1

Alipio Ordoez M.
Lima - PERU
ali1fom@Yahoo.com
alorme@uni.edu.pe








2
















INTRODUCCION
Los modelos ARIMA(p,d,q), son
apropiados para series de tiempo NO
ESTACIONARIAS; es decir cuando la
serie de tiempo tiene todas o alguna
de sus componentes no estacionarias.
Tradicionalmente se considera en
muchos casos la No Estacionariedad, en:
VARIANCIA : ( = ?..),
MEDIA : ( d= ? ..)








3
















Estructura General ARIMA
Los valores de d, y deben ser
identificados en la siguiente estructura
general:

Y para ello debe iniciarse el proceso
exploratorio del;
Grfico de la serie y en el
Correlograma respectivo.
t t
d
B Z B c u |

) ( ) ( = A








4
Anlisis Exploratorio
de una serie no Estacionaria
















Grfico de la Serie

- Original, con 1ra. dif., y con 2da.dif.
- Transformada, con 1ra. dif., y con 2da. dif.

Correlograma de la Serie
- Original, con 1ra. Dif. Y con 2da. Dif.
- Transformada, con 1ra. Dif., y con 2da. Dif.

NOTA:Dentro de cada clase de modelos
El valor de d se elige cuando la varianza es minima,
y el valor de -1<<1, cuando la varianza es estable.








5
No Estacionariedad en Variancia
















Se produce cuando la variancia cambia con
el tiempo. Ejm. si la variancia es proporcional
al nivel medio de la serie. Var(Z
t
) = h
2
(
t
)o
2
.
La funcin h es conocida y se busca de forma
que la funcin g estabiliza la variancia.Esto
es




Y en general pertenecen a la familia de la
transformacin de BOX and COX


) (
1
) (
t
t
h
g

=
'
) ln( 0 ,
1
) (
t
t
t
z
z
z g =

6
NO ESTACIONARIEDAD EN MEDIA
Caracterizado por una variacin en el:
Nivel medio de la Serie,y
En la pendiente o tendencia de la Serie
Para este tipo de no estacionariedad es
necesario un diferenciamiento regular en la
serie( d=1,2), y esto se logra aplicando los
operadores:
AZ
t
=(1-B)Z
t
=Z
t
-Z
t-1
. A
2
Z
t
=(1-B)
2
Z
t
=Z
t
-2Z
t-1
+Z
t-2

o en general A
d
Z
t
=(1-B)
d
Z
t
.








7
Identificacin del valor de d
1 d=1 Si hay tramos con nivel medio
distintos, pero con pendiente constante
2 d=2 Si hay tramos con nivel medio y
pendientes diferentes,
3 d tambien puede verificarse en la
estimacin si cumple la condicin de
estacionariedad.
4 Un sobrediferenciamiento producir una
raz prxima a 1 en las medias mviles.
Adicionalmente el correlograma tambin
revelara un decaimiento lento.








8
Exportaciones de Petroleo
Una serie no estacionaria...?
0
20
40
60
80
100
93 94 95 96 97 98 99 00 01 02 03








9
Correlograma de una ST
NO Estacionaria
















La inspeccin grfica y numerica de las
funciones de autocorrelacin(ACF), son muy
utiles para determinar la no estacionariedad
de una serie de tiempo.

Si las ACF (
j
), Decaen Rapidamente a 0, a lo
ms solo loss primeros tres desfaces = 0, La
serie de tiempo es ESTACIONARIA.
Si las ACF, decaen lentamente hacia 0(existen
ms de los primeros tres desfaces = 0 , La serie
de tiempo es NO ESTACIONARIA








10
Correlograma de Exportaciones
de Petroleo 1992-2003








11
Grafico-Serie con 1ra.Dif.
-40
-20
0
20
40
93 94 95 96 97 98 99 00 01 02 03
E
x
p
o
r
t
a
c
i
o
n
e
s

d
e

P
e
t
r
o
l
e
o

(
M
i
l
l
.
$
)








12
Correlograma Serie con d=1








13
Dispersin Rango VS MEDIA
Rango =0.821Media; r=0.818
0
10
20
30
40
10 20 30 40
R
A
N
G
O
MEDIA








14
1.5
2.0
2.5
3.0
3.5
4.0
4.5
93 94 95 96 97 98 99 00 01 02 03
LOG Exportaciones de Petroleo








15
Correlograma Log petroleo








16
LOG Exportaciones, d=1
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
93 94 95 96 97 98 99 00 01 02 03








17
Correlograma Log petroleo, d=1








18
Estructuras de Series
No Estacionarias
















La estructura de los modelos ARIMA(p,d,q), son
determinados en la inspeccin grfica y numerica
del correlograma de la serie Diferenciada y/o
Transformada, que fue necesaria para arribar a
una serie estacionaria.
A.- AUTOREGRESIVA -ARI(p,d) .-

(1-B)
d
Z
t

= W
t
.
W
t
=u
0
+ |
10
W
t-1
+ |
2
W
t-2
+........+ |
p
W
t-p
+ c
t


Donde el valor p es el numero de los primeros pocos
rezagos diferentes de 0, en las FACP. De W
t
.








19
Estructuras de Series
No Estacionarias...cont1..
















B.- MEDIAS MOVILES-IMA(d,q).-
(1-B)
d
Z
t

= W
t
.
W
t
=u
0
+ c
t
-u
1
c
t-1
-u
2
c
t-2
-........- u
q
c
t-q
,
El valor de q se determina como el numero de los primeros
pocos rezagos diferentes de 0, en las FAC, de W
t
.

C.-AUTOREGRESIVA DE MEDIAS MOVILES- ARIMA(p,d,q)
(1-B)
d
Z
t

= W
t
.
W
t
=u
0
+|
1
W
t-1
+....+|
p
W
t-p
+c
t
-u
1
c
t-1
-.....-u
q
c
t-q
,

Los valores dep y q son ubicados en puntos criticos a
partir de los cuales existe un decaimiento hacia 0 sin
importar su comportamiento anterior.








20
Caractersticas de la Serie
Exportaciones de Petroleo)
















En cuanto al nivel medio la serie, es distinto
de 0,pues fluctua encima del valor de 0, sin
llegar a tomar valores negativos
Existe una intensaTendencia creciente, tal vez
con cambios en la pendiente
Las componentes de tendencia, y la constante
media aparentemente se multiplican,
La variancia parece incrementarse atravs del
tiempo, tomando valores cada vez ms grandes.

En resumen la serie exportaciones de petroleo
tiene las caracteristicas de una serie de tiempo no
Estacionaria, en Media y en Variancia.









21

Estimacin del modelo ARI(4,1)
















22

Diagnstico del modelo ARI(4,1)










23

Los pronsticos con el modelo ARI(4,1)
son obtenidos por uso del modelo,

AZ
t
=-0.865A Z
t-1
-0.514A Z
t-2
- 0.293A Z
t-3
-0.191A Z
t-4
.

Y la ecuacin final para los pronosticos a usarse es;

Z
t
=0.135Z
t-1
+0.351Z
t-2
+0.221Z
t-3
+0.102 Z
t-4
-0.191Z
t-5
.

Pronstico del modelo ARI(4,1)








24

Pronstico con ARI(4,1)
ORIGINAL DINAMICO ESTATICO








25

Estimacin del modelo IMA(1,1)








26
Correlograma del residual IMA(1,1)








27

Estructura Pronostico-MA(1)
Desde el cuadro de estimacin la
ecuacion para pronosticos a ser usado es;
AZ
t
=0.2354 + 0.76c
t-1
+ c
t

o equivalentemente;

Z
t
= 0.2354 + Z
t-1
+ 0.76

c
t-1
Asi el pronostico para 2003:01 es;
Z
03:01
= 0.2354+ Z
02:12
+0.76
02:12
= 42.89
c
t-








28

Pronsticos con IMA(1,1)

















29

Estimacin del modelo ARIMA(4,1,1)








30

Estimacin del modelo ARIMA(4,1,1)








31

Estimacin del modelo ARIMA(4,1,1)








32

Estimacin del modelo ARIMA(1,1,1)








33
Correlograma del residual ARIMA(1,1,1)








34
Estructura de Pronosticos del
proceso ARIMA(1,1)
La ecuacin de pronsticos se formula
desde el cuadro de estimacin;

AZ
t
=0.2342-0.253AZ
t-1
+0.646c
t-1


luego la ecuacin de pronstico es;

Z
t
=0.2354+0.747Z
t-1
+0.253Z
t-2
+0.646c
t-1








35

Pronsticos del ARIMA(1,1,1)

















36

Seleccin del mejor modelo
La evaluacin del mejor modelo se
realizara en la etapa de pronsticos
mediante el error de pronsticos:




Este calculo se realiza sobre la muestra
reserva exclusivamente para realizar los
pronsticos.

H
Z Z
h e
H
h
t t
t

=

=
1
2
)

(
) (








37
Seleccin del mejor modelo
Modelo Dinamico Estatico
ARI(4,1)
IMA(1,1)
ARIMA(1,1,1)
21.741
21.769
21.384
21.242
19.596
21.062
LOGARITMO
ARI(4,1)
IMA(1,1)
ARIMA(1,1,1)
21.43
21.661
21.357
19.859
19.589
19.774