Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Grupo 1
Modelo ARIMA(p,d,q)
CONSUMO
Realizamos la prueba gráfica, el correlograma y los test de Dickey Fuller aumentado y
Phillips y perron para conocer si la serie de tiempo en estudio es un proceso estocástico
estacionario.
Eviews
Observamos que varios de los bastones azules sobrepasan en su las rayas limitantes, por
tanto, se puede decir que ese proceso estocástico no es estacionario.
t-Statistic Prob.*
Observando los valores p en ambos test, nos damos cuenta que son superior al valor de
alfa el cual es 0.05, por tanto tenemos suficiente evidencia estadística para no rechazar la
hipótesis nula, por tanto la hipótesis alternativa.
2. PRIMERAS DIFERENCIAS
Observamos que los bastones azules no sobrepasan las rayas, por tanto, se puede decir
que ese proceso estocástico es estacionario.
t-Statistic Prob.*
Observando los valores p en ambos test, nos damos cuenta que son inferior al
valor de alfa el cual es 0.05, por tanto tenemos suficiente evidencia estadística
para rechazar la hipótesis nula y aceptar, por tanto la hipótesis alternativa.
3. Modelo ARIMA
Aplicamos un modelo arima, obteniendo los MA y los AR a partir de la metodología de BOX Jenkins
a través del correlograma y correlograma parcial.
Sacando aquellos rezagos que ni son significativos nos queda el modelo arima de la siguiente
forma:
Y 66=β 0 + β 2 yt −3 + β 2 y t −7 + α 1 e t−3
4. PRONOSTICO
Aplicamos entonces test para determinar si los residuales se distribuyen como ruido
blanco
a. Correlación serial
Evaluamos la correlación seria con el Durbin Watson, para el modelo tiene un valor de
2.007785 es un valor que está cercano a 2 por tanto podríamos afirmar que no hay
problemas de correlación serial.
b. Histograma y Test de Jarque-Bera
c. Test de heterocedasticidad
Para conocer si tienen una varianza constante, podemos aplicar el test de ARCH y el test
de WHITE
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 09/26/18 Time: 16:53
Sample (adjusted): 10 65
Included observations: 56 after adjustments
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 09/26/18 Time: 16:54
Sample: 9 65
Included observations: 57
a. Prueba gráfica
90000
80000
70000
C
60000
50000
1.00 0.50
Autocorrelations of c
-0.50 0.00
-1.00
0 10 20 30
Lag
Bartlett's formula for MA(q) 95% confidence bands
Nos damos cuenta que varios alfileres se salen de la zona gris, por tanto podemos decir que no
se trata de un proceso estocástico estacionario.
PRIMERAS DIFERENCIAS
a. prueba gráfica
2500
2000
1500
dc
1000
500
0
b.Correlograma
0.40 0.20
Autocorrelations of dc
-0.20 0.00
-0.40
0 10 20 30
Lag
Bartlett's formula for MA(q) 95% confidence bands
Analizando el correlograma nos damos cuenta que son solos dos aquellos alfileres que sa salen
de la zona gris por tanto podemos decir que la serie es estocástica.
c. Test de raíces unitarias (Dickey Fuller aumentado y Phillips-Perron)
H0= La serie de tiempo no es estacionaria
Ha= La serie de tiempo es estacionaria
Observando los valores p en ambos test, nos damos cuenta que son inferior al
valor de alfa el cual es 0.05, por tanto tenemos suficiente evidencia estadística
para rechazar la hipótesis nula y aceptar, por tanto la hipótesis alternativa.
3. Modelo ARIMA
Aplicamos un modelo arima, obteniendo los MA y los AR a partir de la metodología de BOX Jenkins
a través del correlograma y correlograma parcial.
Y 66 =β 0 + β 1 y t −2+ β2 y t −3 + β 2 y t−7 +α 1 e t −2 + α 2 et −3
4. PRONOSTICAR
Podemos pronosticar entonces que para el siguiente periodo, es decir el número 66 en
nuestra serie de tiempo, el consumo será de 89294.2719
, pues tendrá una variación 998.2719
5. Test para verificar el comportamiento de los residuales (Ruido blanco)
Debido a que la probabilidad mayor que beta es mayor que nuestro valor alfa, no
rechazamos la hipótesis nula, por tanto los residuales se distribuyen como ruido blanco.
Además los puntos se encuentran cercanos a la línea, por tanto se puede decir a través del
periodograma que los residuales se distribuyen como ruido blanco.
Por ser la probabilidad mayor que el valor alfa de 0.05, no rechazamos la hipótesis nula,
por tanto los residuales se distribuyen como ruido blanco.
DEMANDA AGREGADA
t-Statistic Prob.*
La gráfica cumple con las características de los procesos estocásticos estacionarios, cíclicos, una
misma amplitud y rondan en un valor.por tanto podemos decir que ahora la serie es estocástica
estacionaria.
b. Correlograma
Algunos rectángulos rebasan el límite pero la mayoría se mantiene dentro de ellos por tanto
decimos que se trata de un pee.
c. Test de raíces unitarias (Dickey Fuller aumentado y Phillips-Perron)
H0= La serie de tiempo no es estacionaria
Ha= La serie de tiempo es estacionaria
t-Statistic Prob.*
Los valores p de ambos test son inferiores al valor alfa de 0.05 por tanto aceptamos la hipótesis alternativa, es
decir el proceso es estocástico estacionario.
3. modelo arima
Aplicamos un modelo arima, obteniendo los MA y los AR a partir de la metodología de BOX Jenkins
a través del correlograma y correlograma parcial.
4. Pronostico
Aplicamos entonces test para determinar si los residuales se distribuyen como ruido
blanco
a. Correlación serial
Evaluamos la correlación seria con el Durbin Watson, para el modelo tiene un valor de
1.97 es un valor que está cercano a 2 por tanto podríamos afirmar que no hay problemas
de correlación serial.
b. Histograma y Test de Jarque-Bera
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 09/26/18 Time: 17:41
Sample (adjusted): 20 65
Included observations: 46 after adjustments
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 09/26/18 Time: 17:42
Sample: 19 65
Included observations: 47
Collinear test regressors dropped from specification
Debido a que ninguno de los rectángulos se sale del límite podemos decir que según el
correlograma q los residuales se distribuyen como ruido blanco.
En stata
1. proceso estocástico estacionario
a. Prueba gráfica
120000 140000180000
160000
DA
100000
80000
0 10 20 30
Lag
Bartlett's formula for MA(q) 95% confidence bands
Los alfileres se salen en su mayoría d ela zona gris , por tanto no se trata de un
proceso estocástico estacionario.
c. Test de Dickey Fuller aumentado y Phliips-perron
Nos damos cuenta que el valor p es mayor que el valor alfa, por tanto no rechazamos la
hipótesis nula, es decir la serie de tiempo no se trata de un proceso estocástico estacionario.
2. primeras diferencias
a. prueba gráfica
6000
4000
2000
dda
0
-2000
-4000
La gráfica oscila a un valor, es cíclica y tiene una amplitud similar en todos sus
tramos por eso decimos que es un proceso estocástico estacionario.
b. Correlograma
0.40 0.20
Autocorrelations of dda
-0.20 0.00
-0.40
0 10 20 30
Lag
Bartlett's formula for MA(q) 95% confidence bands
Solo uno de los alfileres se sale de la zona gris, permaneciendo la mayoría en ella,
por tanto decimos que se trata de un pee
c. Test de Dickey Fuller aumentado y Phillips y Perron
h0= proceso estocástico no estacionario
h1= proceso estocástico estacionario
Nos damos cuenta que el valor p es menos que el valor alfa, por tanto aceptamos la hipótesis
alternativa, es decir la serie de tiempo se trata de un proceso estocástico estacionario.
3. Modelo ARIMA
Aplicamos un modelo arima, obteniendo los MA y los AR a partir de la metodología de BOX Jenkins
a través del correlograma y correlograma parcial.
Y 66 =β 0 + β 1 y t −4 + β 2 y t−19+ α 1 e t−4
Y 66=β 0 +α 1 et −4
4. Pronóstico
5. Test
Por ser la probabilidad mayor que el valor alfa de 0.05, no rechazamos la hipótesis nula,
por tanto los residuales se distribuyen como ruido blanco.
EXPORTACIONES
eviews
1. Proceso estocástico estacionario
a. Prueba gráfica
La gráfica es ascendente, decimos que no es un pee
b.correlograma
t-Statistic Prob.*
Los valores p son mayor que el valor alfa por tanto decimos que no es un proceso
estocástico estacionario al no rechazar la hipótesis nula.
2. Primeras diferencias
a. prueba gráfica
La gráfica presenta un comportamiento cílico, ronda a un valor y tiene una misma amplitud en
todos los tramos por tanto se trata de un pee
B correlograma
Los rectángulos no se salen en su mayoría de los límites por tanto decimos que se
trata de un proceso estocástico estacionario.
c. test de Dickey Fuller aumentado y Phillips perron
h0= proceco estocástico no estacionario
h1= proceso estocástico estacionario
t-Statistic Prob.*
3. MODELO ARIMA
Aplicamos un modelo arima, obteniendo los MA y los AR a partir de la metodología de BOX Jenkins
a través del correlograma y correlograma parcial.
Dependent Variable: DX
Method: Least Squares
Date: 09/26/18 Time: 17:58
Sample (adjusted): 7 65
Included observations: 59 after adjustments
Convergence achieved after 10 iterations
MA Backcast: 2 6
Dependent Variable: DX
Method: Least Squares
Date: 09/26/18 Time: 17:59
Sample (adjusted): 3 65
Included observations: 63 after adjustments
Convergence achieved after 7 iterations
MA Backcast: -2 2
4. Pronóstico
Aplicamos entonces test para determinar si los residuales se distribuyen como ruido
blanco
a. Correlación serial
Evaluamos la correlación seria con el Durbin Watson, para el modelo tiene un valor de
1.98 es un valor que está cercano a 2 por tanto podríamos afirmar que no hay problemas
de correlación serial.
b. Histograma y Test de Jarque-Bera
c. Test de heterocedasticidad
Para conocer si tienen una varianza constante, podemos aplicar el test de ARCH y el test
de WHITE
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 09/26/18 Time: 18:02
Sample (adjusted): 4 65
Included observations: 62 after adjustments
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 09/26/18 Time: 18:03
Sample: 3 65
Included observations: 63
STATA
1. procesos estocásticos estacionarios
a. Prueba gráfica
25000
20000
X
15000
10000
0 10 20 30
Lag
Bartlett's formula for MA(q) 95% confidence bands
Los valores p son mayor al alfa por tanto no rechazamos la hipótesis nula es decir
no se trata de un pee
2. primeras diferencias
a. prueba gráfica
4000
2000
dx
0 -2000
-4000
La gráfica es cíclica, ronda en un valor y tiene la misma amplitud por tanto se trata
de un pee
b. correlograma
0.40 0.20
Autocorrelations of dx
-0.20 0.00
-0.40
0 10 20 30
Lag
Bartlett's formula for MA(q) 95% confidence bands
ha= pee
Por ser los valores menor al alfa aceptamos la hipótesis alternativa es decir se trata
de un pee
3. modelo ARIMA
Aplicamos un modelo arima, obteniendo los MA y los AR a partir de la metodología de BOX Jenkins
a través del correlograma y correlograma parcial.
4. pronóstico
Podemos decir que se distribuye como ruido blanco por ser los puntos cercanos a
la línea en el test de barlet y por ser mayor que el alfa en el alor p del test
portmanteau