Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Facultad de Matemáticas
Departamento de Estadı́stica
En esta ayudantı́a se presentan algunos algoritmos para remover la tendencia y/o estacionalidad. Impleménte-
los en gas6677.dat que contiene datos mensuales del consumo de gas en España entre enero de 1966 y agosto
de 1977 y en el dataset AirP assenger que cuenta con el total mensual de pasajeros de una aérolinea de
EEUU, entre 1949 y 960. Finalmente compare los resultados.
1. Algoritmo de Brockwell y David Con base en la serie Y1 , ..., YT , primero se estima la tendencia
con una media móvil diseñada para eliminar la componente estacional y disminuir el ruido aleatorio.
Segundo, se estima Ŝk para cada k = 1, 2, ..., s. Es decir, se estima el patrón estacional promediando
los valores de Yt − T̂t para todos los t que corresponden a la estación de k (son los t = sbt/sc + k). Con
q = bs/2c se define
Xb
Yk+sj − T̂k+sj
(1) j=a
Ŝk = ,
b−a+2
T −q−k
donde a = b q−k
s c+1 y b=b s c.
Tercero se coloca
s
(1) 1 X (1)
Ŝk = Ŝk − Ŝk , k = 1, 2, ..., s,
q
k=1
Ps
para garantizar k=1 Ŝk = 0 que es una condición equivalente a eliminar la última estación. Final-
mente, se repite el patrón obtenido el número de veces necesario para formas Ŝt , t = 1, ..., T .
seascomp = function(x,p){
#----------algoritmo Brockwell-Davis
n <- length(x)
q <- floor(p/2)
a <- rep(1,2*q+1)
if(q==p/2){
a[2*q+1] <- 0.5
a[1] <- 0.5
a <- a/p
m <- stats::filter(x,a,"conv",2,F,NULL)
}
2. Cálculo de EMWA (función de medias móviles ponderadas exponenciales) con la función f ilter. El
cual es de la siguiente forma:
Xt = αYt α(1 − α)Yt−1 + α(1 − α)2 Yt−2 + ... + α(1 − α)m Yt−m ,
Luego en R:
m=floor(1/a-1)
w=a*(1-a)^seq(0,m,1)
x=filter(y,w,"conv",1,T,NULL)
ˆt = β0 + β1 t + τt
Las constantes α, β y γ se escogen de tal manera que se minimice el MSE (error cuadrático medio).