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 />
Contrastes <strong>de</strong> media cero y<br />
normalidad<br />
µ a = 0:<br />
p − valor = 0.9145<br />
Normalidad:<br />
Jarque-Bera:<br />
p − valor = 9.39e − 07<br />
Shapiro-Wilk:<br />
p − valor = 0.002283<br />
Conclusión: Un mo<strong>de</strong>lo<br />
ARIMA(0,1,1) con constante e<br />
innovaciones no gaussianas<br />
resulta a<strong>de</strong>cuado como<br />
generador <strong>de</strong> la serie <strong>de</strong> la<br />
producción <strong>de</strong> tabaco<br />
(transformada a través <strong>de</strong> la<br />
función logaritmo neperiano).<br />
Procesos<br />
ARIMA<br />
estacionales<br />
Germán Aneiros Pérez<br />
<strong>Series</strong> <strong>de</strong> <strong>Tiempo</strong>