TENDENCIAS Y SERIES DE TIEMPO
|
|
- Mariano Villanueva Farías
- hace 7 años
- Vistas:
Transcripción
1 Curso Andino en Clima y Salud Uso de Información de Clima para la Salud Pública. TENDENCIAS SERIES DE TIEMPO Hugo Oliveros C. InvesigadorAdjuno, IRI Colombia Universiy
2 TENDENCIAS SERIES DE TIEMPO Agenda: Moivación Concepos Generales Definiciones Tendencia, Esacionalidad, Ciclo Alernaivas Meodologicas Series Esacionarias/ No-esacionarias Esraegia de analisis Ejemplos Tendencia Esacionalidad Ciclo Comenarios finales
3 MOTIVACION µ e ;
4 MOTIVACION µ e
5 CONCEPTOS GENERALES: DEFINICIONES QUE ES UNA SERIE DE TIEMPO? Conjuno ordenado de observaciones de una variable, comunmene, regisradas a inervalos de iempo consanes. µ e El comporamieno de s puede describirse a a raves de varias componenes (C). C{Tendencia, Esacional, Ciclico, Irregular}
6 SUPUESTOS IMPLICITOS 2 2 ) ( ) ( : Pregunas 2 ) ( 0; ) ( : V e E e e V e E e Modelo σ σ µ µ σ µ z P z P i i '' CONCEPTOS GENERALES: DEFINICIONES e µ
7 CONCEPTOS GENERALES: Tendencia, Esacionalidad, Ciclo es dominado por varias componenes : { endencia, esacional, ciclo, irregular} µ e Hay una componene de endencia idenificable en el comporamieno de la emperaura? Pareceria que exise un paron? Como se describe ese comporamieno? Hay un modelo esadisico plausible? Cuales son las fuerzas que generan dicho comporamieno? * # Si exise uno, o varios modelos, dichos modelos son compaibles con lo que los cienificos de clima reconocen en su cuerpo de conocimieno?
8 CONCEPTOS GENERALES: Tendencia, Esacionalidad, Ciclo o son dominados por varias componenes : { T, E, C, I } * * # # Hay un paron recurrene en el comporamieno mensual el consumo de energia? Los picos (*) y los valles (#) se presenan cada 2 meses? El consumo de Energia es dominado por un componene esacional? Exise ademas un componene de endencia?
9 CONCEPTOS GENERALES: Tendencia, Esacionalidad, Ciclo o son dominados por varias componenes : { T, E, C, I } * T * # # Hay un paron recurrene en el comporamieno mensual el consumo de energia? Los picos (*) y los valles (#) se presenan cada 2 meses? El consumo de Energia es dominado por un componene esacional? Exise ademas una componene de endencia? T Φ 2 ( ) T ξ : Es ( Φ B 2 posible ) ξ expresar como? ( Φ B 2 ξ ) Φ 2 ξ
10 CONCEPTOS GENERALES: Tendencia, Esacionalidad, Ciclo es dominado por varias componenes : { endencia, esacional, ciclo, irregular} µ e Hay una componene recurrene cada m> años en las manchas solares,? Pareceria que exise un paron? Como se describe ese comporamieno? Exise una frecuencia (/periodo) donde se concenra la variabilidad? * Hay algun mecanismo para evaluar donde oscila mas la serie? A que frecuencia se producen las perurbaciones?
11 CONCEPTOS GENERALES: ALTERNATIVAS METODOLOGICAS Dominio del Tiempo Dominio de la Frecuencia Auo-correlacion, (ACF,PACF), Correlacion cruzada (CCF) Las graficas muesran el grado de dependencia emporal Peridiograma, densidad especral, especro cruzado Graficas muesran como viibra la señal a diferenes bandas de frecuencia Usos areas (clima, epidemiologia, economia,.) Usos areas (clima y epidemiologia, economia,.)
12 SERIES ESTACIONARIAS Procesos Esacionarios I(0) (A) (): E( ) ; (2) : ( ) 2 µ V σ ; (3): Cov (3A): Cor, ( h), ( h) Cov, k ( k h) ρ( h) γ ( h)/ σ 2 γ ( h) (B) (C) Que hacer para poder idenificar si se cumplen las condiciones? () (Simple)-Revisar las graficas (no hay endencia?) (2) (Complejo)Pruebas Hipoesis: Medias/varianzas (3) (Complejo)Usar un modelo de series de iempo y evaluar los supuesos asociados al modelo usando las observaciones (4) Pruebas de esacionaridad Los procesos generadores de los daos (PGD) no son conocido en la vida real - El modelo descrio es el que se inena descubrir.
13 SERIES NO ESTACIONARIAS ( Procesos No-esacionarios ): E( ) ( (5): ( ) 2 µ V σ ( ); 4 y/o) (A*) ~ I() ( B) ~ I(0) (B*) Que hacer para poder idenificar si se cumplen las condiciones? () Revisar las graficas Es dificil diferenciar: (Esocasica vs Deerminiscia) (C*) (2) (Complejo) Pruebas Hipoesis:Medias/varianzas**** (3) (Complejo) Usar un modelo de series de iempo y evaluar los supuesos asociados al modelo usando las observaciones (4) Pruebas de raiz uniaria (pruebas esacionaridad) - Los procesos generadores de los daos (PGD) no son conocido en la vida real - El modelo descrio es el que se inena descubrir.
14 ESTRATEGIA DE ANALISIS Graficas de la serie(s): (parones, Tendencia, Esacionalidad, Variabilidad) (Esacionaria(s), no-esacionaria(s) NO MODELO SERIES TIEMPO (MST) MST ARIMA ARMA TFNM(ARIMAX) STSM REGRESION VAR VEC PANEL OTROS.. E- MST (OK) ESTIME MST (E-MST) Verifique (supuesos) Bondad de ajuse: Significancia parámeros Coherencia, Parsimonia, Consisencia
15 ESTRATEGIA DE ANALISIS: EJEMPLOS Serie no -esacionaria I() idenificacion This image canno currenly be displayed. Tendencia? Decae lenamene? Se cora despues de rezago? Los procesos generadores de los daos (PGD) no son conocido en la vida real - El modelo descrio es el que se inena descubrir.
16 ESTRATEGIA DE ANALISIS: EJEMPLOS Serie esacionaria I(0) (3A) Promedio >0, no-hay una endencia manifiesa
17 ESTRATEGIA DE ANALISIS: EJEMPLOS Busque un modelo adecuado que ajuse Modelo Teorico {debe incluir un inercepo} (3A) cφ 2 e ; ( Φ B ) 2 µ e ; ( Φ 2 B ) ACF: (h) ( Φ ) j ρ ; h j*2, j,2,3,..; PACF: φ h, h Φ ; h ; φ h, h 0, oro caso c e
18 ESTRATEGIA DE ANALISIS: EJEMPLOS Comporamieno de los residuos : ruido banco ESTIMACION DEL MODELO This image canno currenly be displayed. Parameros Esimae Sd.Error -sa p-value Pr(> ) (Inercep) ** y_s_ <2e-6 *** sigma^2 esimaed : par log likelihood Ljung-Box(20)2.47- p-value.90
19 LA TENDENCIA TENDENCIA This image canno currenly be displayed. - Movimieno de largo plazo de una serie de iempo. Si exise, refleja su nivel subyacene - Resula imporane,en algunas oporunidades, eliminarla para ver que oras componenes exisen o pueden ser idenificadas - Problema es idenificar cual es el proceso que genera la endencia : - Esocasica (Pruebas de Raiz Uniaria) - Deerminisica - _s (Esocasica); _d (Deerminisica)
20 LA TENDENCIA: Esocasica (_s) vs Deerminisica (_d) This image canno currenly be displayed. ) 2 (0, ~ donde ; * ) : ( Caso:_d donde ; * ) : ( * 0 2 ) ( ; * 0 ( ; * 0 ) 2 (0, ~ ; Caso:_s: ) σ ζ ζ β α ε ε ε ε ν ν δ ε δ σ δ ε δ σ ε ε δ NI II v i i i i c I i i y V y E i i y NI ζ β α * ε δ
21 LA ESTACIONALIDAD c Φ e 2 S_(2) ESTACIONALIDAD: - Cuando las series siguen un paron de variacion periodico en su evolucion que esa aado al calendario, se dice que ienen un comporamieno esacional. - Al igual que en el caso de la endencia es facible consruir parones similares a comporamienos esacionales a parir de represenaciones deerminisicas [S(L)], o parir de modelos que dependen de una esrucura que depende de la frecuencia esacional. (SARMA, SARIMA-(raiz uniaria esacional) - Regularmene cuando se idenifica su presencia se le puede asociar con la exisencia de un filro lineal esacional (SARMA,SARIMA), o con f-sinusiodales: S(L)
22 LA ESTACIONALIDAD ESTACIONALIDAD: - Cuando las series siguen un paron de variacion periodico en su evolucion que esa aado al calendario, se dice que ienen un comporamieno esacional. - Al igual que en el caso de la endencia es facible consruir parones similares a comporamienos esacionales a parir de represenaciones deerminisicas [S(L)], o parir de modelos que dependen de una esrucura que depende de la frecuencia esacional. (SARMA, SARIMA-(raiz uniaria esacional) - Regularmene cuando se idenifica su presencia se le puede asociar con la exisencia de un filro lineal esacional (SARMA,SARIMA), o con f-sinusiodales: S(L)
23 EL CICLO CICLO: This image canno currenly be displayed. - Variaciones iner -anuales recurrenes ( e.g. m > año) con fases no necesariamene esables son asociadas al concepo de ciclo. Fuene:prudeninvesor.com - Ejemplos ipicos de dichas flucuaciones son los asociados con ENSO, las manchas solares (sunspos), o con los ciclos económicos, o financieros. - Ese ipo de movimienos pueden ser recreados usando funciones sinusoidales, similares a S(L), o a parir de modelos Auoregresivos de orden 2, AR(2), que ienen implícias raices imaginarias. - La nauraleza del ciclo C() esa asociada con frecuencias de oscilación bajas (inverso del periodo) y requiere en algunos casos desconar la endencia de largo, plazo, T(), para derivar una medida asociada con con C(), e.g, C() ()-T() (Beverigde-Nelson Decomposiion). -.
24 EL CICLO (A) CICLO: - De igual forma es facible usar filros lineales, o bandpass filros (BPF). BPF dejan pasar señales en un inervalo especifico de frecuencia: [x,x2] El inervalo esa asociado con la frecuencias de ineres, (Ver: Hodrick- Presco, Buerworh Filers). (B) - Waveles análisis revela como diferenes escalas (frecuencias periodicas) de un serie emporal fluuan a raves del iempo. En consecuencia pueden ser uiles para idenificar ciclos (A), (B). (A) (B) Fuene: Torrence, C., Compo,G., 998, A Pracical Guide o Wavele Analysis, Bullein of he American Meeorological Sociey; (Wavele Morle) Simulacion de una serie de iempo con frecuencias de oscilacion (/2, /60, /20) bajo comporamienos del ipo S() ; (Wavele Morle)
25 LA TENDENCIA EL CICLO () : Esacionaria (E), es decir, ( ) µ ; (2) V ( ) σ 2 ; (3) cor(, ) cor(, ) ρ( k) E : No - Esacionaria (NE) : No se cumplen (,o, ( ) ~ I(0): si para odo,k,h se iene : 2,o, 3); h k : es I (), si se iene que ~ I(0) ( A) : α β * e ; e ~ I (0); e ~ NI (0, σ 2 ); es NE,[Caso (II), (T_d)] ( B) : δ ε ; es NE [Caso (I), (T_s)] Para (B) Si ~ I () ( ) ~ I(0) ( δ ε ) ~ I(0) (B) : ε ~ NI(0, σ 2 ) (B2) w φ w φ w ζ ; w ζ φ B φ B 2 donde ζ ~ NI(0, σ 2 ). Escoger φ, φ2 al que w ~ I (0). ε w, en (B) o, e w.en (A). (B2) puede recrear variabilidadiner - anual (ENSO, Decadal). k h
26 LA TENDENCIA EL CICLO ( ) ( ) B B c B B ξ φ φ µ ξ φ φ
27 CONSIDERACIONES FINALES La idenicacion de la presencia {T, E,C,I} en una serie de iempo permie enender su dinamica, la persisencia y la recurrencia de parones de comporamieno que se presenan en las series de iempo. Su separacion no es proceso simple. Por ejemplo: dado que los ciclos pueden oscilar a frecuencias bajas (asociadas con endencias de largo plazo), la separacion enre la endencia y el ciclo requiere de procedemienos especializados ( filros y modelos complejos ). Exisen muliples alernaivas para eliminar algunos de las componenes de T, C, E, I, de las series de iempo (e.g. modelacion, uso de filros ) y por defeco enconrar los resanes, sin embargo, cada alernaiva escogida iene coso que necesario evaluar a luz de pruebas adecuadas sobre los supuesos y la dinamica que las series generadas deben seguir. R, SAS/ETS, SAS/IML, y MATLAB enre oros paquees ofrecen ruinas para procesar y filrar las series al igual que para evaluar las hipoesis subyacenes. Sin embargo, es imporane consular la perinencia de los modelos implicios en la derivacion de las componenes (esadisica algo mas) Si las variables que se analizan causan (o son las fuerzas que deerminan parcialmene) la dinamica de oras variables, sus propiedades esadisicas pueden/deben aparecer en el comporamieno de dichas variables. En consecuencia analisis conjunos podrian ofrecer alernaivas mas uiles para confirmar los hallazgos. Para consruir los modelos, o usar los filros se requieren series de iempo largas (varias repeiciones de los parones exisenes) en consecuencia los esfuerzos por recuperar, limpiar y manener las series (las bases de daos) deben ser pare fundamenal de la esraegia al momeno de discuir el presupueso.
Estadística Industrial. Universidad Carlos III de Madrid Series temporales Práctica 3
Esadísica Indusrial Universidad Carlos III de Madrid Series emporales Prácica 3 Objeivos: Coninuar con la idenificación de procesos auoregresivos (AR) y de media móvil (MA), mediane la función de auocorrelación
Más detallesAnálisis Estadístico de Datos Climáticos
Análisis Esadísico de Daos Climáicos SERIES TEMPORALES I Mario Bidegain (FC) Alvaro Diaz (FI) Universidad de la República Monevideo, Uruguay 2011 CONTENIDO Esudio de las series emporales en Climaología.
Más detalles4. SERIES TEMPORALES Y
4. SERIES TEMPORALES Y NÚMEROS ÍNDICE Objeivo Esudiar la evolución de una variable en el iempo. Bibliografia recomendada Peña y Romo (1997). Capíulos 11 y 12. Índice 1. Represenación gráfica de una serie
Más detallesExamen de Econometría II 12 de Enero de 2010
Examen de Economería II 12 de Enero de 2010 ---------------------------------------------------------------------------------------- Apellidos y Nombres: Grupo: ----------------------------------------------------------------------------------------
Más detallesD to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero
D o de Economía Aplicada Cuaniaiva I Basilio Sanz Carnero PROCESOS ESTOCÁSTICOS Un proceso esocásico «Z» considera «n» variables aleaorias, Z n, en momenos de iempo sucesivos, cada una de esas «n» variables
Más detallesGUÍA DE EJERCICIOS 3 ECONOMETRÍA II., se quiere decidir sobre el número de raíces unitarias mediante un test Dickey-Fuller del tipo
GUÍA DE EJERCICIOS 3 ECONOMETRÍA II 1) Para una deerminada serie, y, se quiere decidir sobre el número de raíces uniarias mediane un es Dickey-Fuller del ipo y y 1 p i 2 y i i 1 Responda a las siguienes
Más detallesde precios entre distintas regiones, ciudades o países, probando la validez de la PPC y LUP, Taylor (2000), señala que, para que este modelo esté bien
3. El modelo de convergencia de precios 1, se origina para explicar las diferencias de precios enre disinas regiones, ciudades o países, probando la validez de la PPC y LUP, Taylor (000), señala que, para
Más detallesESTUDIO DEL PRONÓSTICO DE LA DEMANDA DE ENERGIA ELECTRICA, UTILIZANDO MODELOS DE SERIES DE TIEMPO
Scienia e Technica Año IX, No, Diciembre 00. UTP. ISSN 0-70 7 ESTUDIO DEL PRONÓSTICO DE LA DEMANDA DE ENERGIA ELECTRICA, UTILIZANDO MODELOS DE SERIES DE TIEMPO RESUMEN El presene ariculo describe un pronosico
Más detallesAnálisis estocástico de series temporales
Análisis esocásico de series emporales Ernes Pons (epons@ub.edu) Análisis esocásico de Series Temporales Moivación Ejemplos 4500000 8 4000000 6 3500000 4 3000000 2 0 2500000-2 2000000-4 500000-6 000000-8
Más detallesCAPITULO IV DESARROLLO DE LA INVESTIGACIÓN. En este capítulo se expondrán los métodos utilizados para el pronóstico de los siniestros
CAPITULO IV DESARROLLO DE LA INVESTIGACIÓN En ese capíulo se expondrán los méodos uilizados para el pronósico de los siniesros del seguro de Gasos Médicos Mayores, con base en los daos proporcionados por
Más detallesModelos estacionarios de series temporales
Modelos esacionarios de series emporales Inroducción En ese capíulo se presena una meodología para analizar una serie emporal X, únicamene en función de los valores pasados de dicha serie. La idea básica
Más detallesCurso 2006/07. Tema 1: Procesos Estocásticos. Caracterización de los procesos ARIMA. stico
Curso 6/7 Economería II Tema : Procesos Esocásicos. Caracerización de los procesos ARIMA. Concepo de proceso esocásico sico. Esacionariedad fuere y débil de los procesos esocásicos. Teoremas de ergodicidad
Más detallesAnálisis de Series Temporales. Jose Jacobo Zubcoff. Departamento de Ciencias del Mar y Biología Aplicada
Análisis de Series Temporales Jose Jacobo Zubcoff Deparameno de Ciencias del Mar y Biología Aplicada Inroducción al análisis de series emporales Objeivo: analizar la evolución de una variable a ravés del
Más detallesFundamentos Básicos Sistemas y Señales
Fundamenos Básicos Sisemas y Señales Preparado por : jhuircan Depo. Ingeniería Elécrica Universidad de La Fronera Objeivos q Revisar los concepos básicos de la Teoría de Sisemas q Revisar los concepos
Más detallesPATRON = TENDENCIA, CICLO Y ESTACIONALIDAD
Pronósicos II Un maemáico, como un pinor o un poea, es un fabricane de modelos. Si sus modelos son más duraderos que los de esos úlimos, es debido a que esán hechos de ideas. Los modelos del maemáico,
Más detallesEL PRONÓSTICO DE LA DEMANDA (2) Cristina Gigola Departamento Académico de Ingeniería Industrial y Operaciones ITAM
EL PRONÓSTICO DE LA DEMANDA (2) Crisina Gigola Deparameno Académico de Ingeniería Indusrial y Operaciones ITAM gigola@iam.mx Conenido (pare 2) Medidas de error Desarrollo de un modelo Modelos: naïve, promedios
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 28 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 28 de Junio de 2013 12:00 horas Primer Apellido: Nombre: DNI: Teléfono: Segundo Apellido: Grupo y Grado: Profesor(a): e mail: Preguna 1 A B C
Más detallesECONOMETRÍA EMPRESARIAL II ADE
4 Bernardí Cabrer Economería Empresarial II Tema 8 ECONOMETRÍA EMPRESARIAL II ADE TEMA 8 MODELOS LINEALES SIN ESTACIONALIDAD I ( Modelos regulares 4 Bernardí Cabrer Economería Empresarial II Tema 8 8.
Más detallesPREVISIÓN DE LA DEMANDA
Capíulo 0. Méodos de Previsión de la OBJETIVOS. Los pronósicos y la planificación de la producción y los invenarios. 2. El proceso de elaboración de los pronósicos. Méodos de previsión de la demanda 4.
Más detallesModelización univariante
Modelización univariane Miguel Jerez Universidad Compluense de Madrid Febrero 5 Slide # Índice Inroducción Procesos esocásicos elemenales Insrumenos de idenificación Idenificación y diagnosis Noación de
Más detallesEconometría II LADE/LADE-Derecho. Curso 2004/2005. Hoja de ejercicios 1. Soluciones sugeridas PARTE A
Economería II LADE/LADE-Derecho Curso 004/005 Hoja de ejercicios 1 Soluciones sugeridas PARTE A Respuesas correcas en negria, cursiva y con A.1. Se ha modelizado la variable v de dos modos diferenes: (1)
Más detallesINTRODUCCIÓN AL ANÁLISIS DE SERIES DE TIEMPO
INTRODUCCIÓN AL ANÁLISIS DE SERIES DE TIEMPO Forino Vela Peón fvela@correo.xoc.uam.mx Noviembre, 009 Enfoque moderno del análisis de series de iempo Los fenómenos dinámicos que observamos mediane series
Más detallesEJC 19: PRUEBAS DE ESTACIONARIEDAD-RAIZ UNITARIA
EJC 19: PRUEBAS DE ESTACIONARIEDAD-RAIZ UNITARIA Coninuando con la serie de serie de venas de auomóviles (4x4) para Colombia desde el primer rimesre de 1970 hasa el segundo rimesre de 1987. Periodo Y Periodo
Más detallesMODELO ARIMA(p, d, q) (P, D, Q) s
SERIES TEMPORALES: MODELO ARIMA Faculad Ciencias Económicas y Empresariales Deparameno de Economía Aplicada Profesor: Saniago de la Fuene Fernández MODELO ARIMA(p, d, q) (P, D, Q) s Se han analizado las
Más detallesESTUDIO DE MERCADO. MÉTODOS DE PROYECCIÓN
ESTUDIO DE MERCADO. MÉTODOS DE PROECCIÓN Qué es una proyección? Es una esimación del comporamieno de una variable en el fuuro. Específicamene, se raa de esimar el valor de una variable en el fuuro a parir
Más detallesEconometría II. Análisis de series temporales (I): Procesos estacionarios. Miguel Jerez y Sonia Sotoca Universidad Complutense de Madrid.
Economería II Análisis de series emporales (I): Procesos esacionarios Miguel Jerez y Sonia Sooca Universidad Compluense de Madrid Febrero 2004 Ver. /6/2003, Pag. # Índice: Inroducción Concepos básicos
Más detallesTEMA 4: AUTOCORRELACIÓN
Economería. Tema 4. Pilar Abad TEMA 4: AUTOCORRELACIÓN Wooldridge: Capíulo Gujarai: Capíulo 4 El análisis aplicado de muchos fenómenos económicos exige relajar el supueso de No Auocorrelación que se hace
Más detallesEconometría II LADE/LADE-Derecho. Curso 2004/2005. Hoja de ejercicios 2. Soluciones sugeridas PARTE A
Economería II LADE/LADE-Derecho Economería II LADE/LADE-Derecho Curso 004/005 Hoja de ejercicios Soluciones sugeridas PARTE A Respuesas correcas en negria, cursiva y con A.. Dado los dos siguienes procesos:
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE.
Invesigación y écnicas de Mercado Previsión de Venas ÉCNICAS CUANIAIVAS ELEMENALES DE PREVISIÓN UNIVARIANE. (II) écnicas elemenales: Modelos Naive y Medias Móviles. Medición del error de previsión. Profesor:
Más detallesProyección de tasas de actividad
Proyección de asas de acividad Noa meodológica. Inroducción El raar de anicipar el comporamieno fuuro de la población en relación con el mercado de rabajo iene un inerés evidene, pues ofrece información
Más detallesSeñales Elementales. Dr. Luis Javier Morales Mendoza. FIEC Universidad Veracruzana Poza Rica Tuxpan
Señales Elemenales Dr. Luis Javier Morales Mendoza FIEC Universidad Veracruzana Poza Rica Tuxpan Índice 3.1. Señales elemenales en iempo coninuo: impulso uniario, escalón uniario, rampa uniaria y la señal
Más detallesh + para cualquier m 1, 5.2. Modelo E-GARCH Introducción
5.2. Modelo E-GARCH Inroducción Los modelos GARCH exponenciales nacen a parir de la publicación de Daniel Nelson (99) sobre heerocedasicidad condicional en los modelos de renabilidad de acivos. Dicho auor
Más detallesMODELACIÓN DEL RÉGIMEN DEL CAUDAL MENSUAL EN LA CUENCA BAJA DEL RÍO DAGUA MEDIANTE SERIES DE TIEMPO ESTACIONALES
49 MODELACIÓN DEL RÉGIMEN DEL CAUDAL MENSUAL EN LA CUENCA BAJA DEL RÍO DAGUA MEDIANTE SERIES DE TIEMPO ESTACIONALES Jefferson Valdés Baso Esudiane. Universidad del Valle, Escuela de Ingeniería Indusrial
Más detallesMetodología de la estimación de los ingresos anuales y mensuales
Meodología de la esimación de los ingresos anuales y mensuales En cumplimieno con lo esablecido en la fracción III, inciso a), del Arículo 41 de la Ley Federal de Presupueso y Responsabilidad Hacendaria,
Más detallesAnálisis de una. Serie de Tiempo. Dr. Víctor Aguirre Torres, ITAM. Guión 14.
Análisis de una Serie de Tiempo Propósio Descomponer una serie de iempo en algunos de sus componenes. Aislar algunos componenes de la serie de iempo. Cuanificar y ver más claramene el comporamieno de la
Más detallesTema 3. Especificación, estimación y validación de modelos ARIMA
Tema 3. Especificación, esimación y validación de modelos ARIMA. La Meodología Box-Jenkins. Especificación inicial.. Conrases de raíces uniarias.. Análisis de correlogramas y correlogramas parciales 3.
Más detallesGRADO TURISMO TEMA 6: SERIES TEMPORALES
GRADO TURISMO TEMA 6: SERIES TEMPORALES Prof. Rosario Marínez Verdú 1 TEMA 6: SERIES TEMPORALES 1. Componenes de una serie emporal. 2. Análisis de la Tendencia. 3. Análisis de las Variaciones Esacionales.
Más detalles4. Modelos de series de tiempo
4. Modelos de series de iempo Los modelos comunes para el análisis de series de iempo son los que se basan en modelos auorregresivos y modelos de medias móviles o una combinación de ambos. Es posible realizar
Más detallesOrdenación y análisis de series con tendencia (temporales) José Ángel Fernández UAM Abril 2007
Ordenación y análisis de series con endencia (emporales) José Ángel Fernández UAM Abril 2007 Caracerísicas de las series emporales Ordenación: Los daos siempre han de esar ordenados. Son dependienes: La
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán
CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA Insrucor: Horacio Caalán TEORÍA DE COINTEGRACIÓN Efecos de las propiedades esocásicas de las series en un modelo de regresión
Más detallesTODO ECONOMETRÍA. Autocorrelación
TODO ECONOMETRÍA Auocorrelación Índice Definición Causas Consecuencias Deección Medidas correcivas Definición de la auocorrelación Definición de auocorrelación La perurbación de una observación cualquiera
Más detallesLA METODOLOGÍA DE VECTORES AUTORREGRESIVOS (VAR)
LA METODOLOGÍA DE VECTORES AUTORREGRESIVOS (VAR) ESPECIFICACION La meodología VAR es, en ciera forma, una respuesa a la imposición de resricciones a priori que caraceriza a los modelos economéricos keynesianos:
Más detallesEstadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Series Temporales
Esadísica Descripiva y Analisis de Daos con la Hoja de Cálculo Excel Series Temporales Serie emporal una serie emporal es una sucesión de observaciones de una variable realizadas a inervalos regulares
Más detallesECONOMÍA FINANCIERA INTERNACIONAL. Tema 3 Primera Parte Condiciones de paridad internacional. La paridad del poder adquisitivo.
ECONOMÍA FINANCIERA INTERNACIONAL Tema 3 rimera are Condiciones de paridad inernacional. La paridad del poder adquisiivo. Casiano Manrique de Lara eñae Deparameno de Análisis Económico Aplicado Universidad
Más detallesSesión 2 Análisis univariado de series de tiempo. 5. Series de tiempo no estacionarias en media
Banco Cenral de Reserva del Perú 55º Curso de Exensión Universiaria Economería Prof. Juan F. Casro Sesión 2 Análisis univariado de series de iempo 5. Series de iempo no esacionarias en media La maoría
Más detallesDescomposición Estacional
Descomposición Esacional Resumen El procedimieno de Descomposición Esacional divide una serie de iempo en res componenes: 1. endencia-ciclo 2. esacionalidad 3. irregularidad Cada componene puede ser graficado
Más detalles5. Modelos dinámicos
5. Modelos dinámicos Los modelos lineales dinámicos son un caso paricular de una clase más grande de modelos dinámicos. En general los modelos dinámicos se caracerizan por ener una dinámica en los parámeros
Más detallesPRÁCTICA 3: Sistemas de Orden Superior:
PRÁCTICA 3: Sisemas de Orden Superior: Idenificación de modelo de POMTM. Esabilidad y Régimen Permanene de Sisemas Realimenados Conrol e Insrumenación de Procesos Químicos. . INTRODUCCIÓN Esa prácica se
Más detallesUNIDAD III: VECTORES AUTOREGRESIVOS (MODELOS VAR) DR. ROGER ALEJANDRO BANEGAS RIVERO, PH.D.
UNIDAD III: VECTORES AUTOREGRESIVOS (MODELOS VAR) DR. ROGER ALEJANDRO BANEGAS RIVERO, PH.D. Inroducor Economerics for Finance Chris Brooks 008 Modelos de Vecores Auoregresivos (VAR) Modelos auoregresivos
Más detallesProcesamiento Digital de Señal
Procesamieno Digial de Señal Análisis de Fourier en iempo coninuo eorema de Fourier Serie de Fourier ransormada de Fourier Fórmulas de análisis y de sínesis Respuesa en recuencia de sisemas LI Dominio
Más detallesLuis H. Villalpando Venegas,
2007 Luis H. Villalpando Venegas, [SIMULACIÓN DE PRECIOS DEL PETROLEO BRENT ] En ese rabajo se preende simular el precio del peróleo Bren, a ravés de un proceso esocásico con reversión a la media, con
Más detallesSeries Temporales Univariantes
Profesoras Carolina García-Maros (garcia.maros@upm.es) María Jesús Sánchez Naranjo (mjsan@esii.upm.es) ÍNDICE Inroducción a las series emporales (objeivos, clasificación de los modelos de series, análisis
Más detallesCAPÍTULO III. METODOLOGÍA. En este capítulo se expondrán los diversos modelos de pronósticos así como su notación, la
CAPÍTULO III. METODOLOGÍA En ese capíulo se expondrán los diversos modelos de pronósicos así como su noación, la esimación de sus parámeros para poder enonces escoger el modelo que más se adecue a la Serie
Más detalles1. Derivadas de funciones de una variable. Recta tangente.
1. Derivadas de funciones de una variable. Reca angene. Derivadas Vamos a ver en ese capíulo la generalización del concepo de derivada de funciones reales de una variable a funciones vecoriales con varias
Más detallesOCW UPV/EHU. Geografía de la Población Itziar Aguado Moralejo Tema 9. Las estructuras demográficas
OCW UV/EHU. Geografía de la oblación Iziar Aguado Moralejo Tema 9. Las esrucuras demográficas 1. La composición por sexo 2. La composición por edades. El diagrama riangular 3. La composición según edad
Más detallesCOMPORTAMIENTO DE LA SERIE DE TIEMPO TASA DE DESOCUPACIÓN DEL GRAN ROSARIO EN EL PERÍODO
Décimas Jornadas "Invesigaciones en la Faculad" de Ciencias Económicas y Esadísica, noviembre de 005 Blaconá, María Teresa* Bussi, Javier** *Insiuo de Invesigaciones Teóricas y Aplicadas de la Escuela
Más detallesD to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero
D o de Economía Aplicada Cuaniaiva I Basilio Sanz Carnero PROCESO PURAMENTE ALEATORIO (RB) Es el proceso esacionario puramene aleaorio es concepualmene el más sencillo de odos y ambién en el que se basan
Más detallesANÁLISIS DE INTERVENCIÓN
ANÁLISIS DE INTERVENCIÓN Dpo. de Esadísica Eca.,Esr.Eca.y O.E.I. Inroducción Análisis de Inervención. Formulación del modelo. Esimación del modelo 3 Aípicos. 3.Tipos de aípicos 3. Efecos 3.3 Deección y
Más detallesEconometría de Económicas Ejercicios para el tema 1
Economería de Económicas Ejercicios para el ema 1 Curso 2005-2006 Profesores Amparo Sancho Perez Guadalupe Serrano Pedro Perez Formas funcionales alernaivas a la lineal Las hipóesis realizadas en el modelo
Más detallesEjercicio sobre el PIB histórico anual español 1
Ejercicio sobre el PIB hisórico anual español 1 El gráfico adjuno recoge la evolución del PIB anual español (en miles de millones de peseas de 15) de 15 a 2. 6 5 4 3 2 1 PIB Considere ahora la ransformación
Más detallesESTRUCTURA Y EVOLUCIÓN DEL DESEMPLEO EN EL ÁREA METROPOLITANA DE CALI : EXISTE HISTÉRESIS? *
ESTRUCTURA Y EVOLUCIÓN DEL DESEMPLEO EN EL ÁREA METROPOLITANA DE CALI 1988 1998: EXISTE HISTÉRESIS? * Carlos E. Casellar P. ** José Ignacio Uribe G. ** 1. INTRODUCCIÓN El aumeno observado de la asa de
Más detallesTEMA 2 MODELO LINEAL SIMPLE (MLS) Gujarati, Econometria (2004)
EMA 2 MODELO LINEAL SIMPLE (MLS) Gujarai, Economeria (2004). Planeamieno e inerpreación del modelo economérico lineal simple. Capíulo 2 páginas 36 a 39 2. Hipóesis Básicas del Modelo Capíulo 3 páginas
Más detallesNOTA TEORICA SOBRE BURBUJAS
BANCO CENTRAL DE COSTA RCA DVSON ECONOMCA DEPARTAMENTO DE NVESTGACONES ECONOMCAS DE-NT-02-96 NOTA TEORCA SOBRE BURBUJAS Juan E. Muñoz Giró ABRL, 1996 2 NOTA TEÓRCA SOBRE BURBUJAS 1 Una de las curiosidades
Más detallesMetodología para el pronóstico de los ingresos anuales y mensuales
Meodología para el pronósico de los ingresos anuales y mensuales En cumplimieno con lo esablecido en la fracción III, inciso a), del Arículo 41 de la Ley Federal de Presupueso y Responsabilidad Hacendaria,
Más detallesTema 3 Sistemas lineales.
Tema 3 Sisemas lineales. Podemos definir un sisema como un grupo o combinación de elemenos inerrelacionados o íner-acuanes que forman una enidad coleciva. En el conexo de los sisemas de comunicación los
Más detallesUNIVERSIDAD DE EL SALVADOR FACULTAD DE CIENCIAS NATURALES Y MATEMATICA ESCUELA DE MATEMATICA
UNIVERSIDAD DE EL SALVADOR FACULTAD DE CIENCIAS NATURALES Y MATEMATICA ESCUELA DE MATEMATICA FACTORES ECONÓMICOS QUE INCIDEN EN LA INVERSIÓN PRIVADA EN EL SALVADOR Trabajo de Graduación presenado por:
Más detallesDESESTACIONALIZACIÓN DE LA PRODUCCIÓN INDUSTRIAL CON LA METODOLOGÍA X-12 ARIMA
DESESTACIONALIZACIÓN DE LA PRODUCCIÓN INDUSTRIAL CON LA INTRODUCCIÓN Álvaro Hernando Chaves Casro La publicación oficial de esadísicas debe garanizar la calidad, la oporunidad y la coberura. En el caso
Más detallesEn numerosas oportunidades, el Profesor Arvelo ha dictado cursos empresariales en el área de Estadística General y Control Estadístico de Procesos.
ANGEL FRANCISCO ARVELO LUJAN Angel Francisco Arvelo Luján es un reconocido Profesor Universiario Venezolano en el área de Probabilidad y Esadísica, con más de 4 años de experiencia en las más presigiosas
Más detallesModelos de Heteroscedasticidad Condicional
Modelos de Heeroscedasicidad Condicional El objeivo de ese ema es esudiar algunos méodos esadísicos y modelos economéricos disponibles en la lieraura para modelizar la volailidad del rendimieno de un acivo.
Más detallesCiclos Económicos y Riesgo de Crédito: Un modelo umbral de proyección de la morosidad bancaria de Perú
Ciclos Económicos y Riesgo de Crédio: Un modelo umbral de proyección de la morosidad bancaria de Perú Subgerencia de Análisis del Sisema Financiero y del Meado de Capiales Deparameno de Análisis del Sisema
Más detallesSistemas lineales con ruido blanco
Capíulo 3 Sisemas lineales con ruido blanco 3.1. Ruido Blanco En la prácica se encuenra procesos esocásicos escalares u con media cero y la propiedad de que w( 1 ) y w( 2 ) no esán correlacionados aún
Más detallesAnálisis clásico de series temporales
Análisis clásico de series emporales Profesor: Anonio Caparrós Ruiz Análisis clásico de series emporales. Inroducción Hasa ahora nos hemos ubicado en el campo de la Economería causal, es decir, una variable
Más detallesMilagro económico dominicano: buena suerte y buenas políticas (Andújar, 2009)
Comenarios al documeno: Milagro económico dominicano: buena suere y buenas políicas (Andújar 2009) III Foro de invesigadores económicos de los bancos cenrales miembros del CMCA San José Cosa Rica Agoso
Más detallesMODELOS PARA PRONOSTICAR SERIES DE TIEMPO FINANCIERAS CON REDES NEURONALES BACKPROPAGATION DEPENDIENTE DEL TIEMPO
MODELOS PARA PRONOSTICAR SERIES DE TIEMPO FINANCIERAS CON REDES NEURONALES BACKPROPAGATION DEPENDIENTE DEL TIEMPO Por: Dr. Jairo Peruz Campo. Físico, Con Esudios De Maesría En Física. Insrucor, Asesor
Más detallesModelos Multivariantes Recursivos. Variables exógenas. Modelos Uniecuacionales
Modelos Mulivarianes Recursivos. Variables exógenas. Modelos Uniecuacionales Moivación (I) En los 3 primeros emas hemos viso la modelización ARIMA univariane. Los modelos ARIMA no son modelos economéricos
Más detallesQué explica las fluctuaciones de la inflación en el Perú en el periodo ? *
Qué explica las flucuaciones de la inflación en el Perú en el periodo 22-28? * Jorge Salas (BCRP) Encuenro de Economisas BCRP 26 de noviembre, 28 *El conenido de esa presenación es solo de responsabilidad
Más detallesModelos Markov con Probabilidades de Transición Variantes: Una Aplicación al Análisis de Crisis Cambiarias
Modelos Markov con Probabilidades de ransición Varianes: Una Aplicación al Análisis de Crisis Cambiarias Albero Humala XXIV Encuenro de Economisas Gerencia de Esudios Económicos 13 15 Diciembre Moivación
Más detallesDinámica del tipo de cambio en el Perú: Una aproximación a través de modelos de volatilidad
Dinámica del ipo de cambio en el Perú: Una aproximación a ravés de modelos de volailidad Vicor D. Chique Acero XXV ENCUENTO DE ECONOMISTAS DEL BANCO CENTRAL DE RESERVA DEL PERÚ Lima, 2 de Diciembre de
Más detallesLicenciatura de ADE y Licenciatura conjunta Derecho y ADE. Hoja de ejercicios 3
Licenciaura de ADE y Licenciaura conjuna Derecho y ADE Hoja de ejercicios 3 Ejercicio 1 El análisis de series emporales puede aplicarse a la resolución de muliud de problemas económicos. Uno de los que
Más detallesLAS BASES DE LA TEORIA DE LA COHERENCIA. INTRODUCCION A LOS LASERES PROFESOR: MANUEL FERNANDEZ GUASTI. Elías Castellanos Alcántara.
LAS BASS D LA TORA D LA COHRNCA. NTRODUCCON A LOS LASRS PROFSOR: MANUL FRNANDZ GUAST lías Casellanos Alcánara. NTRODUCCON Coherencia emporal: sá direcamene relacionada con el ancho de banda. Si la luz
Más detallesCONTROL BÁSICO. Sistemas de Control Realimentados. Reguladores o Controladores. Facultad de Ingeniería - UNER. Asignaturas: Control Básico 1
Faculad de Ingeniería - UNER CONTROL BÁSICO TEMAS: - Tipos de Reguladores Faculad de Ingeniería UNER Carrera: Bioingeniería Plan de esudios: 2008 Sisemas de Conrol Realimenados Consideramos el lazo básico
Más detallesUDA 2. Factor de seguridad y confiabilidad
Wilde Analysis Ld. (2015) Aloha Airlines Fligh 243 / 28 April 1988: Inceridumbre En el diseño de maquinaria abundan las inceridumbres: La composición del maerial y el efeco de las variaciones en las propiedades.
Más detallesEstimación del Parque de Viviendas
Esimación del Parque de Viviendas Meodología Subdirección General de Esudios Económicos y Esadísicas Madrid, julio de 2013 Índice 1 Inroducción 2 Objeivos 3 Ámbios de la esadísica 3.1 Ámbio poblacional
Más detallesNarración de una interacción discursiva en el aula: la linealidad y lo que no es la linealidad Resumen Lineamientos generales de las secuencias
Narración de una ineracción discursiva en el aula: la linealidad y lo que no es la linealidad Jaime Lorenzo Arriea Vera Deparameno de Maemáica Educaiva, Cinvesav, I.P.N. México j_arriea@homail.com Resumen
Más detallesEvaluation by Means of Simulation of Unit Root Test at Seasonal Frequencies. Application and Scientific Modeling of Soybean Oil Exports in Argentine
Revisa de Episemología y Ciencias Humanas Evaluación mediane simulación del es de raíces uniarias en frecuencias esacionales. Aplicación y modelización de la exporación de aceie de soja en Argenina Evaluaion
Más detallesCAPÍTULO 3 METODOLOGÍA. En este capítulo se describe la obtención y el funcionamiento del modelo de
CAPÍTULO 3 METODOLOGÍA En ese capíulo se describe la obención y el funcionamieno del modelo de Nelson y Siegel, el cual es fundamenal para obener las esrucuras emporales que servirán para comprender la
Más detallesEstimación de modelos de volatilidad estocástica asimétrica. Aplicación en series de rendimientos de índices bursátiles.
Esimación de modelos de volailidad esocásica asimérica. Aplicación en series de rendimienos de índices bursáiles. Esimación de modelos de volailidad esocásica asimérica. Aplicación en series de rendimienos
Más detallesRaúl de Jesús Gutiérrez Universidad Autónoma del Estado de México
Transmisión Volailidad de los Mercados de uuros de Peróleo de Referencia Inernacional hacia los Mercados ísicos del Peróleo Mexicano Ane la Presencia de Cambios Esrucurales Raúl de Jesús Guiérrez Universidad
Más detallesDocumento No. 55. Destacionalización de Series de Tiempo Económicas: Parte II Ajustes Previos Hacia la Deestacionalización. Por. Víctor M.
Documeno No. 55 Desacionalización de Series de Tiempo Económicas: Pare II Ajuses Previos Hacia la Deesacionalización Por Vícor M. Guerrero Agoso, 1983. Las ideas conenidas en el presene ensayo son responsabilidad
Más detallesTema 9 Aprendizaje por la práctica y desbordamiento del conocimiento. El modelo de Romer (1986)
Tema 9 Aprendizaje por la prácica y desbordamieno del conocimieno. El modelo de Romer (986) 9. Aprendizaje por la prácica y desbordamieno del conocimieno. 9.2 os modelos de mercado y de familias producoras.
Más detallesTendencias comunes y análisis de la política monetaria en el Perú
ESTUDIOS ECONÓMICOS Tendencias comunes y análisis de la políica monearia en el Perú Diego Winkelried Quezada dwinkelried@bcrp.gob.pe 1. Inroducción y moivación 1 Una de las pregunas de mayor inerés en
Más detallesTUTORIAL PARA LA ESTIMACIÒN DE UN MODELO CON VARIABLES DUMMY EN EasyReg. Julio César Alonso C.
TUTORIAL PARA LA ESTIMACIÒN DE UN MODELO CON VARIABLES DUMMY EN EasyReg Julio César Alonso C. No. 14 Marzo 2008 Apunes de Economía No. 14 APUNTES DE ECONOMÍA ISSN 1794-029X No. 14, Marzo de 2008 Edior
Más detalles12/10/2010. No independencia de los errores: autocorrelación. Estructura de la varianza bajo un proceso AR (1) Estructura AR (1) de la varianza
// No independencia de los errores: auocorrelación Forino Vela Peón Universidad Auónoma Meropoliana fvela@correoxocuammx Ocubre, // México, D F Esrucura de la varianza bajo un proceso AR () Para deerminar
Más detallesEjercicios de Econometría para el tema 4 Curso Profesores Amparo Sancho Amparo Sancho Guadalupe Serrano Pedro Perez
Ejercicios de Economería para el ema 4 Curso 2005-06 Profesores Amparo Sancho Amparo Sancho Guadalupe Serrano Pedro Perez 1 1. Considérese el modelo siguiene: Y X + u * = α + β 0 Donde: Y* = gasos deseados
Más detallesBanco Central de Chile Documentos de Trabajo. Central Bank of Chile Working Papers ESTIMACIONES DE NAIRU PARA CHILE
Banco Cenral de Chile Documenos de Trabajo Cenral Bank of Chile Working Papers N 31 Mayo ESTIMACIONES DE NAIRU PARA CHILE Jorge E. Resrepo La serie de Documenos de Trabajo en versión PDF puede obenerse
Más detallesCurso 2006/07. Tema 2: El incumplimiento de la hipótesis de estacionariedad. Cómo resolverla. 2. La falta de estacionariedad en varianza
Economería II Tema 2: El incumplimieno de la hipóesis de esacionariedad. Cómo resolverla. Inroducción 2. La fala de esacionariedad en varianza 3. La fala de esacionariedad en media Tema 2 2. Inroducción
Más detallesPRÁCTICA 4 TEMA 6: SERIES TEMPORALES
PRÁCTICA 4 TEMA 6: SERIES TEMPORALES En las prácicas aneriores se habían analizado observaciones de variables de ipo ransversal (por ejemplo, obenidas para diferenes municipios). Llamaremos Serie Temporal
Más detallesPonenecia No. 9. ARIMA, ARCH, GARCH Y REDES NEURONALES: MODELOS PARA PRONOSTICAR SERIES DE TIEMPO FINANCIERAS
ARIMA, ARCH, GARCH Y REDES NEURONALES: MODELOS PARA PRONOSTICAR SERIES DE TIEMPO FINANCIERAS Fredy Ocaris Pérez Ramírez * Jairo Peruz Campo ** RESUMEN Nuesro propósio es presenar una meodología complea
Más detallesLecturas de Economía ISSN: Universidad de Antioquia Colombia
Lecuras de Economía ISSN: 2-2596 lecuras@udea.edu.co Universidad de Anioquia Colombia Misas, Marha; López, Enrique; Téllez, Juana; Escobar, José Fernando La inflación subyacene en Colombia: un enfoque
Más detalles