Estadística III

Unidad 3. Números Reales y Funciones

Unidad 3. Números reales y funciones

Actividad 2. Reporte de modelos

Alumno: Adrián Toledano Sánchez

Matricula: ES1921013601
Grupo: MT-MEST3-2201-B1-001
Asignatura: Estadística 3
Profr. Marco Antonio Olvera Villa
Licenciatura: Matemáticas
Estadística III
Unidad 3. Números Reales y Funciones

14 de marzo de 2022
Actividad 2: Presentación de datos y un modelo

1. ¿De qué manera se usan las transformaciones de datos para llevarlos a la

estaconariedad?

Muchas series temporales no pueden cnsiderarse generadas por procesos estocásticos

estacionarios, es decir, son series no estacionarias, porque presentan ciertas tendencias claras
en su evolución temporal, pues su dispersión no es constante, son estacionales o por varias
combinaciones de estos motivos.

A pesar de ello, muchas series temporales no estacionarias se pueden transformar de forma

adecuadad para obtener series de aspecto estacioanrio que pueden ser utilizadas como punto
de partida para elaborar en la practica modelos ARMA(p,q).

Para convertir una serie no estacionaria en otra estacionaria, suelen emplearse en la practica
dos tipos de trasnformaciones:

- Un primer tipo consiste en estabilizar su dispersión, es decir, introducir estacionariedad

en la varianza (transformación Box-COX).

- Un segundo tipo para estabilzar su nivel, esto es, para eliminar su tendencia o para
inducir estacionariedad en media.

2. Describe la metodología para estabilizar la varianza.

Sean (Yt) un proceso estocástico no estacionario tal que

μt =E[Yt] y σ2t=Var [Yt]
existen y dependen de t ( por lo que no son constantes. Si
σ2t= σ2 x h(μt)2.
Donde σ2>0 es una constante y h(.) es una función real tal que h(.) ≠ 0 para cualquier función
real g(.) tal que
g’(.)=1/h(.) para cualquier valor de μt.
Estadística III
Unidad 3. Números Reales y Funciones
Una aproximación de Taylor de primer orden (lineal) a Y’t = g(Yt) alrededor de μt indica que
Y’t≈g(μt)+g’(μt)(Yt- μt); por tanto, Var[Y’t]≈g’(μt)σ2t -σ2g’(μt)2, que es igual a σ2 (constante cuando
g(.) satisface g’(.)=1/h(.). en consecuencia, el propósito de una transformación que satisface
g’(.)=1/h(.) es estabilizar la varianza de un proceso no estacionario (Yt) cuya dispersión local
depende de su nivel local de acuerdo a σ2t= σ2 x h(μt)2.

En conclusión, basta con diferenciar una vez nuestra serie temporal, en este punto es
importante señalar que es necesario contrastar el orden de integración de la serie, el cual
indica el número de veces que la serie tiene que ser diferenciado para ser estacionaria

Fuentes consultadas
Barrendero, José. (2016). Análisis básico de series temporales con R [web].
https://rpubs.com/joser/SeriesTemporalesBasicas
Alonso, A. M. (s. f.). Introducción al Análisis de Series Temporales Cálculo de Tendencias y
Estacionalidad.
http://halweb.uc3m.es/esp/Personal/personas/amalonso/esp/seriestemporales.pdf
Duck2. (s. f.). Series estacionarias: Por qué son importantes para trabajar con modelos;
https://estrategiastrading.com/series-estacionarias/
Mauricio, J. A. (2007). Introducción al Análisis de Series Temporales [PDF]. Madrid, Universidad
Complutense de Madrid.
Molina, P., Angulló, Ó. (2018). Funciones de Autocovarianzas y Autocorrelaciones [web].
https://rpubs.com/PatriciaMolina/378266
Ortega, J. (s.f.). Capítulo 4. Procesos ARMA [PDF].
http://personal.cimat.mx:8181/~jortega/MaterialDidactico/ST2013/STClase4-5.pdf

Santana, A., Nieves, C. (2016). Objetos en R: Series temporales [web]. https://estadistica-

dma.ulpgc.es/cursoR4ULPGC/14-seriesTemporales.html#window()