Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.)
|
|
- Magdalena Díaz Romero
- hace 7 años
- Vistas:
Transcripción
1 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 1/11 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) Departamento de Probabilidad y Estadística I.I.M.A.S.-U.N.A.M.
2 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 2/11 Datos Se pensó en estudiar el Aguacate Hass por ser un producto presente en mercados nacionales durante todo el año. Una de las bases de datos del SNIIM más completa, es para la presentacion en caja de 10 kilogramos.
3 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 2/11 Datos Se pensó en estudiar el Aguacate Hass por ser un producto presente en mercados nacionales durante todo el año. Una de las bases de datos del SNIIM más completa, es para la presentacion en caja de 10 kilogramos. Para trabajar con la serie de tiempo correspondiente a precio frecuente, se calculó (en caso de ser posible) un promedio semanal de los precios frecuentes.
4 Ejemplo: datos del precio promedio semanal, aguacate Hass. Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 3/11
5 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 3/11 Ejemplo: datos del precio promedio semanal, aguacate Hass. Se tienen datos de varios años.
6 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 3/11 Ejemplo: datos del precio promedio semanal, aguacate Hass. Se tienen datos de varios años. Hay datos faltantes, una semana en Enero de 2000 y otra semana en Septiembre de 2007
7 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 3/11 Ejemplo: datos del precio promedio semanal, aguacate Hass. Se tienen datos de varios años. Hay datos faltantes, una semana en Enero de 2000 y otra semana en Septiembre de 2007 Precio promedio semanal Series Figura 1 Aguacate Hass, precio promedio semanal
8 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 4/11 Estacionalidad Se puede pensar en un modelo para datos con componente estacional SARIMA((p, d, q) (P, D, Q)) s. thousands months Datos con componente estacional
9 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 5/11 Estacionalidad Dadas observaciones {X t }, entonces si el proceso Y t = (1 B) d (1 B s ) D X t (A) es un proceso ARMA causal φ p (B)Φ P (B s )Y t = θ q (B)Θ Q (B s )ε t, (B)
10 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 5/11 Estacionalidad Dadas observaciones {X t }, entonces si el proceso Y t = (1 B) d (1 B s ) D X t (A) es un proceso ARMA causal φ p (B)Φ P (B s )Y t = θ q (B)Θ Q (B s )ε t, (B) donde φ p (z) = 1 φ 1 z φ 2 z 2... φ p z p, Φ P (z) = 1 Φ 1 z Φ 2 z 2... Φ P z p, θ q (z) = 1 + θ 1 z + θ 2 z θ q z q, θ Q (z) = 1 + Θ 1 z + Θ 2 z Θ Q z q y {ε t } son v.a. no correlacionadas con distribucion normal(0, σε) 2
11 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 6/11 Proponemos usar los datos desde Enero de 2004 a la semana del 17 al 21 de Septiembre de 2007 (dato anterior al dato faltante).
12 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 6/11 Proponemos usar los datos desde Enero de 2004 a la semana del 17 al 21 de Septiembre de 2007 (dato anterior al dato faltante). Ajustar un modelo estacional.
13 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 6/11 Proponemos usar los datos desde Enero de 2004 a la semana del 17 al 21 de Septiembre de 2007 (dato anterior al dato faltante). Ajustar un modelo estacional. Predecir el dato faltante.
14 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 6/11 Proponemos usar los datos desde Enero de 2004 a la semana del 17 al 21 de Septiembre de 2007 (dato anterior al dato faltante). Ajustar un modelo estacional. Predecir el dato faltante. Logaritmo de los datos Figura 2 Aguacate Hass, logaritmo del precio promedio semanal
15 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 7/11 De la ecuación (A), se diferencia la serie de los logaritmos de los precios {X t }, primero a lag 1 (d = 1) y luego a lag s = 52 (D = 1).
16 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 7/11 De la ecuación (A), se diferencia la serie de los logaritmos de los precios {X t }, primero a lag 1 (d = 1) y luego a lag s = 52 (D = 1). Para la serie resultante {Y t } se calcula la acf
17 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 7/11 De la ecuación (A), se diferencia la serie de los logaritmos de los precios {X t }, primero a lag 1 (d = 1) y luego a lag s = 52 (D = 1). Para la serie resultante {Y t } se calcula la acf ACF Lag Figura 3 Autocorrelaciones sugieren posible modelo SARIMA(p = 0, d = 1, q = 7) (P = 0, D = 1, Q = 1) 52
18 Se estima el modelo vía máxima verosimilitud. Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 8/11
19 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 8/11 Se estima el modelo vía máxima verosimilitud. Se analizan residuales
20 Se estima el modelo vía máxima verosimilitud. Se analizan residuales Series residuals residuals ACF Time Lag Normal Q Q Plot Histogram of residuals Sample Quantiles Frequency Theoretical Quantiles residuals Los residuales no presentan desviaciones significativas de los supuestos de normalidad y de no correlación. Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 8/11
21 Usando el modelo predice del dato faltante ˆX = Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 9/11
22 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 9/11 Usando el modelo predice del dato faltante ˆX = Los precios promedio de a una semana antes y una semana despues son 355 y 320.
23 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 9/11 Usando el modelo predice del dato faltante ˆX = Los precios promedio de a una semana antes y una semana despues son 355 y 320. Con los datos completados (enero 2004 a julio 2008) {X t } se vuelve a calcular Y t = (1 B) d (1 B s ) D X t
24 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 9/11 Usando el modelo predice del dato faltante ˆX = Los precios promedio de a una semana antes y una semana despues son 355 y 320. Con los datos completados (enero 2004 a julio 2008) {X t } se vuelve a calcular Y t = (1 B) d (1 B s ) D X t ACF Lag Figura 5 de nuevo, se sugiere un posible modelo SARIMA(p = 0, d = 1, q = 7) (P = 0, D = 1, Q = 1) 52
25 Se estima el modelo vía máxima verosimilitud. Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 10/11
26 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 10/11 Se estima el modelo vía máxima verosimilitud. Se analizan residuales
27 Se estima el modelo vía máxima verosimilitud. Se analizan residuales Series residuals residuals ACF Time Lag Normal Q Q Plot Histogram of residuals Sample Quantiles Frequency Theoretical Quantiles residuals Los residuales no presentan desviaciones significativas de los supuestos de normalidad y de no correlación. Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 10/11
28 Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) p. 11/ Figura 7
Análisis de datos del Aguacate Hass (presentación caja 10 kilogramos)
Análisis de datos del Aguacate Hass (presentación caja 10 kilogramos) Alberto Contreras Cristán, Miguel Ángel Chong Rodríguez. Departamento de Probabilidad y Estadística Instituto de Investigaciones en
Más detallesD.2 ANÁLISIS ESTADÍSTICO DE LAS TEMPERATURAS DE VERANO
Anejo Análisis estadístico de temperaturas Análisis estadístico de temperaturas - 411 - D.1 INTRODUCCIÓN Y OBJETIVO El presente anejo tiene por objeto hacer un análisis estadístico de los registros térmicos
Más detallesPráctica 3: Regresión simple con R
Estadística II Curso 2010/2011 Licenciatura en Matemáticas Práctica 3: Regresión simple con R 1. El fichero de datos Vamos a trabajar con el fichero salinity que se encuentra en el paquete boot. Para cargar
Más detallespeso edad grasas Regresión lineal simple Los datos
Regresión lineal simple Los datos Los datos del fichero EdadPesoGrasas.txt corresponden a tres variables medidas en 25 individuos: edad, peso y cantidad de grasas en sangre. Para leer el fichero de datos
Más detallesAnálisis de Series de Tiempo. Universidad Nacional Autónoma de México. M. en C. César Almenara Martínez. 10 de Noviembre de 2010.
Análisis de Series de Tiempo. M. en C. César Almenara Martínez. Universidad Nacional Autónoma de México. 10 de Noviembre de 2010. 1 Receta. 2 Análisis. 1 Receta. 2 Análisis. Para hacer un análisis básico
Más detalles4,2 + 0,67 Y c) R 2 = 0,49. 3.- En la estimación de un modelo de regresión lineal se ha obtenido:
INTRODUCCIÓN A LA ESTADÍSTICA. Relación 4: REGRESIÓN Y CORRELACIÓN 1.- En una población se ha procedido a realizar observaciones sobre un par de variables X e Y. Xi 4 5 4 5 6 5 6 6 Yi 1 1 3 3 3 4 4 ni
Más detallesEstadística I Examen extraordinario, 25 de Junio Grados en ADE, DER-ADE, ADE-INF, FICO, ECO, ECO-DER.
Estadística I Examen extraordinario, 25 de Junio 2013. Grados en ADE, DER-ADE, ADE-INF, FICO, ECO, ECO-DER. REGLAS DEL EXAMEN: 1) Usar cuadernillos diferentes para cada problema. 2) Hacer los cálculos
Más detallesTema 4: SERIES TEMPORALES Y NÚMEROS ÍNDICES 1. DEFINICIÓN DE SERIE TEMPORAL:
Tema 4: SERIES TEMPORALES Y NÚMEROS ÍNDICES 1. DEFINICIÓN DE SERIE TEMPORAL: Gráfico Componentes 2. NÚMEROS ÍNDICE: Definición Índices simples Índices compuestos sin ponderar: Índice de la media armética
Más detallesSegunda práctica de REGRESIÓN.
Segunda práctica de REGRESIÓN. DATOS: fichero practica regresión 2.sf3. Objetivo: El objetivo de esta práctica es interpretar una regresión y realizar correctamente la diagnosis. En la primera parte se
Más detallesSERIE TEMPORAL TASA PASIVA REFERENCIAL ECUADOR MAT. GEOVANNY TOALOMBO Agosto 2006
SERIE TEMPORAL TASA PASIVA REFERENCIAL ECUADOR MAT. GEOVANNY TOALOMBO Agosto 20 Se presenta a continuación el estudio de la serie de tiempo, para la Tasa Pasiva Referencial fuente Banco Central de Ecuador
Más detallesComparación de Líneas de Regresión
Comparación de Líneas de Regresión Resumen El procedimiento de Comparación de Líneas de Regresión esta diseñado para comparar líneas de regresión relacionas con Y y X en dos o mas niveles de un factor
Más detallesTécnicas de Inferencia Estadística II. Tema 3. Contrastes de bondad de ajuste
Técnicas de Inferencia Estadística II Tema 3. Contrastes de bondad de ajuste M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2014/15 Contenidos 1. Introducción
Más detallesCapítulo 1. El caso del Método de Pesada
Capítulo 1. El caso del Método de Pesada En uno de los viajes que realizaron Norberto y Daniel, profesores de Química Analítica y de Probabilidad y Estadística, respectivamente, Norberto le pidió a Daniel
Más detallesPráctica 1: Introducción a SPSS 1
Estadística Aplicada Curso 2010/2011 Diplomatura en Nutrición Humana y Dietética Práctica 1: Introducción a SPSS 1 Este programa estadístico está organizado en dos bloques: el editor de datos y el visor
Más detallesEjemplo de Regresión Lineal Simple
Ejemplo de Regresión Lineal Simple Países Porcentaje de Inmunización (x) Tasa de mortalidad (y) Bolivia 77 8 Brazil 69 65 Cambodia 3 84 Canada 85 8 China 94 43 Czech_Republic 99 Egypt 89 55 Ethiopia 3
Más detallesSemana 3. Semana 3. Correlaciones. Introducción. Regresión. Diferenciación. Series de Tiempo. Suavizamiento. Descomposición.
Series de Tiempo Esquema 1 2 3 4 5 6 Esquema 1 2 3 4 5 6 jj 0 5 10 15 Dividendos de Johnson & Johnson 1960 1965 1970 1975 1980 ACF 0.2 0.2 0.4 0.6 0.8 1.0 0 1 2 3 4 5 6 ACF para la serie de dividendos
Más detallesAPÉNDICE A GRÁFICAS Y TABLAS EMPLEADAS PARA LA DETERMINACIÓN DE LOS MODELOS
APÉNDICE A GRÁFICAS Y TABLAS EMPLEADAS PARA LA DETERMINACIÓN DE LOS MODELOS 48 GRÁFICAS Y TABLAS EMPLEADAS PARA LA DETERMINACIÓN DE LOS MODELOS Para determinar el modelo que se ha empleado para las estimaciones,
Más detallesAnálisis de la Varianza
Análisis de la Varianza El Análisis de la Varianza -ANOVA- es una herramienta del área de la inferencia estadística, utilizada en las investigaciones científico-técnicas. Objetivo: probar hipótesis referidas
Más detallesSOLUCIONES PRÁCTICA 6: SERIES TEMPORALES DIPLOMADO EN ESTADÍSTICA
SOLUCIONES PRÁCTICA 6: SERIES TEMPORALES DIPLOMADO EN ESTADÍSTICA Problema 1 Calcular las primeras 12 autocorrelaciones simples teóricas del proceso (1 0,8B)Y t = (1 0,5B 12 )a t utilizando tanto la fórmula
Más detalles'' '' '' ' ' ' ' 4 5 3 4 2 6 2 ' ' '' '' ' ' IQ ' ' ' ' ' ' Altura (cm) 150 160 170 180 190 150 160 170 180 190 Altura (cm) ' ' ' ' '' ' ' ' ' ' ' '' '' ' ' ' ' ' ' Precio (millones $) 0 500 1000
Más detalles4 5 3 4 2 6 2 IQ Altura (cm) 150 160 170 180 190 150 160 170 180 190 Altura (cm) (a) (b) Precio (millones $) 0 500 1000 1500 Precio (millones $) 0 200 400 600 800 1000 1200 1400 no si aburra sur.no
Más detallesProfesorado para el 3º Ciclo de la EGB y Educación Polimodal en Tecnología Espacio de Definición Institucional LA TRANSFORMACIÓN DE DATOS EN
LA TRANSFORMACIÓN DE DATOS EN INFORMACIÓN CONTABLE -1- -2- -3- -4- -5- LA ECUACIÓN CONTABLE BÁSICA -6- -7- -8- -9- - 10 - - 11 - REGISTRACIÓN EN EL LIBRO DIARIO - 12 - - 13 - - 14 - - 15 - - 16 - - 17
Más detallesPREDICCIONES PARA OCTUBRE, NOVIEMBRE Y DICIEMBRE DE 2007
Predicciones de Índice de Precios Percibidos General (Octubre, Noviembre y Diciembre 2007) Cátedra Jean Monnet de Economía de la Integración Europea PREDICCIONES PARA OCTUBRE, NOVIEMBRE Y DICIEMBRE DE
Más detallesTema 3: Estimadores de máxima verosimilitud
Tema 3: Estimadores de máxima verosimilitud 1 (basado en el material de A. Jach (http://www.est.uc3m.es/ajach/) y A. Alonso (http://www.est.uc3m.es/amalonso/)) Planteamiento del problema: motivación Método
Más detallesIntroducción a series de tiempo
Introducción a series de tiempo Aniel Nieves-González Abril 2013 Aniel Nieves-González () Time Series Abril 2013 1 / 20 Definiciones Definition (Serie de tiempo (Time Series)) Una serie de tiempo (ST)
Más detallesQuinta Entrega. 3. Diagnosis: se comprueba que los residuos verifican la hipótesis de ruido blanco.
Prácticas de la asignatura Series Temporales Quinta Entrega 1 Identificación y Predicción de modelos ARIMA En esta entrega veremos como ajustar modelos ARIMA a series de datos reales. Supongamos que tenemos
Más detallesEfecto Grados de Libertad A 1 D 1 B 1 E 1 C 1 F 1 AD 1 CD 1 AE 1 CD 1 AF 1 CF 1 BD 1 BE 1 BF 1
Diseños Robustos El diseño robusto es esencialmente un principio que hace énfasis en seleccionar adecuadamente los niveles de los factores controlables en el proceso para la manufactura de productos. El
Más detallesDISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II SOLUCIÓN PRACTICA 1 Problema 2-. Para una serie de investigaciones, en las que el tamaño de la muestra era el mismo, se ha calculado la t de Student con objeto
Más detallesARCH y GARCH. Series de tiempo. Miguel Ángel Chong R. 14 de mayo del 2013
Estadística Miguel Ángel Chong R. miguel@sigma.iimas.unam.mx 14 de mayo del 013 Modelos estacionales multiplicativos y estacionarios En la mayor parte de los casos los datos no sólo están correlacionados
Más detallesACTIVIDAD 3: Intervalos de Confianza para 1 población
ACTIVIDAD 3: Intervalos de Confianza para 1 población CASO 3-1: REAJUSTE DE MÁQUINAS Trabajamos como supervisores de una máquina dedicada a la producción de piezas metálicas cuya longitud sigue una distribución
Más detallesRELACIÓN DE EJERCICIOS DE REPASO DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I
Dto. de MATEMÁTICAS RELACIÓN DE EJERCICIOS DE REPASO DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I 1. Calcular, de forma exacta las siguientes operaciones. a) 1, 0, b) 0,7:0,916. Representa el conjunto
Más detallesREGRESIÓN LINEAL CON SPSS
ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística REGRESIÓN LINEAL CON SPSS 1.- INTRODUCCIÓN El análisis de regresión lineal es una técnica estadística utilizada para estudiar la relación entre
Más detallesHerramientas Estadísticas para la Gestión
Herramientas Estadísticas para la Gestión Q7: Las siete herramientas de la calidad 1. Hoja de recogida de datos 2. Diagramas de flujo 3. Diagrama causa-efecto o espina de pez 4. Cartas de control de calidad
Más detallesEjemplos de clase Administración de Inventarios. Guatemala, abril de 2013
Ejemplos de clase Administración de Inventarios Guatemala, abril de 2013 ADMINISTRACIÓN DE INVENTARIOS A. MODELOS DE INVENTARIO PARA DEMANDA INDEPENDIENTE B. MODELOS PROBABILISTICOS E INVENTARIOS DE SEGURIDAD
Más detallesGuía breve de análisis de series temporales unidimensionales con Gretl
Guía breve de análisis de series temporales unidimensionales con Gretl 1. Pasos a seguir 1. Representación de la serie temporal (Variable Gráfico de series temporales). 2. Serie temporal no estacionaria
Más detallesRegresión con errores autocorrelacionados
Series de tiempo Gerardo Ortega Miguel Pluma Luis Osorio Johnatan García 09 de diciembre de 2013 Contenido 1 Introducción Idea intuitiva 2 Algoritmo 3 Propiedades de los estimadores 4 Estadístico de Durbin-Watson
Más detalles11. PRUEBAS NO PARAMÉTRICAS
. PRUEBAS NO PARAMÉTRICAS Edgar Acuña http://math.uprm/edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ PRUEBAS NO PARAMÉTRICAS Se estudiarán las pruebas noparamétricas, las cuales
Más detalles3. Resolver triángulos rectángulos utilizando las definiciones de las razones trigonométricas.
Contenidos mínimos MI. 1. Contenidos. Bloque I: Aritmética y Álgebra. 1. Conocer las clases de números, los conjuntos numéricos: naturales, enteros, racionales, reales y complejos y las propiedades que
Más detallesÍndice INTRODUCCION. Introducción
Índice INTRODUCCION 2 TENDENCIA 4 PROMEDIOS MÓVILES 6 VARIACIONES CÍCLICAS E IRREGULARES 7 VARIACIONES ESTACIONALES 9 MÉTODO DE LA RAZÓN AL PROMEDIO MÓVIL 10 ALISAMIENTO EXPONENCIAL 11 BIBLIOGRAFIA 12
Más detallesAnálisis de la Capacidad o Aptitud de un proceso ( Capítulo 8 ) Control Estadístico de Calidad
Análisis de la Capacidad o Aptitud de un proceso ( Capítulo 8 ) Control Estadístico de Calidad Introducción Cuantificar la variabilidad de un proceso. Analizar esta variabilidad en relación con los requisitos
Más detallesTema 3. 3. Correlación. Correlación. Introducción
3-1 Introducción Tema 3 Correlación Coeficiente de correlación lineal de Pearson Coeficiente de correlación poblacional Contraste paramétrico clásico Transformación de Fisher Correlación bayesiana Test
Más detallesANEXO 8 Pronóstico de ventas. Para realizar los pronósticos de venta del nuevo punto de venta, se utilizó lo que se
ANEXO 8 Pronóstico de ventas Para realizar los pronósticos de venta del nuevo punto de venta, se utilizó lo que se denomina Análisis de Series de Tiempo, el cual comprende una variable independiente (X)
Más detallesEjemplos de clase Administración de Inventarios
Ejemplos de clase Administración de Inventarios ADMINISTRACIÓN DE INVENTARIOS A. MODELOS DE INVENTARIO PARA DEMANDA INDEPENDIENTE B. MODELOS PROBABILISTICOS E INVENTARIOS DE SEGURIDAD C. SISTEMAS DE PERIODO
Más detallesTamaño de muestra agropecuaria
Pablo Tadeo Cruz * RESUMEN En este documento, se analizan condiciones de productividad y rentabilidad de los Sistemas de Producción Agropecuaria, dónde se aplica metodología de determinación de tamaño
Más detallesY = ßo + ß1X + ε. La función de regresión lineal simple es expresado como:
1 Regresión Lineal Simple Cuando la relación funcional entre las variables dependiente (Y) e independiente (X) es una línea recta, se tiene una regresión lineal simple, dada por la ecuación donde: Y =
Más detallesEjemplos de estudios de series de tiempo
1 Ejemplos de estudios de series de tiempo Ejemplo 1 Pasajeros Aerolíneas Internacionales (PAI) Este estudio está realizado sobre un famoso conjunto de datos mensuales, el número de pasajeros de aerolíneas
Más detallesIntroducción a series de tiempo
Introducción a series de tiempo Aniel Nieves-González Spring 2014 Aniel Nieves-González () Time Series Spring 2014 1 / 20 Definiciones Definition (Serie de tiempo (Time Series)) Una serie de tiempo (ST)
Más detallesInferencia estadística en la EBAU de Murcia INFERENCIA ESTADÍSTICA EN LA EBAU DE MURCIA
INFERENCIA ESTADÍSTICA EN LA EBAU DE MURCIA 1. (Septiembre 2017) El consumo de carne por persona en un año para una población es una variable aleatoria con distribución normal con desviación típica igual
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2009/10
Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detallesCAPÍTULO 2: PRODUCTOS Y DEMANDAS. en Funpimet, por lo que aquí se analizan los datos históricos de ventas para pronosticar
CAPÍTULO 2: PRODUCTOS Y DEMANDAS. En el primer capítulo de este proyecto se expusieron los productos que se fabrican en Funpimet, por lo que aquí se analizan los datos históricos de ventas para pronosticar
Más detalles5 Relaciones entre variables.
ANÁLISIS EPLORATORIO DE DATOS 39 ANÁLISIS EPLORATORIO DE DATOS 40 Relaciones entre variables..1 Ejercicios. Ejercicio.1 En una muestra de 0 individuos se recogen datos sobre dos medidas antropométricas
Más detallesFUERZA DE VENTAS. Administración. Séptima Edición CAPÍTULO CINCO. El papel estratégico de la información en la administración de ventas
FUERZA DE VENTAS Administración Séptima Edición CAPÍTULO CINCO El papel estratégico de la información en la administración de ventas 5.1 Copyright Copyright 2003 2003by bythe TheMcGraw-Hill McGraw-HillCompanies,
Más detallesTRABAJO PRÁCTICO ESTADISTICA APLICADA (746)
UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADEMICO AREA DE MATEMATICA TRABAJO PRÁCTICO ESTADISTICA APLICADA (746) JOSE GREGORIO SANCHEZ CASANOVA C.I. V-9223081 CARRERA: 610 SECCION Nº 1 SAN CRISTOBAL,
Más detallesAnálisis de Series de Tiempo
CURSO REGIONAL SOBRE HOJA DE BALANCE DE ALIMENTOS, SERIES DE TIEMPO Y ANÁLISIS DE POLÍTICA MSc. Sandra Hernández sandra.hernandezro@gmail.com Sede Subregional de la CEPAL en México Ciudad de México, del
Más detallesAnálisis Estadístico
Universidad Torcuato Di Tella Análisis Estadístico Examen Final 05/07/2017 TEMA 1 Nombre y Apellido: Número de legajo: Instrucciones El examen tiene dos partes. La parte A (40 puntos) contiene 10 preguntas
Más detallesFunciones de varias variables: problemas propuestos
Funciones de varias variables: problemas propuestos BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimenez@ull.es) M. ISABEL MARRERO RODRÍGUEZ
Más detallesEJERCICIOS TEMA 1. Clasifica los siguientes caracteres estadísticos según sean cualitativos, variables discretas o variables continuas:
Ejercicio 1. Clasifica los siguientes caracteres estadísticos según sean cualitativos, variables discretas o variables continuas: a) Marca de los coches. b) Peso de los coches. c) Número de coches vendidos
Más detallesAnálisis de Series Temporales. Análisis de 10 series de datos aplicando técnicas y métodos estadísticos de análisis de series temporales con R.
Análisis de Series Temporales. Análisis de 10 series de datos aplicando técnicas y métodos estadísticos de análisis de series temporales con R. Juan Antonio Breña Moral Pagina 1 Índice. 1. Introducción
Más detallesTUTORIAL INTRODUCTORIO DE MATLAB
TUTORIAL INTRODUCTORIO DE MATLAB (PVB Parte I) Consejos y tips para tener en cuenta. Si la forma de la interface o la disposición de las ventanas cambia de configuración, ya sea que se desordenen o se
Más detallesPrincipios de Estadística. Histogramas. Comparar distribuciones. Comparar cuantiles
Leonardo Collado Torres y María Gutiérrez Arcelus Licenciatura en Ciencias Genómicas, UNAM www.lcg.unam.mx/~lcollado/index.php www.lcg.unam.mx/~mgutierr/index.php Cuernavaca, México Febrero - Junio, 2009
Más detallesVisualización de imágenes
Tema 5 Visualización de imágenes Tradicionalmente se ha dividido el análisis de imágenes de satélite en 2 fases, un análisis visual y un análisis digital. El primero es similar en muchos aspectos a la
Más detallesEstacionalidad Determinista Segmentada, Efecto Calendario, Efecto Semana Santa y predicción de modelos con Raíces Unitarias
Estacionalidad Determinista Segmentada, Efecto Calendario, Efecto Semana Santa y predicción de modelos con Raíces Unitarias Práctica N o 2 Técnicas en Predicción Administración y Dirección de Empresas
Más detallesACTIVIDAD 2: La distribución Normal
Actividad 2: La distribución Normal ACTIVIDAD 2: La distribución Normal CASO 2-1: CLASE DE BIOLOGÍA El Dr. Saigí es profesor de Biología en una prestigiosa universidad. Está preparando una clase en la
Más detallesModelo Lineal: Diagnóstico. Cómo verificamos todos los supuestos que hemos realizado?
Modelo Lineal: Diagnóstico Verificación de Supuestos y Diagnóstico Supongamos que tenemos una muestra(y i,x i ),,...,nquecumple: y i =x iβ+ɛ i dondeɛ i =N(0,σ 2 )sonindependientesyestimamosporelmétododemínimos
Más detallesEstadística I Solución Examen Final - 28 Mayo de 2009
Estadística I Examen Final - 28 Mayo de 2009 (1 (10 puntos A 16 estudiantes de Filosofía se les preguntó cuántas clases de esta asignatura habían perdido durante el cuatrimestre. Las respuestas obtenidas
Más detallesLas técnicas para resumir la información ió contenida en un conjunto de datos x 1, x 2,,x n son: Tablas de frecuencias: por columnas, disponemos los
Las técnicas para resumir la información ió contenida en un conjunto de datos x 1, x 2,,x n son: Tablas de frecuencias: por columnas, disponemos los datos (si hay pocos distintos) o los intervalos (si
Más detallesRegresión lineal múltiple
Regresión lineal múltiple José Gabriel Palomo Sánchez gabriel.palomo@upm.es E.U.A.T. U.P.M. Julio de 2011 Índice I 1 El modelo de regresión lineal múltiple 1 El modelo de regresión múltiple. Introducción
Más detallesCAPÍTULO 4 CAPACIDAD DEL PROCESO
APÍTULO 4 APAIDAD DEL PROESO APÍTULO 4 APAIDAD DEL PROESO En este capítulo se hace una evaluación de la situación actual de la producción de la tapa de las guanteras para el coche modelo Jetta A4. Para
Más detallesTÉCNICAS COMPUTACIONALES EN LA ESTADÍSTICA BAYESIANA
TÉCNICAS COMPUTACIONALES EN LA ESTADÍSTICA BAYESIANA Luis A. Barboza Grupo de Estadística Bayesiana (GEB) Universidad de Costa Rica Julio 2014 Técnicas computacionales en Estadística Bayesiana 1 Contenidos
Más detallesDiplomatura en Ciencias Empresariales X Y 10 10000 100 1000 1000 100 10000 10
DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Diplomatura en Ciencias Empresariales ESTADÍSTICA II Relación Tema 10: Regresión y correlación simple. 1. Ajustar una función potencial a los siguientes
Más detallesSeries temporales. Series temporales
Series temporales Series temporales Una serie temporal es una variable cuya evolución se sigue a lo largo del tiempo. Para obtenerla tomaremos observaciones de la variable a intervalos regulares de tiempo.
Más detallesMapa de caudales máximos
JORNADA TÉCNICA T DE INUNDACIONES 10-11 11 de junio de 010 Mapa de caudales máximos Antonio Jiménez Álvarez del CEDEX 1 CARACTERÍSTICAS GENERALES DEL TRABAJO Realizado dentro de un Convenio de colaboración
Más detallesCUADERNO DE EJERCICIOS
MÉTODOS DE INVESTIGACIÓN EN EDUCACIÓN Psicopedagogía Curso 2009/2010 CUADERNO DE EJERCICIOS Ejercicio nº 1 Aplicada una prueba de medición de la inteligencia a un grupo de 50 alumnos, las puntuaciones
Más detalles1. Límites normales de tolerancia: estos límites asumen que los datos son una muestra aleatoria de una distribución normal.
Límites de Tolerancia Los límites de tolerancia proporcionan un rango de valores para X tal que se puede tener 100(1-α) % de confianza que P por ciento de la población, de la cual provienen los datos,
Más detallesEstadística I Examen Final - 28 Mayo de 2009 Tiempo: 2.5h - Total: 40 puntos. Nombre:... Grupo:...
Estadística I Examen Final - 28 Mayo de 2009 Tiempo: 2.5h - Total: 40 puntos Nombre:... Grupo:... Realizar los cálculos intermedios con 4 decimales y redondear el resultado final a 2 decimales. 1. (10
Más detallesANÁLISIS EXPLORATORIO DE DATOS ESPACIALES ESTADÍSTICA ESPACIAL
ANÁLISIS EXPLORATORIO DE DATOS ESPACIALES ESTADÍSTICA ESPACIAL DEPARTAMENTO DE GEOGRAFÍA FACULTAD DE HUMANIDADES UNNE Prof. Silvia Stela Ferreyra Revista Geográfica Digital. IGUNNE. Facultad de Humanidades.
Más detallesEstadísticas Elemental Medidas de dispersión 3.1-1
Estadísticas Elemental Medidas de dispersión 3.1-1 Medidas de dispersión La variación entre los valores de un conjunto de datos se conoce como dispersión. Cuando la dispersión es grande, los valores se
Más detallesDistribuciones bidimensionales. Regresión.
Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Tema 5: Distribuciones bidimensionales. Regresión. Resumen teórico Resumen teórico de los principales conceptos estadísticos
Más detallesModelos de Calibración
Modelos de Calibración Resumen El procedimiento Modelos de Calibración esta diseñado para construir un modelo estadístico que describe la relación entre variables, X y Y, donde construir un modelo es construir
Más detallesPrácticas de Fiabilidad
Prácticas de Fiabilidad Práctica : Objetivo: En esta práctica se van a ajustar datos censurados. De los tres tipos de censura existentes se va a trabajar con la censura aleatoria, es decir, el proceso
Más detallesGEOESTADÍSTICA APLICADA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO GEOESTADÍSTICA APLICADA Tema: Análisis Exploratorio de Datos Instructores: Dr. Martín A. Díaz Viera (mdiazv@imp.mx) Dr. Ricardo Casar González (rcasar@imp.mx) 2009
Más detallesEstimación por intervalos
Método de construcción de intervalos de confianza Intervalos de confianza para una población normal Estadística II Universidad de Salamanca Curso 2011/2012 Método de construcción de intervalos de confianza
Más detallesModelos de probabilidad en R
Modelos de probabilidad en R Contents Probabilidades Discretas 1 Ejemplo: suma de la cara de dos dados................................. 1 Distribución Binomial:...........................................
Más detallesEJERCICIOS PARA PREPARAR EL CONTROL DE MATEMÁTICAS. a) Agrupa los datos en cuatro clases y escribe la tabla de frecuencias.
EJERCICIOS PARA PREPARAR EL CONTROL DE MATEMÁTICAS Estos ejercicios se pueden presentar el día del examen, en hojas sueltas, no en el cuaderno. Además puedes añadir todos los ejercicios que tú realices
Más detallesEL MAPA DE CAUDALES MÁXIMOS EN ESPAÑA
EL MAPA DE CAUDALES MÁXIMOS EN ESPAÑA BASE TEÓRICA Y SITUACIÓN ACTUAL Antonio Jiménez Álvarez Centro de Estudios Hidrográficos (CEDEX) 1 CARACTERÍSTICAS GENERALES DEL TRABAJO Realizado dentro de un Convenio
Más detallesSESIÓN PRÁCTICA 7: REGRESION LINEAL SIMPLE PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas
SESIÓN PRÁCTICA 7: REGRESION LINEAL SIMPLE PROBABILIDAD Y ESTADÍSTICA PROF. Esther González Sánchez Departamento de Informática y Sistemas Facultad de Informática Universidad de Las Palmas de Gran Canaria
Más detallesUNIVERSIDAD DE LOS ANDES INSTITUTO DE ESTADISTICA APLICADA Y COMPUTACION FACES MODELOS GARCH
UNIVERSIDAD DE LOS ANDES INSTITUTO DE ESTADISTICA APLICADA Y COMPUTACION FACES MODELOS GARCH Procesos Generalizados Autorregresivos con Heterocedasticidad Condicional GIAMPAOLO ORLANDONI MERLI orlandon@ula.ve
Más detallesMetodologías de Pronóstico del Precio de la Energía
Teoría Básica de Series de Tiempo: Box - Jenkins Aplicación Hacia un Modelo Dinámico de Factores Pronósticos Intermedios Pronóstico del Precio de la Energía Validación de Modelos Metodologías de Pronóstico
Más detallesCURSO: ECONOMETRÍA Y ANÁLISIS DE POLÍTICAS FISCALES INSTRUCTOR: HORACIO CATALÁN ALONSO. Especificación de los modelos VAR
CURSO: ECONOMETRÍA Y ANÁLISIS DE POLÍTICAS FISCALES INSTRUCTOR: HORACIO CATALÁN ALONSO Especificación de los modelos VAR Modelos VAR es una extensión de un AR(p) Permiten un mejor entendimiento de la
Más detallesEl método de mínimos cuadrados. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas
El método de mínimos cuadrados Curso de Estadística TAE, 005 J.J. Gómez-Cadenas Mínimos cuadrados y máxima verosimilitud Teorema del límite central Una medida y, puede considerarse como un variable aleatoria,
Más detallesÍndice General de Ventas en Grandes Almacenes y su logaritmo
En los gráficos y cuadros que se presentan en las páginas siguientes se presentan resultados relativos a la variable Índice General de Ventas en grandes superficies en España con periodicidad mensual desde
Más detallesProcesos ARIMA estacionales
Capítulo 6 Procesos ARIMA estacionales 6.1. INTRODUCCIÓN Otra causa de no estacionaridad es la estacionalidad: En una serie mensual con estacionalidad anual, cada mes tiene una media distinta, con lo cual
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2010/11
Estadística II Tema 4. Regresión lineal simple Curso 010/11 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesMICROSOFT EXCEL PARA DIRECCIÓN FINANCIERA I. 1. Resolución de problemas de simulación de Montecarlo mediante el uso de la hoja de cálculo.
MICROSOFT EXCEL PARA DIRECCIÓN FINANCIERA I. 1. Resolución de problemas de simulación de Montecarlo mediante el uso de la hoja de cálculo. Mediante el modelo de Hertz o Simulación de Montecarlo, trataremos
Más detalles