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 1: Identificación del modelo (gráf. secuencial, fas y fap muestrales) 1872-1983 El gráfico de la izquierda muestra presencia de heterocedasticidad y tendencia. Germán Aneiros Pérez Comenzamos transformando la serie para tratar de estabilizar la variabilidad. Puesto que ésta aumenta con el nivel de la serie (quizás la desviación típica sea lineal en la media), le aplicamos a la producción de tabaco la función logaritmo neperiano. 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 ARIMA estacionales Producción transformada (ln) Germán Aneiros Pérez El gráfico de la izquierda muestra que: La varianza de la producción se ha estabilizado al aplicarle la función logaritmo neperiano. La serie transformada tiene tendencia. La diferenciación regular podría eliminar la tendencia. Series de Tiempo
Page 1: Modelos Box-Jenkins Series de Tiemp
Page 5 and 6: Modelos Box-Jenkins Series de Tiemp
Page 53 and 54:
Modelos Box-Jenkins Series de Tiemp
Page 55 and 56:
Page 57 and 58:
Page 59 and 60:
Page 61 and 62:
Page 63 and 64:
Page 65 and 66:
Page 67:
show all

Series de Tiempo

Create successful ePaper yourself

Delete template?

Save as template?