Series de Tiempo

More documents

Recommendations

Info

Modelos Box-Jenkins Series de Tiempo Germán Aneiros Pérez Introducción Procesos ARMA: Definición e identificación Procesos ARIMA: Definición e identificación Estimación y diagnosis Selección del modelo y predicción Aplicación a datos reales Procesos ARIMA estacionales: Introducción La clase de procesos ARIMA que acabamos de estudiar: Captura no estacionariedades provocadas por la presencia de tendencia (incluso no determinista). No captura no estacionariedades provocadas por la presencia de componente estacional. A continuación, ampliaremos la clase de procesos ARIMA estudiada, de modo que la nueva clase sea capaz de modelizar no estacionariedades provocadas tanto por la presencia de tendencia (determinista o estocástica) como por la presencia de componente estacional (determinista o estocástica). Procesos ARIMA estacionales Germán Aneiros Pérez Series de Tiempo
Modelos Box-Jenkins Series de Tiempo Germán Aneiros Pérez Introducción Procesos ARMA: Definición e identificación Procesos ARIMA: Definición e identificación Estimación y diagnosis Selección del modelo y predicción Aplicación a datos reales Procesos ARMA estacionales: Introducción En la construcción de los procesos ARIMA ya estudiados jugaban un papel fundamental los procesos ARMA. Recuérdese que: {X t } t es ARIMA(p,d,q) ⇔ (1 − B) d X t es ARMA(p,q). Del mismo modo, necesitaremos de los procesos ARMA estacionales para construir la nueva clase de procesos ARIMA estacionales. Procesos ARIMA estacionales Germán Aneiros Pérez Series de Tiempo
Page 1 and 2: Modelos Box-Jenkins Series de Tiemp
Page 11: Modelos Box-Jenkins Series de Tiemp
Page 63 and 64:
Modelos Box-Jenkins Series de Tiemp
Page 65 and 66:
Page 67:
show all

Series de Tiempo

Create successful ePaper yourself

Delete template?

Save as template?