Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Inicio
Serie temporal
(datos)
Identificación
Es estacionaria en media? No Transformar la serie
Es estacionaria en varianza?
Si
Determinación de d, ƛ
Análisis de los No
Construcción delos
correlogramas? correlogramas
Si
Determinación de p, q
Estimación
Estimación de los
parámetros del modelos
Chequeo
Prueba de los No
coeficientes
No
Prueba de omisión de
oarametros
Prueba de estabilidad No
No
¿Es el modelo adecuado?
Predicción
Evaluación de la No
Obtención de las predicción : ¿predice el
predicciones modelo de forma
satisfactoria?
Fin
Estimación: Chequeo: Predicción:
Calculo de Predicción
erminar estimadores
De Coeficientes
puntual
con Máxima De Residuos
p, q Verosimilitud De Estabilidad
Predicción
Interválica
TRANSFORMADA DE BOX COX
𝒚𝝀𝒕 − 𝟏
λ 𝑝𝑎𝑟𝑎 λ ≠ 0
𝑌 = λ
ln 𝑦𝑡 𝑝𝑎𝑟𝑎 λ = 0
0
-1 -0.5 0.5 1
Asi el Modelo Arima la variable Y tiene un exponente:
ARIMA(p,d,q): 𝜙𝑝 𝐿 1 − 𝐿 𝑑 𝑌 λ = 𝛿 + 𝜃𝑞 (𝐿)𝒰𝑡
Metodo Rango - Media
(Pag 158,159)
𝑚𝑒𝑑𝑖𝑎 𝑑𝑒 𝑋1
𝑋1
𝑟𝑎𝑛𝑔𝑜1 = max-min λ=0
𝑚𝑒𝑑𝑖𝑎 𝑑𝑒 𝑋2
𝑋2 𝑟𝑎𝑛𝑔𝑜2 = max-min
λ=1
𝑚𝑒𝑑𝑖𝑎 𝑑𝑒 𝑋3
𝑋3 𝑟𝑎𝑛𝑔𝑜3 = max-min
𝑚𝑒𝑑𝑖𝑎 𝑑𝑒 𝑋4
𝑋4 𝑟𝑎𝑛𝑔𝑜4 = max-min
DETERMINACION DE LABDA
λ=1
λ=0
70
60
50
40
RANGO
30
20
10
0
60 80 100 120 140 160 180 200
MEDIA
DETERMINACION DE “d”
Tomando la ultima tranformacion aplicando el operador de retardos:
𝑑𝑑𝑦𝑡 = 𝑑𝑦𝑡 − 𝑑𝑦𝑡−1 = 𝑑𝑦𝑡 − 𝑑𝑦𝑡 *L=(1-L)* 𝑑𝑦𝑡 (1)
𝑑𝑦𝑡 = 𝑦𝑡 − 𝑦𝑡−1 = 𝑦𝑡 − 𝑦𝑡 *L=(1-L)* 𝑦𝑡 (2)
Remplazando (2) en (1) se tiene:
𝑑𝑑𝑦𝑡 =(1-L)* 𝑑𝑦𝑡 = 1 − 𝐿 ∗ 1 ∗ 𝐿 ∗ 𝑦𝑡 = (1 − 𝑙)2 ∗ 𝑦𝑡
Usando el correlograma:
ARIMA(p,d,q): 𝜙𝑝 𝐿 1 − 𝐿 𝑑 𝑌 λ = 𝛿 + 𝜃𝑞 (𝐿)𝒰𝑡
2
𝜙12 𝐿 1 − 𝐿 ∗ ddy = 𝛿 + 𝜃11 (𝐿)𝒰𝑡
stimaci Chequeo:
Predicción:
Estimación: De
ónDeter Calculo de Coeficientes Predicción
minar p, estimadores
De Residuos
puntual
con Máxima
q Verosimilitud De
Predicción
Interválica
Estabilidad
Estimación
ESTIMACION DEL MODELO IDENTIFICADO
• De los coeficientes:
– Significatividad de coeficientes estimados
– Cálculo: Correlaciones entre coeficientes
– Cálculo: Estacionariedad e invertibilidad
– Análisis de Multicolinealidad
– Análisis de No autocorrelación
– Análisis de Heteroscedasticidad
– Prueba Conjunta del modelo
• De los residuos
– Media cero
– Varianza constante
– Incorreción
• Ruido Blanco
• Estadistico Box-Pierce
• Estadistico Ljung-Box
– Normalidad
• Asimetría
• Curtosis
• LM de Jarque Bera
• Sobreajuste
– Prueba de Wald
– Variables omitidas
– Variables redundantes
– Modelo Eficiente
• De Estabilidad
– Prueba de CHOW
– Prueba del 10%
CHEQUEO DE LOS COEFICIENTES
P < 0.05
P < 0.05
𝐻1
𝐻0 : 𝛽1 = 𝛽2 = 𝛽3 = 𝛽4
P < 0.05
𝐻0 : 𝛽1 ≠ 𝛽2 ≠ 𝛽3 ≠ 𝛽4 𝐻0
CHEQUEO DE LOS COEFICIENTES
Análisis de No Autocorrelación
.
1.584 1.8177 2.416
Análisis de Multicolinealidad
CHEQUEO DE LOS RESIDUOS
Media cero
Asimetría
Kurtosis
LM de Jarque-Bera
Ruido Blanco
Varianza constante
Tendencia
Box-Pierce Ljung-Box
𝑀 𝑀
𝑄=𝑇∗ 𝑟𝑗2 (𝑢) ∗
𝑄 = 𝑇(𝑇 + 2) ∗ (𝑇 − 𝑗)𝑟𝑗2 (𝑢)
𝑗=1 𝑗=1
n=46 𝑟2
CHEQUEO DE LA ESTABILIDAD
Prueba de Chow