Series de Tiempo
Series de Tiempo
Series de Tiempo
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Mo<strong>de</strong>los Box-Jenkins<br />
<strong>Series</strong> <strong>de</strong><br />
<strong>Tiempo</strong><br />
Germán<br />
Aneiros Pérez<br />
Introducción<br />
Procesos<br />
ARMA:<br />
Definición e<br />
i<strong>de</strong>ntificación<br />
Procesos<br />
ARIMA:<br />
Definición e<br />
i<strong>de</strong>ntificación<br />
Estimación y<br />
diagnosis<br />
Selección <strong>de</strong>l<br />
mo<strong>de</strong>lo y<br />
predicción<br />
Aplicación a<br />
datos reales<br />
Procesos<br />
ARIMA<br />
estacionales<br />
TRANSFORMACIONES PARA ESTABILIZAR LA VARIANZA<br />
Transformaciones <strong>de</strong> Box-Cox<br />
La familia <strong>de</strong> transformaciones<br />
<strong>de</strong> Box-Cox se <strong>de</strong>fine como<br />
aquélla que transforma a x t en:<br />
⎧<br />
⎪⎨<br />
⎪⎩<br />
xt λ − 1<br />
, si λ ≠ 0<br />
λ<br />
ln(x t ), si λ = 0<br />
Germán Aneiros Pérez<br />
<strong>Series</strong> <strong>de</strong> <strong>Tiempo</strong><br />
Si la <strong>de</strong>sviación típica es<br />
una función potencial <strong>de</strong> la<br />
media (σ t = kµ t 1−λ ),<br />
entonces la transformación<br />
<strong>de</strong> Box-Cox con parámetro<br />
λ consigue estabilizar la<br />
varianza.<br />
Un situación muy usual es<br />
aquélla en que σ t = kµ t .<br />
En este caso λ = 0 y la<br />
aplicación <strong>de</strong>l logaritmo<br />
neperiano estabiliza la<br />
varianza.