El coeficiente rkk para un retardo k suele interpretarse como la estimación del

coeficiente de autocorrelación simple rk para ese mismo retardo, pero con la

eliminación del efecto producido por las autocorrelaciones para retardos menores que k.
En otras palabras, el coeficiente de autocorrelación parcial no considera las
correlaciones acumuladas hasta el retardo k. Una prueba típica de independencia de la
serie, obtenida a partir de los coeficientes r k, es la de Box-Pierce (Box y Pierce, 1970),
que se obtiene con el siguiente estadístico:

que asintóticamente tiene una distribución ji-cuadrada con m grados de libertad, por lo
que se rechaza la independencia de la serie si Q(m) > X 21−α En este caso m < n, es la
longitud máxima de retardo considerada para calcular la autocorrelación, usualmente m
< 25. Si se aplica esta prueba a los datos del ejemplo 9.4, con m = 24, se obtiene que el
estadístico Q(m) = 282.9¸ que le corresponde un valor-p = 0.0000; por lo que se rechaza
con mucha fuerza la hipótesis de independencia de la serie de la concentración del
proceso químico. De esta manera no es apropiado analizar el control de tal proceso con
base en una carta de control tradicional que supone independencia de los datos.

donde εi son independientes y tienen una distribución normal con media cero y
desviación estándar σ. De esta manera en la práctica el control estadístico del proceso se
traduce en asegurar que εi, estimados por los residuos ei, efectivamente siguen una
distribución normal(0,σ).
Modelos ARIMA
Una de las familias de modelos más usuales para describir datos autocorrelacionados
son los autoregresivos o AR.

donde α y θ1, los parámetros del modelo son constantes desconocidas que es necesario
estimar de los propios datos; y los εi son independientes y tienen una distribución
normal con media cero y desviación estándar σ; a los errores ε i también se les llama
“ruido blanco”.
La generalización de lo anterior, el modelo autorregresivo de orden p, AR(p), está dado
por:

Los modelos de medias móviles; el de orden q, MA(q), está dado por:

 donde β y los γi son los parámetros del modelo que es necesario estimar a partir de los
datos; y los errores εi, con i = 1, 2,…, usualmente se supone que tienen distribución
normal con media cero y desviación estándar σ. Note que en el caso de los modelos MA
la relación entre la observación actual xi y las anteriores xi-k se establece a través de los
errores anteriores εi-k.
Ciertos tipos de autocorrelación o no estacionariedad de la serie se puede corregir
tomando las diferencias sucesivas entre los valores de la serie, por ejemplo, la primera y
segunda diferencia, están dadas, respectivamente, por:

El modelo de medias móviles de primer orden aplicada a las primeras diferencias, cuya
forma es la siguiente:

Criterios básicos para decidir el modelo ARIMA

Modelo FAC (función de autocorrelación simple) FACP (función de autocorrelación parcial)

AR(p) Coeficientes diferentes de cero con decaimiento Sólo las primeras p autocorrelaciones
exponencial o sinoidal hasta converger a cero. parciales son distintas de cero.
MA(p) Sólo las primeras q autocorrelaciones simples son Las autocorrelaciones parciales convergen a
distintas de cero. cero.

ARMA(p,q) Comportamiento irregular de las primeras q Sucesión que converge a cero.

autocorrelaciones, y después convergen a cero.
Obtención de la carta de control para los residuos del modelo ARIMA
Para obtener la carta ARIMA para los residuos lo primero que se debe decidir es el
modelo que describe la autocorrelación de los datos del proceso.
Se tiene que el modelo AR (2) para los datos del ejemplo 9.4 está dado por:

Con el modelo ajustado se calculan los

residuos, con la expresión,

En la tabla 9.5 se muestra una parte de éstos para las primeras 15

observaciones. En caso de un modelo AR (2) el primer residuo1 que se puede calcular
es la de la medición 3, ya que con base en las primeras dos observaciones se estima
puntualmente que la tercera estará dada por:

Así se esperaba (estimaba) que la tercera observación fuera igual a 16.86, pero fue 16.3,
por lo que el residuo es igual a −0.56. La carta ARIMA para procesos con
autocorrelación consiste en llevar una gráfica de control tradicional para los residuos.
La línea central de esta carta será igual a cero (la media de los residuos), y los límites 0
± 3σei, hay dos formas de obtener esta desviación estándar, de forma similar a como se
hace en las cartas de control de medias y de individuales.