Series de Tiempo

More documents

Recommendations

Info

Modelos de memoria larga Series de Tiempo Germán Aneiros Pérez Introducción Procesos FARIMA: Construcción e identificación Estimación Diagnosis Selección del modelo Introducción Comenzamos recordando la notación y suposiciones generales: x 1 , x 2 , . . . , x T : serie de tiempo observada. {X t } t : proceso generador de la serie observada. {a t } t : proceso de ruido blanco (innovaciones). a t es independiente de X t−1 , X t−2 , . . . Predicción Aplicación a datos reales Recapitulación Germán Aneiros Pérez Series de Tiempo
Modelos de memoria larga Series de Tiempo Germán Aneiros Pérez Introducción Procesos FARIMA: Construcción e identificación Estimación Diagnosis Selección del modelo Predicción Aplicación a datos reales Recapitulación Introducción Existen series reales estacionarias cuya fas: Toma valores positivos. Presenta un decaimiento muy lento a cero a medida que el retardo crece. El tipo de decaimiento que se observa es distinto del de los ARIMA no estacionarios, en el sentido de que: En los retardos bajos es más rápido. En los retardos altos es mucho más lento (memoria larga). Estas características se han observado principalmente en ciertas series meteorológicas, mediombientales, hidrológicas y financieras. Germán Aneiros Pérez Series de Tiempo
Page 1: Series de Tiempo Germán Aneiros P
Page 5 and 6: Modelos de memoria larga Series de
Page 37: Modelos de memoria larga Series de

Series de Tiempo

Create successful ePaper yourself

Delete template?

Save as template?