residuos muestran estructura se
modifica el modelo para incorporarla y se repiten las etapas anteriores hasta obtener un
modelo adecuado.

Cuarta fase es la predicción, una vez que se ha obtenido un modelo adecuado se realizan
predicciones con el mismo.

3.- Para cada una de las siguientes aplicaciones sobre los modelos ARIMA,
completa las tablas:

3.1 Modelo sobre el pronóstico del PIB en México usando modelos ARIMA
https://drive.google.com/file/d/1ykUEWRng84PHYEMDRUM7iIMLn6boua8p/view?
usp=sharing

Resumen del artículo Se busca un pronóstico del Producto

(En 3 líneas) Interno Bruto trimestral y es elaborado por
el INEGI

Propósito de las series de tiempo con el El pronostico del modelo ARIMA solo obtuvo
modelo ARIMA una diferencia del 5 %, entonces las series de
tiempo obtenidas pronostican eficientemente el
PIB trimestral de Mexico

3.2 Utilización de modelos ARIMA para la vigilancia de enfermedades

transmisibles

https://drive.google.com/file/d/1-CjUKvGI-W-2-3yf-ojVRf8K1xHphbQu/view?
usp=sharing

Resumen del artículo Aplicación del modelo ARIMA en el

(En 3 líneas) comportamiento de enfermedades
transmisibles y poder actuar
oportunamente en Cuba

Propósito de las series de tiempo con el Resulta muy útil para elaborar modelos que
modelo ARIMA describan adecuadamente el comportamiento
de las enfermedades transmisibles, para
garantizar la obtención de predicciones validad
y oportunas que les permita a las autoridades
sanitaria estar preparadas ante cualquier
eventualidad.

J. Miranda. (2017). autocorrelación todo Econometría. 01/02/2020, de

https://todoeconometria.wordpress.com/2017/08/08/autocorrelacion/ Sitio