Evaluación 1-Series de tiempo-UCM

JMZN
15 de Abril de 2024

Nombre:

Pregunta 1(10 ptos)

Considere la serie temporal autoregresiva de primer orden (AR(1)) definida por
la ecuación:

zt = azt−1 + εt
donde a es una constante con |a| < 1 y εt es un proceso de ruido blanco con
media cero y varianza σε2 . Asuma que la serie es estacionaria.

a) Calcule la esperanza matemática E[zt ] de la serie.

b) Determine la varianza Var(zt ) de la serie.

Pregunta 2(15 PTOS)

Considere la serie temporal Xt definida por la siguiente ecuación:

Xt = 0.5Xt−1 + ϵt
donde ϵt es un proceso de ruido blanco con media cero y varianza σϵ2 = 1.
Suponga que la serie es estacionaria.

a) Calcule la esperanza matemática E[Xt ] de la serie Xt .

b) Determine la varianza Var(Xt ) de la serie.

c) ¿La serie Xt es estacionaria en el sentido débil?.

1
Pregunta 3 (15 PTOS)
Los datos siguientes representan las ventas anuales de la empresa D & M
Electrónica, medidas en miles de órdenes de compra durante los últimos 12
años. Se solicita realizar un análisis de suavizado de las ventas utilizando me-
dias móviles y pronosticar las futuras ventas.

Año Ventas Orden 3 Orden 5 Orden 7

1 12
2 16
3 20
4 34
5 23
6 19
7 20
8 35
9 11
10 19
11 24
12 36
1. Utilice medias móviles para suavizar las series de ventas de los últimos 12
años con órdenes de 3, 5 y 7. Presente los resultados en una tabla que
incluya los años y los valores suavizados correspondientes para cada orden
de media móvil.
2. Basándose en las series suavizadas que calculó en el ı́tem anterior, pronos-
tique las ventas para el año 13.

Pregunta 4 (Verdadero o Falso)(10 PTOS)

Determine si son verdaderas o falsas. Rellene el espacio proporcionado con V
(Verdadero) o F (Falso)
1. La descomposición de una serie temporal siempre incluye un compo-
nente de estacionalidad.
2. Usar medias móviles puede ayudar a suavizar las fluctuaciones aleato-
rias en los datos.
3. Una serie temporal estacionaria presenta una media y varianza con-
stante a lo largo del tiempo.
4. Eliminar una tendencia en una serie temporal la convierte automáticamente
en estacionaria.
5. El suavizamiento exponencial puede ayudar a predecir la tendencia
futura de una serie temporal.