Descomposición de Series de Tiempo
|
|
- Juan Luis López Suárez
- hace 6 años
- Vistas:
Transcripción
1 Curso de Economería de Series de iempo Faculad de Economía Universidad Nacional Auónoma de México Descomposición de Series de iempo Profesor: Juan Francisco Islas Aduno: Miguel Heras Ciudad Universiaria, Agoso 0
2 Principios de Descomposición de Series de iempo Componenes de separación endencia-ciclo: Represena los cambios de largo plazo en el nivel de la serie de iempo. Esacionalidad: Caraceriza flucuaciones periódicas de longiud consane causadas por facores ales como emperaura, esación del año, periodo vacacional, políicas, ec. daos=parónerror ( endencia - ciclo, esacionalidad, error) ( S, E ) = f = f,
3 Principios de Descomposición de Series de iempo Descomposición Adiiva = S Descomposición Muliplicaiva = S ransformación logarímica E E log = log S log log Descomposición Pseudo-Adiiva Ause esacional ( S E ) = S = E E
4 Promedios Móviles Simples: MA Serie MA MA M M M = MA,..., = para window,,
5 MA M M M Promedios Móviles Simples: 5MA Serie 5MA 5 5 = MA,..., = para,, window
6 Promedios Móviles Simples: Generalización MA orden impar En general, para cualquier impar = MA L,, = L para y ause para las primeras observaciones y úlimas.,, window
7 Eemplos Serie original shampoo.csv Monh oal sales (liers)
8 oal sales (liers) Eemplos MA smooher ( ) = Monh oal sales (liers) ma: x()= liers: window( )
9 Suavizamieno mediane Promedios Móviles Simples Ause en los punos exremos de la serie MA A = M ( ) A = ( )
10 oal sales (liers) Eemplos 5 MA smooher ( ) = Monh oal sales (liers) ma: x()= liers: window( )
11 Suavizamieno mediane Promedios Móviles Simples Ause en los punos exremos de la serie 5MA A = A = M ( ) A = A = ( )
12 MA M M M Promedios Móviles Simples. Generalización MA Serie MA MA M M M = MA,, = L para y ause de la úlima observación. pivoe izquierdo pivoe derecho MA =,, = L para y ause de la primera observación. 0,, window window,,0
13 Promedios Móviles Simples. Generalización MA Serie MA = MA,, = L para y ause de la primera y úlimas dos observaciones.,, = L para = MA y ause de las primeras dos y úlima observaciones. MA 5 M M M MA M M M pivoe izquierdo pivoe derecho window,,,, window
14 En general, para cualquier par y pivoe izquierdo = MA L,, = L para y ause para las primeras observaciones y úlimas. Promedios Móviles Simples: Generalización MA orden par
15 En general, para cualquier par y pivoe derecho = MA L,, = L para y ause para las primeras observaciones y úlimas. Promedios Móviles Simples: Generalización MA orden par
16 oal sales (liers) Se aplicó MA con pivoe izquierdo a la serie ( ) = Eemplos MA smooher Se ausa la primera y las dos úlimas observaciones de la serie MA. A = ( ) A = A = ( ) ( ) Monh oal sales (liers) ma: x()= liers: window( )
17 Promedios Móviles Compuesos (Caso de Cenrados x MA) oal sales (liers) Se aplicó MA con pivoe derecho a la serie MA x MA smooher Se ausa la primera observación de la serie x MA: = A MA Monh oal sales (liers) ma: x()= ma: window( 0)
18 oal sales Descomposición de una Serie de iempo Monhly sales of new-one family sold in he USA since 97 serie original hsales.csv 975m 980m 985m 990m 995m Monh
19 oal sales Suavizamieno mediane Promedios Móviles 7 7 MA smooher ( ) = 975m 980m 985m 990m 995m Monh hsales ma: x()= hsales: window ( )
20 Suavizamieno mediane Promedios Móviles Ause en los punos exremos de la serie 7MA 5 5 A = A = M A = A = A = 5 A = 5 6
21 oal sales Promedios Móviles Simples (Caso par con pivoe derecho) MA smooher (uncenered) 975m 980m 985m 990m 995m Monh hsales ma: x()= hsales: window(6 5)
22 Suavizamieno mediane Promedios Móviles Ause en los exremos de la serie MA con pivoe derecho A = 6 6 = A = 7 7 = A = 8 8 = A = 9 9 = A 5 = 0 0 = A 6 = = M window( 6,,5 ) A = = 0 A = 0 = 9 A = 9 = 8 A = 8 = 7 A = 7 = 6
23 oal sales Promedios Móviles Compuesos (Caso de Cenrados x MA) Cenered MA smooher Ause MA por pivoe derecho a la serie MA: = A MA 975m 980m 985m 990m 995m Monh hsales ma: x()= ma: window( 0)
24 Código en SAA * Suavizamieno mediane Promedios Móviles Simples MA y 5MA inshee liers using "c:\mwhdaa\shampoo.csv", clear gen monh=. for num 5:replace monh= in X for num 6:replace monh= in X for num 5 7:replace monh= in X for num 6 8:replace monh= in X for num 5 7 9:replace monh=5 in X for num 6 8 0:replace monh=6 in X for num 7 9 :replace monh=7 in X for num 8 0 :replace monh=8 in X for num 9 :replace monh=9 in X for num 0 :replace monh=0 in X for num 5:replace monh= in X for num 6:replace monh= in X label define monh "Jan" "Feb" "Mar" "Apr" 5 "May" 6 "Jun" 7 "Jul" 8 "Aug" 9 "Sep" 0 "Oc" "Nov" "Dec" label values monh monh label var liers "oal sales (liers)" gen year=. replace year= in / replace year= in / replace year= in 5/6 gen =_n label var "Monh" line liers, saving("c:\mwhdaa\shampoo.gph", replace) sse ssmooh ma ma=liers, window( ) lis graph woway (line liers ) (line ma ), ile(" MA smooher") yile("oal sales (liers)") saving("c:\mwhdaa\shampooma.gph", replace)
25 Código en SAA * Suavizamieno mediane Promedios Móviles MA y 5MA (coninuación) ssmooh ma ma5=liers, window( ) graph woway (line liers ) (line ma5 ), ile("5 MA smooher") yile("oal sales (liers)") saving("c:\mwhdaa\shampooma5.gph", replace) * Promedios Móviles cenrados * Consrucción de la Serie x MA * Se genera la serie MA ssmooh ma ma=liers, window( ) graph woway (line liers ) (line ma ), ile(" MA smooher") yile("oal sales (liers)") saving("c:\mwhdaa\shampooma.gph", replace) * Se aplican promedios móviles MA a la serie MA obenida ssmooh ma mama=ma, window( 0) graph woway (line liers ) (line mama ), ile("x MA smooher") yile("oal sales (liers)") saving("c:\mwhdaa\shampooxma.gph", replace) lis
26 Código en SAA * 7 MA smooher for Housing sales daa inshee hsales using "c:\mwhdaa\hsales.csv", clear gen =. replace =ym(97,) in for num /75: replace =[X-] in X forma %m label var "Monh" sse graph woway (line hsales, lcolor(blue)), ile("monhly sales of new-one family sold in he USA since 97") yile("oal sales") saving("c:\mwhdaa\hsales.gph",replace) ssmooh ma ma7=hsales, window( ) graph woway (line hsales, lcolor(yellow)) (line ma7, lcolor(black)), ile("7 MA smooher") yile("oal sales") saving("c:\mwhdaa\hsales7ma.gph",replace) * x MA smooher for Housing sales daa * Serie de Promedios Móviles Cenrados x MA * Se genera la serie MA ssmooh ma ma=hsales, window(6 5) graph woway (line hsales, lcolor(yellow)) (line ma, lcolor(black)), ile(" MA smooher (uncenered)") yile("oal sales") saving("c:\mwhdaa\hsalesma.gph",replace) * Se aplican promedios móviles MA a la serie MA obenida ssmooh ma mama=ma, window( 0) graph woway (line hsales, lcolor(yellow)) (line mama, lcolor(black)), ile("cenered MA smooher") yile("oal sales") saving("c:\mwhdaa\hsalesxma.gph",replace) lis
27 = 5 5 9, 9,, 9, 9 Promedios Móviles Ponderados Fuene: hp:// Cualquier combinación de promedios móviles simples puede ser uilizada para formar un promedio móvil doble (o compueso) y al modificarse los ponderadores se obiene una serie de promedios móviles ponderados. Por eemplo, MA x es equivalene a MA 5 con ponderadores: Algunas funciones de ponderación en promedios móviles:
28 Promedios Móviles Ponderados. Eemplo MA 9 En general, un promedio móvil ponderado iene la forma: wma = m =m a Por eemplo, se obiene un promedio móvil MA 9 ponderado bao la función cuárica: Q (, m) = m 0 para m en oro caso Normalizando, el ponderador para la -ésima observación es: a = m Q i=m (, m) Q( i, m) con < < m m =m a =
29 Promedios Móviles Ponderados. Eemplo MA liers shampoo.csv liers ma9w Weighed MA9 smooher oal sales (liers) Monh liers ma9w liers m a9w
30 Función de Ponderadores. Eemplo MA 9 Función de Ponderadores MA 9 bao función cuárica Ponderador Función de Ponderadores, bao la función cuárica, para las observaciones 0 a 7 de la serie MA érmino Función de Ponderadores para la Observación 6 Función de Ponderadores, bao la función cuárica, para el ause (MA 0) de la Observación 6 de la serie MA 9 Ponderador érmino
31 Suavizamieno por Regresión Local = a b Se esima la endencia-ciclo en el periodo donde a y b son los esimadores de Mínimos Cuadrados Ponderados ales m que resuelven el problema de min a a b a, b =m ( ) Se define una función de ponderadores. Para ese eemplo, los que se derivan de la función cuárica anes visa liers Fied values Fied values 5 6 Para cada periodo, mediane regresión local se obiene un puno esimado de endencia-ciclo, y los correspondienes auses para los exremos. La rayecoria de endencia-ciclo resulane se obiene al enlazar los punos esimados en las regresiones locales a cada periodo.
32 Descomposición Adiiva Descomposición Clásica Considerando los daos de la base hsales.csv Paso : Esimación de endencia-ciclo. Mediane promedio móvil cenrado MA. oal sales Cenered MA smooher 975m 980m 985m 990m 995m Monh hsales ma: x()= ma: window( 0)
33 Descomposición Adiiva Descomposición Clásica Paso : Eliminación de endencia. Al resar el componene endencia-ciclo de los daos originales, quedando los érminos de esacionalidad e irregularidad. = S E original, rend-cycle & de-rended housing sales series oal sales m 980m 985m 990m 995m Monh hsales ma: x()= ma: window( 0) derend
34 Descomposición Clásica Descomposición Adiiva Paso : Índice esacional. Una vez removido el componene endencia-ciclo, bao la descomposición adiiva se asume que el componene esacional es consane año con año. De acuerdo al conuno de daos considerado se requiere calcular un valor para cada mes. El índice esacional se consruye promediando las observaciones sin endencia correspondienes a cada mes para odos los años observados. Índice Esacional Esacionalidad (mean) derend monh season m 980m 985m 990m 995m Monh
35 Descomposición Clásica Descomposición Adiiva Paso : Serie de Irregularidad. Se obiene a parir de: E = S Irregularidad irreg m 980m 985m 990m 995m Monh
36 Resumen gráfico de la Descomposición Adiiva hsales = S S e r i e o r i g i n a l E m m m m m M o n h e n d e n c i a - C i c l o ma: x()= ma: window( 0) season m m m m m M o n h E s a c i o n a l i d a d S m m m m m M o n h I r r e g u l a r i d a d irreg E m m m m m M o n h
37 Descomposición Muliplicaiva Descomposición Clásica Considerando los daos de la base airline.csv Paso : Esimación de endencia-ciclo. Mediane promedio móvil cenrado MA. Cenered MA smooher Passengers (housands) m 950m7 95m 95m7 955m 956m7 Monh passengers ma: x()= ma: window(0 )
38 Descomposición Clásica Descomposición Muliplicaiva Paso : Cálculo de la razón porcenual daos a promedio móvil. S E R = = = S E original, rend-cycle & derended passenger ravel series Passengers (housands) m 950m7 95m 95m7 955m 956m7 Monh passengers ma: x()= ma: window(0 ) raio
39 Descomposición Clásica Descomposición Muliplicaiva Paso : Índice esacional. Una vez removido el componene endencia-ciclo, bao la descomposición muliplicaiva se asume que el componene esacional es consane año con año. De acuerdo al conuno de daos considerado se requiere calcular un valor para cada mes. El índice esacional se consruye promediando las observaciones sin endencia correspondienes a cada mes para odos los años observados. Índice Esacional Esacionalidad (mean) raio monh season m 950m7 95m 95m7 955m 956m7 Monh
40 Descomposición Clásica Descomposición Muliplicaiva Paso : Serie de Irregularidad. Se obiene a parir de: E = S irreg Irregularidad 99m 950m7 95m 95m7 955m 956m7 Monh
41 passenger raffic (in housands) Passengers (housands) Resumen gráfico de la Descomposición Muliplicaiva S e r i e o r i g i n a l = S 9 9 m m m 9 5 m m m 7 M o n h E e n d e n c i a - C i c l o 9 9 m m m 9 5 m m m 7 M o n h E s a c i o n a l i d a d season S irreg 9 9 m m m 9 5 m m m 7 M o n h I r r e g u l a r i d a d E 9 9 m m m 9 5 m m m 7 M o n h
42 Méodo X--ARIMA del Buró de Censos noreamericano Para mayor dealle sobre la relevancia de ese méodo, véase hp:// hp://
43 Méodo X--ARIMA del Buró de Censos noreamericano
44 Código en SAA * Promedios móviles ponderados inshee y using "C:\mwhdaa\shampoo.csv", clear gen =_n sse label var y "liers" scaer y * Ponderadores MA 9 bao la función cuárica for num 0/9: scalar qx=(-(x/9)^)^ scalar sumaq=q9q8q7q6q5qqqqq0qqqqq5q6q7q8q9 for num 0/9: scalar ax=qx/sumaq for num 0/9: display ax gen ma9w=. for num 0/7: replace ma9w=a9*y[x-9]a8*y[x-8]a7*y[x-7]a6*y[x-6]a5*y[x-5]a*y[x-]a*y[x-]a*y[x- ]a*y[x-]a0*y[x]a*y[x]a*y[x]a*y[x]a*y[x]a5*y[x5]a6*y[x6]a7*y[x7]a8*y[x8]a9*y[x9] in X woway (scaer y ) (line ma9w ) * Ause de Observaciones de exrema izquierda * Observación scalar sumaq=q0qqqqq5q6q7q8q9 for num 0/9: scalar ax=qx/sumaq for num 0/9: display ax for num : replace ma9w=a0*y[x]a*y[x]a*y[x]a*y[x]a*y[x]a5*y[x5]a6*y[x6]a7*y[x7]a8*y[x8]a9*y[x9] in X * Observación scalar sumaq=qq0qqqqq5q6q7q8q9 for num 0/9: scalar ax=qx/sumaq for num 0/9: display ax for num : replace ma9w=a*y[x- ]a0*y[x]a*y[x]a*y[x]a*y[x]a*y[x]a5*y[x5]a6*y[x6]a7*y[x7]a8*y[x8]a9*y[x9] in X * Observación scalar sumaq=qqq0qqqqq5q6q7q8q9 for num 0/9: scalar ax=qx/sumaq for num 0/9: display ax for num : replace ma9w=a*y[x-]a*y[x- ]a0*y[x]a*y[x]a*y[x]a*y[x]a*y[x]a5*y[x5]a6*y[x6]a7*y[x7]a8*y[x8]a9*y[x9] in X
45 Código en SAA * Observación scalar sumaq=qqqq0qqqqq5q6q7q8q9 for num 0/9: scalar ax=qx/sumaq for num 0/9: display ax for num : replace ma9w=a*y[x-]a*y[x-]a*y[x- ]a0*y[x]a*y[x]a*y[x]a*y[x]a*y[x]a5*y[x5]a6*y[x6]a7*y[x7]a8*y[x8]a9*y[x9] in X * Observación 5 scalar sumaq=qqqqq0qqqqq5q6q7q8q9 for num 0/9: scalar ax=qx/sumaq for num 0/9: display ax for num 5: replace ma9w=a*y[x-]a*y[x-]a*y[x-]a*y[x- ]a0*y[x]a*y[x]a*y[x]a*y[x]a*y[x]a5*y[x5]a6*y[x6]a7*y[x7]a8*y[x8]a9*y[x9] in X * Observación 6 scalar sumaq=q5qqqqq0qqqqq5q6q7q8q9 for num 0/9: scalar ax=qx/sumaq for num 0/9: display ax for num 6: replace ma9w=a5*y[x-5]a*y[x-]a*y[x-]a*y[x-]a*y[x- ]a0*y[x]a*y[x]a*y[x]a*y[x]a*y[x]a5*y[x5]a6*y[x6]a7*y[x7]a8*y[x8]a9*y[x9] in X * Observación 7 scalar sumaq=q6q5qqqqq0qqqqq5q6q7q8q9 for num 0/9: scalar ax=qx/sumaq for num 0/9: display ax for num 7: replace ma9w=a6*y[x-6]a5*y[x-5]a*y[x-]a*y[x-]a*y[x-]a*y[x- ]a0*y[x]a*y[x]a*y[x]a*y[x]a*y[x]a5*y[x5]a6*y[x6]a7*y[x7]a8*y[x8]a9*y[x9] in X * Observación 8 scalar sumaq=q7q6q5qqqqq0qqqqq5q6q7q8q9 for num 0/9: scalar ax=qx/sumaq for num 0/9: display ax for num 8: replace ma9w=a7*y[x-7]a6*y[x-6]a5*y[x-5]a*y[x-]a*y[x-]a*y[x-]a*y[x- ]a0*y[x]a*y[x]a*y[x]a*y[x]a*y[x]a5*y[x5]a6*y[x6]a7*y[x7]a8*y[x8]a9*y[x9] in X * Observación 9 scalar sumaq=q8q7q6q5qqqqq0qqqqq5q6q7q8q9 for num 0/9: scalar ax=qx/sumaq for num 0/9: display ax for num 9: replace ma9w=a8*y[x-8]a7*y[x-7]a6*y[x-6]a5*y[x-5]a*y[x-]a*y[x-]a*y[x-]a*y[x- ]a0*y[x]a*y[x]a*y[x]a*y[x]a*y[x]a5*y[x5]a6*y[x6]a7*y[x7]a8*y[x8]a9*y[x9] in X woway (scaer y ) (line ma9w )
46 Código en SAA * Ause de Observaciones de exrema derecha * Observación 8 scalar sumaq=q9q8q7q6q5qqqqq0qqqqq5q6q7q8 for num 0/9: scalar ax=qx/sumaq for num 0/9: display ax for num 8: replace ma9w=a9*y[x-9]a8*y[x-8]a7*y[x-7]a6*y[x-6]a5*y[x-5]a*y[x-]a*y[x-]a*y[x- ]a*y[x-]a0*y[x]a*y[x]a*y[x]a*y[x]a*y[x]a5*y[x5]a6*y[x6]a7*y[x7]a8*y[x8] in X * Observación 9 scalar sumaq=q9q8q7q6q5qqqqq0qqqqq5q6q7 for num 0/9: scalar ax=qx/sumaq for num 0/9: display ax for num 9: replace ma9w=a9*y[x-9]a8*y[x-8]a7*y[x-7]a6*y[x-6]a5*y[x-5]a*y[x-]a*y[x-]a*y[x- ]a*y[x-]a0*y[x]a*y[x]a*y[x]a*y[x]a*y[x]a5*y[x5]a6*y[x6]a7*y[x7] in X * Observación 0 scalar sumaq=q9q8q7q6q5qqqqq0qqqqq5q6 for num 0/9: scalar ax=qx/sumaq for num 0/9: display ax for num 0: replace ma9w=a9*y[x-9]a8*y[x-8]a7*y[x-7]a6*y[x-6]a5*y[x-5]a*y[x-]a*y[x-]a*y[x- ]a*y[x-]a0*y[x]a*y[x]a*y[x]a*y[x]a*y[x]a5*y[x5]a6*y[x6] in X * Observación scalar sumaq=q9q8q7q6q5qqqqq0qqqqq5 for num 0/9: scalar ax=qx/sumaq for num 0/9: display ax for num : replace ma9w=a9*y[x-9]a8*y[x-8]a7*y[x-7]a6*y[x-6]a5*y[x-5]a*y[x-]a*y[x-]a*y[x- ]a*y[x-]a0*y[x]a*y[x]a*y[x]a*y[x]a*y[x]a5*y[x5] in X * Observación scalar sumaq=q9q8q7q6q5qqqqq0qqqq for num 0/9: scalar ax=qx/sumaq for num 0/9: display ax for num : replace ma9w=a9*y[x-9]a8*y[x-8]a7*y[x-7]a6*y[x-6]a5*y[x-5]a*y[x-]a*y[x-]a*y[x- ]a*y[x-]a0*y[x]a*y[x]a*y[x]a*y[x]a*y[x] in X * Observación scalar sumaq=q9q8q7q6q5qqqqq0qqq for num 0/9: scalar ax=qx/sumaq for num 0/9: display ax for num : replace ma9w=a9*y[x-9]a8*y[x-8]a7*y[x-7]a6*y[x-6]a5*y[x-5]a*y[x-]a*y[x-]a*y[x- ]a*y[x-]a0*y[x]a*y[x]a*y[x]a*y[x] in X
47 Código en SAA * Observación scalar sumaq=q9q8q7q6q5qqqqq0qq for num 0/9: scalar ax=qx/sumaq for num 0/9: display ax for num : replace ma9w=a9*y[x-9]a8*y[x-8]a7*y[x-7]a6*y[x-6]a5*y[x-5]a*y[x-]a*y[x-]a*y[x- ]a*y[x-]a0*y[x]a*y[x]a*y[x] in X * Observación 5 scalar sumaq=q9q8q7q6q5qqqqq0q for num 0/9: scalar ax=qx/sumaq for num 0/9: display ax for num 5: replace ma9w=a9*y[x-9]a8*y[x-8]a7*y[x-7]a6*y[x-6]a5*y[x-5]a*y[x-]a*y[x-]a*y[x- ]a*y[x-]a0*y[x]a*y[x] in X * Observación 6 scalar sumaq=q9q8q7q6q5qqqqq0 for num 0/9: scalar ax=qx/sumaq for num 0/9: display ax for num 6: replace ma9w=a9*y[x-9]a8*y[x-8]a7*y[x-7]a6*y[x-6]a5*y[x-5]a*y[x-]a*y[x-]a*y[x- ]a*y[x-]a0*y[x] in X * Gráfica final Serie Original y Serie MA9 Ponderada woway (scaer y ) (line ma9w ), ile("weighed MA9 smooher") xile("monh") yile("oal sales (liers)") saving("c:\mwhdaa\avma9.gph", replace) * Lisado de Observaciones Serie Original y Serie MA9 Ponderada lis
48 Código en SAA * Función de Ponderadores MA 9 bao la función cuárica clear se obs 9 gen =_n-0 gen double q=(-(/9)^)^ sum q gen double a=q/r(sum) lis, sum line a, ile("función de Ponderadores MA 9 bao función cuárica") xile("érmino") yile("ponderador") saving("c:\mwhdaa\weighs.gph", replace) * Función de Ponderadores bao la función cuárica para el Ause (MA 0) de la Observación 6 de la serie MA 9 clear se obs 0 gen =_n-0 gen double q=(-(/9)^)^ sum q gen double a=q/r(sum) lis, sum line a, ile("función de Ponderadores para la Observación 6") xile("érmino") yile("ponderador") saving("c:\mwhdaa\weighs6.gph", replace)
49 Código en SAA * Suavizamieno por Regresión Local inshee y using "C:\mwhdaa\shampoo.csv", clear gen =_n sse label var y "liers" gen yreg=. * Observación * Paso Idenificar las observaciones de la muesra a considerar scaer y, xline gen =. replace =_n- in / * Paso Definición de Ponderadores gen double q=. replace q=(-(/9)^)^ in / sum q gen double a=q/r(sum) * Paso Esimación por Mínimos Cuadrados Ponderados regress y in / [aw=a] predic yha woway (scaer y, xline mlabel()) (line yha ) (scaer yha if ==, mcolor(red) msize(large)) replace yreg=yha[] in drop q a yha * Paso Repeir para las observaciones 0 a y a 7 y auses resanes para razar * curva de endencia-ciclo esimada a parir de los punos locales de las respecivas * regresiones.
50 Código en SAA * Descomposición Adiiva * Paso 0 Preparar la Serie de iempo para su Descomposición label drop _all inshee hsales using "c:\mwhdaa\hsales.csv", clear gen =. replace =ym(97,) in for num /75: replace =[X-] in X forma %m label var "Monh" sse * Paso Esimar endencia-ciclo * x MA smooher for Housing sales daa * Serie de Promedios Móviles Cenrados x MA * Se genera la serie MA ssmooh ma ma=hsales, window(6 5) graph woway (line hsales, lcolor(yellow)) (line ma, lcolor(black)), ile(" MA smooher (uncenered)") yile("oal sales") saving("c:\mwhdaa\hsalesma.gph",replace) * Se aplican promedios móviles MA a la serie MA obenida ssmooh ma mama=ma, window( 0) graph woway (line hsales, lcolor(yellow)) (line mama, lcolor(black)), ile("cenered MA smooher") yile("oal sales") saving("c:\mwhdaa\hsalesxma.gph",replace) * Paso Eliminar endencia-ciclo gen double derend=hsales-mama graph woway (line hsales, lcolor(yellow)) (line mama, lcolor(red)) (line derend, lcolor(blue)), ile("original, rend-cycle & de-rended housing sales series") yile("oal sales") saving("c:\mwhdaa\derendedmax.gph",replace)
51 Código en SAA * Paso Obener el componene de Esacionalidad gen obs=_n gen mes="" replace mes="ene" if mod(obs,)== replace mes="feb" if mod(obs,)== replace mes="mar" if mod(obs,)== replace mes="abr" if mod(obs,)== replace mes="may" if mod(obs,)==5 replace mes="jun" if mod(obs,)==6 replace mes="jul" if mod(obs,)==7 replace mes="ago" if mod(obs,)==8 replace mes="sep" if mod(obs,)==9 replace mes="oc" if mod(obs,)==0 replace mes="nov" if mod(obs,)== replace mes="dic" if mod(obs,)==0 gen monh=. replace monh= if mes=="ene" replace monh= if mes=="feb" replace monh= if mes=="mar" replace monh= if mes=="abr" replace monh=5 if mes=="may" replace monh=6 if mes=="jun" replace monh=7 if mes=="jul" replace monh=8 if mes=="ago" replace monh=9 if mes=="sep" replace monh=0 if mes=="oc" replace monh= if mes=="nov" replace monh= if mes=="dic" label define monh "Jan" "Feb" "Mar" "Apr" 5 "May" 6 "Jun" 7 "Jul" 8 "Aug" 9 "Sep" 0 "Oc" "Nov" "Dec" label values monh monh sor monh able monh, c(mean derend) f(%9.9f)
52 Código en SAA gen double season=. replace season= if monh== replace season= if monh== replace season= if monh== replace season= if monh== replace season= if monh==5 replace season= if monh==6 replace season=.8588 if monh==7 replace season= if monh==8 replace season= if monh==9 replace season= if monh==0 replace season= if monh== replace season=-.865 if monh== sse graph woway (line season ), ile("esacionalidad") saving("c:\mwhdaa\season.gph",replace) * Paso Obener el componene de Irregularidad gen double irreg=. replace irreg=hsales-season-mama sse graph woway (line irreg ), ile("irregularidad") saving("c:\mwhdaa\irregular.gph",replace) * Gráfica del Índice de Esacionalidad collapse (mean) derend, by(mes) gen monh=. replace monh= if mes=="ene" replace monh= if mes=="feb" replace monh= if mes=="mar" replace monh= if mes=="abr" replace monh=5 if mes=="may" replace monh=6 if mes=="jun" replace monh=7 if mes=="jul" replace monh=8 if mes=="ago" replace monh=9 if mes=="sep" replace monh=0 if mes=="oc" replace monh= if mes=="nov" replace monh= if mes=="dic" label values monh monh sor monh line derend monh, ile("índice Esacional") xlabel(()) saving("c:\mwhdaa\seasonindex.gph",replace)
53 Código en SAA * Descomposición Muliplicaiva inshee passengers using "c:\mwhdaa\airline.csv", clear * Paso 0 Preparar la Serie de iempo para su Descomposición label drop _all gen =. replace =ym(99,) in for num /96: replace =[X-] in X forma %m label var "Monh" sse * Paso Esimar endencia-ciclo * x MA smooher * Serie de Promedios Móviles Cenrados x MA * Se genera la serie MA ssmooh ma ma=passengers, window(6 5) graph woway (line passengers, lcolor(yellow)) (line ma, lcolor(black)), ile(" MA smooher (uncenered)") yile("passenger raffic (in housands)") saving("c:\mwhdaa\passengersma.gph",replace) * Se aplican promedios móviles MA a la serie MA obenida ssmooh ma mama=ma, window(0 ) graph woway (line passengers, lcolor(yellow)) (line mama, lcolor(black)), ile("cenered MA smooher") yile("passengers (housands)") saving("c:\mwhdaa\passengxma.gph",replace) * Paso Cálculo de la razón porcenual daos a promedio móvil gen double raio=passengers*00/mama graph woway (line passengers, lcolor(yellow)) (line mama, lcolor(black)) (line raio, lcolor(red)), ile("original, rend-cycle & derended passenger ravel series") yile("passengers (housands)") saving("c:\mwhdaa\derendedmaxmul.gph",replace)
54 Código en SAA * Paso Cálculo del Índice Esacional gen obs=_n gen mes="" replace mes="ene" if mod(obs,)== replace mes="feb" if mod(obs,)== replace mes="mar" if mod(obs,)== replace mes="abr" if mod(obs,)== replace mes="may" if mod(obs,)==5 replace mes="jun" if mod(obs,)==6 replace mes="jul" if mod(obs,)==7 replace mes="ago" if mod(obs,)==8 replace mes="sep" if mod(obs,)==9 replace mes="oc" if mod(obs,)==0 replace mes="nov" if mod(obs,)== replace mes="dic" if mod(obs,)==0 gen monh=. replace monh= if mes=="ene" replace monh= if mes=="feb" replace monh= if mes=="mar" replace monh= if mes=="abr" replace monh=5 if mes=="may" replace monh=6 if mes=="jun" replace monh=7 if mes=="jul" replace monh=8 if mes=="ago" replace monh=9 if mes=="sep" replace monh=0 if mes=="oc" replace monh= if mes=="nov" replace monh= if mes=="dic" label define monh "Jan" "Feb" "Mar" "Apr" 5 "May" 6 "Jun" 7 "Jul" 8 "Aug" 9 "Sep" 0 "Oc" "Nov" "Dec" label values monh monh sor monh able monh, c(mean raio) f(%9.9f)
55 Código en SAA gen double season=. replace season= if monh== replace season= if monh== replace season= if monh== replace season= if monh== replace season= if monh==5 replace season= if monh==6 replace season= if monh==7 replace season= if monh==8 replace season= if monh==9 replace season= if monh==0 replace season= if monh== replace season= if monh== sse graph woway (line season ), ile("esacionalidad") saving("c:\mwhdaa\seasonmul.gph",replace) * Paso Obener el componene de Irregularidad gen double irreg=. replace irreg=passengers/(season*mama) sse graph woway (line irreg ), ile("irregularidad") saving("c:\mwhdaa\irregularmul.gph",replace) * Gráfica del Índice de Esacionalidad collapse (mean) raio, by(mes) gen monh=. replace monh= if mes=="ene" replace monh= if mes=="feb" replace monh= if mes=="mar" replace monh= if mes=="abr" replace monh=5 if mes=="may" replace monh=6 if mes=="jun" replace monh=7 if mes=="jul" replace monh=8 if mes=="ago" replace monh=9 if mes=="sep" replace monh=0 if mes=="oc" replace monh= if mes=="nov" replace monh= if mes=="dic" label values monh monh sor monh line raio monh, ile("índice Esacional") xlabel(()) saving("c:\mwhdaa\seasonindexmul.gph",replace)
Introducción al Análisis de Series de Tiempo en STATA
Introducción al Análisis de Series de Tiempo en STATA Ejercicio 1: Operadores de retraso y operadores de diferencia Ejercicio 2: Series de ruido blanco Ejercicio 3: Función de autocorrelación muestral
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 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 detallesTema 8: SERIES TEMPORALES
Inroducción a la Economería Tema 8: ERIE TEMPORALE Tema 8: ERIE TEMPORALE. Concepo y componenes de una serie emporal. Definiremos una serie emporal como cualquier conjuno de N observaciones cuaniaivas
Más detallesANEXO Las instituciones calcularán mensualmente los puntos en riesgo utilizando el procedimiento que a continuación se detalla:
ANEXO 5 METODOLOGIA A SEGUIR PARA DETERMINAR EL MONTO MÍNIMO DEL FIDEICOMISO, ASÍ COMO EL IMPORTE DE LAS CUOTAS SOBRE LAS CUALES SE CALCULARÁN LAS APORTACIONES A QUE SE REFIERE EL ARTÍCULO 55 BIS DE LA
Más detallesSistemade indicadores compuestos coincidentey adelantado julio,2010
Sisemade indicadores compuesos coincideney adelanado julio,2010 Sisema de Indicadores Compuesos: Coincidene y Adelanado SI REQUIERE INFORMACIÓN MÁS DETALLADA DE ESTA OBRA, FAVOR DE COMUNICARSE A: Insiuo
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 detallesDeterminación de las garantías para el contrato de futuros de soja en pesos. Value at Risk
Deerminación de las garanías para el conrao de fuuros de soja en pesos. Value a Risk Gabriela acciano inancial Risk Manager gfacciano@bcr.com.ar Direcora Deparameno de Capaciación y Desarrollo de Mercados
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 detallesLas señales pueden ser también, señales continuas o señales alternas.
INSIUO ÉCNICO SLESINO LORENZO MSS ema 1: CONCEPOS PRELIMINRES LLER DE MEDICIONES Conenido: Concepo de señal elécrica. Valores caracerísicos de las señales elécricas: Frecuencia (período, Fase, Valor de
Más detallesMetodología de cálculo del diferencial base
Meodología de cálculo del diferencial base El diferencial base es el resulado de expresar los gasos generales promedio de operación de las insiuciones de seguros auorizadas para la prácica de los Seguros
Más detallesDepartamento de Ingeniería Hidráulica y M.A. de la U.P.V HIDROGRAMA UNITARIO
Deparameno de Ingeniería Hidráulica y M.A. de la U.P.V. 6 6.- HIDROGRAMA UNITARIO Deparameno de Ingeniería Hidráulica y M.A. de la U.P.V. 63 PROBLEMA RESUELTO 1 El HU de una cuenca para una lluvia de 1
Más detallesGUÍA DE MOVIMIENTO RECTILÍNEO UNIFORME
INSTITUTO NACIONAL Deparameno de Física Coordinación Segundo Medio 06. GUÍA DE MOVIMIENTO RECTILÍNEO UNIFORME NOMBRE: CURSO: Caracerísica general de M.R.U: Si una parícula se mueve en la dirección del
Más detallesMétodos de Previsión de la Demanda Datos
Daos Pronósico de la Demanda para Series Niveladas Esime la demanda a la que va a hacer frene la empresa "Don Pinzas". La información disponible para poder esablecer el pronósico de la demanda de ese produco
Más detallesUNIDAD IX. Técnicas de Suavización
UNIDAD IX Técnicas de Suavización UNIDAD IX La esadísica demuesra que suele ser más fácil hacer algo bien que explicar por qué se hizo mal. Allen L. Webser, 1998 Cuál es el objeivo de la Técnica de suavización?
Más detallesContabilidad de crecimiento o fuentes de crecimiento
César Anúnez. I oas de Crecimieno Económico UIVERSIDAD ACIOA MAOR DE SA MARCOS FACUTAD DE CIECIAS ECOÓMICAS (Universidad del Perú, Decana de América Conabilidad de crecimieno o fuenes de crecimieno En
Más detallesGuía de Ejercicios Econometría II Ayudantía Nº 3
Guía de Ejercicios Economería II Ayudanía Nº 3 1.- La serie del dao hisórico del IPC Español desde enero de 2002 hasa diciembre de 2011, esá represenada en el siguiene gráfico: 115 110 105 100 95 90 85
Más detallesUNIDAD 6: CONGELACIÓN DE ALIMENTOS. GUIA DE PROBLEMAS RESUELTOS (Versión ALFA)
UNIVERSIDAD AUSTRAL DE CHILE INSTITUTO DE CIENCIA Y TECNOLOGIA DE LOS ALIMENTOS / ASIGNATURA : Ingeniería de Procesos III (ITCL 4) PROFESOR : Elon F. Morales Blancas UNIDAD 6: CONGELACIÓN DE ALIMENTOS
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 detalles1.- ALGORITMOS RÁPIDOS PARA LA EJECUCIÓN DE FILTROS DE PILA
hp://www.vinuesa.com 1.- ALGORITMOS RÁPIDOS PARA LA EJECUCIÓN DE FILTROS DE PILA 1.1.- INTRODUCCIÓN Los filros de pila consiuyen una clase de filros digiales no lineales. Un filro de pila que es usado
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 detallesMétodo desarrollado en el año de 1889, pero por su sencillez todavía se sigue utilizando.
1 3.2.1.1. Fórmula racional Méodo desarrollado en el año de 1889, pero por su sencillez odavía se sigue uilizando. Hipóesis fundamenal: una lluvia consane y uniforme que cae sobre la cuenca de esudio,
Más detalles( ) [ ab, ] definidas como ( ) ( ) ( ) 1.2. Curvas paramétricas. funciones continuas de R R para un intervalo. Definición.
1.. urvas paraméricas. Definición. Sean x 1, x,, xn funciones coninuas de R R para un inervalo [ ab, ] definidas como con [ a, b]. ( ( ( x1 = f1, x = f,, xn = fn El conjuno de punos ( x1, x,, xn = ( f1(,
Más detallesSERIES TEMPORALES. Cecilia Esparza Catalán
SERIES TEMPORALES Cecilia Esparza Caalán Cecilia Esparza Caalán ÍNDICE Página.- INTRODUCCIÓN.. 2 2.- ANÁLISIS PRELIMINAR DE UNA SERIE... 3 - Tendencia y nivel de la serie.... 4 - Esacionalidad.... 9 -
Más detalles6 METODOLOGÍA PROPUESTA PARA VALORAR USOS IN SITU DEL AGUA
38 6 METODOLOGÍA PROPUESTA PARA VALORAR USOS IN SITU DEL AGUA 6.1 Méodo general Para valorar los usos recreacionales del agua, se propone una meodología por eapas que combina el uso de diferenes écnicas
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 detallesPROPIEDADES DE LOS ESTIMADORES MCO Profesor Rafael de Arce
Economería I. DADE Noas de Clase PROPIEDADES DE LOS ESTIMADORES MCO Profesor Rafael de Arce (rafael.dearce@uam.es) INTRODUCCIÓN Una vez lograda una expresión maricial para la esimación de los parámeros
Más detallesIntroducción a la Estadística Empresarial. Capítulo 4.- Series temporales Jesús Sánchez Fernández
Inroducción a la Esadísica Empresarial. Capíulo 4.- Series emporales CAPITULO 4.- SERIES TEMPORALES 4. Inroducción. Hasa ahora odas las variables que se han esudiado enían en común que, por lo general,
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 detallesPROPAGACIÓN DE INCERTIDUMBRE EN LA CONVERSIÓN DE ALGUNAS MAGNITUDES DE HUMEDAD
Simposio de Merología 5 al 7 de Ocubre de 006 PROPAGACIÓN DE INCERTIDUMBRE EN LA CONVERSIÓN DE ALGUNAS MAGNITUDES DE HUMEDAD Jesús A. Dávila Pacheco, Enrique Marines López Cenro Nacional de Merología,
Más detallesPOLITÉCNICO GRANCOLOMBIANO. FACULTAD DE INGENIERÍA INDUSTRIAL Calificación del Método de Pronóstico de Torres
POLITÉCNICO GRANCOLOMBIANO FACULTAD DE INGENIERÍA INDUSTRIAL Calificación l Pronósico Torres Miller Alarcón malarcon@poligran.edu.co Docene Faculad Ingeniería Indusrial Poliécnico Grancolombiano Acualizado
Más detallesSolución: El sistema de referencia, la posición del cuerpo en cada instante respecto a dicha referencia, el tiempo empleado y la trayectoria seguida.
1 Qué es necesario señalar para describir correcamene el movimieno de un cuerpo? El sisema de referencia, la posición del cuerpo en cada insane respeco a dicha referencia, el iempo empleado y la rayecoria
Más detallesCircuitos para observar la descarga y carga de un capacitor.
IUITO Objeivo Enconrar el comporamieno de la diferencia de poencial en función del iempo, (), enre los exremos de un capacior cuando en un circuio se carga y cuando se descarga el capacior. INTODUION onsidere
Más detallesModelos no lineales. Contenidos. Econometría II. Grado en Economía Universidad de Granada 17:19:57 17:19:57. Econometría II Modelos no lineales 2 / 47
Modelos no lineales Economería II Grado en Economía Universidad de Granada Economería II Modelos no lineales 1 / 47 Conenidos MCNL y MV MCNL y MV Economería II Modelos no lineales 2 / 47 MCNL y MV lineal
Más detallesPg. 1 CONCEPTOS BÁSICOS DE MATEMÁTICA ECONÓMICA PARA EL MANEJO DE SERIES
Pg. 1 CONCEPTOS BÁSICOS DE MATEMÁTICA ECONÓMICA PARA EL MANEJO DE SERIES Ramón Mahía Abril de 2001 Pg. 2 OBJETIVO DEL DOCUMENTO Cualquier ejercicio de análisis económico simple requerirá el manejo de la
Más detallesINCERTIDUMBRE EN LA CALIBRACIÓN DE VISCOSÍMETROS CAPILARES
CENTO NACIONAL DE METOLOGÍA INCETIDUMBE EN LA CALIBACIÓN DE VISCOSÍMETOS CAPILAES Wolfgang A. Schmid ubén J. Lazos Marínez Sonia Trujillo Juárez Noa: El presene ejercicio ha sido desarrollado bajo aspecos
Más detallesNORMA DE CARACTER GENERAL N
NORMA DE CARACTER GENERAL N REF.: MODIFICA EL TÍTULO I, SOBRE INVERSIÓN DE LOS FONDOS DE CESANTÍA, POLÍTICAS DE INVERSIÓN Y SOLUCIÓN DE CONFLICTOS DE INTERÉS Y EL TÍTULO III, SOBRE VALORIZACIÓN DE LAS
Más detallesAplicaciones de la Probabilidad en la Industria
Aplicaciones de la Probabilidad en la Indusria Cuara pare Final Dr Enrique Villa Diharce CIMAT, Guanajuao, México Verano de probabilidad y esadísica CIMAT Guanajuao,Go Julio 010 Reglas para deección de
Más detallesEstadística de Vivienda Libre
Esadísica de Vivienda Libre Meodología Subdirección General de Esadísicas Madrid, febrero de 2012 Índice 1 Inroducción 2 Objeivos 3 Ámbios de la esadísica 3.1 Ámbio poblacional 3.2 Ámbio geográfico 3.3
Más detallesESCUELA POLITÉCNICA NACIONAL
ESCUELA POLIÉCNICA NACIONAL ESCUELA DE CIENCIAS DAOS AÍPICOS Y FALANES, ANÁLISIS DE INERVENCIÓN Y DESESACIONALIZACIÓN DE SERIES CRONOLÓGICAS. APLICACIONES A DAOS DE UNA EMPRESA DE VENA DIRECA PROYECO PREVIO
Más detallesNormalidad de los errores. Fortino Vela Peón Universidad Autónoma Metropolitana
Normalidad de los errores Forino Vela Peón Universidad Auónoma Meropoliana fvela@correo.xoc.uam.mx Ocubre, 00 0/0/0 México, D. F. Inroducción Uno de los supuesos básicos del modelo de regresión lineal
Más detalles2017, año del Centenario de la Constitución Mexicana Índice Nacional de Precios al Consumidor 2017
FEB.2008 DIC.2016 122.5150 1.4042 FEB.2008 87.2480 MAR.2008 DIC.2016 122.5150 1.3941 MAR.2008 87.8803 ABR.2008 DIC.2016 122.5150 1.3909 ABR.2008 88.0803 MAY.2008 DIC.2016 122.5150 1.3925 MAY.2008 87.9852
Más detallesINTRODUCCIÓN A LA ECONOMETRIA CONCEPTOS BÁSICOS DE MATEMÁTICA ECONÓMICA PARA EL MANEJO DE SERIES
Pg. 1 INTRODUCCIÓN A LA ECONOMETRIA CONCEPTOS BÁSICOS DE MATEMÁTICA ECONÓMICA PARA EL MANEJO DE SERIES Ramón Mahía Diciembre de 2001 OBJETIVO DEL DOCUMENTO Cualquier ejercicio de análisis económico simple
Más detallesMolécula de Azúcar ( C 12 H 22 O 11 ) Informe estadístico del sector agroindustrial de la caña de azúcar Zafras 2007/08 2013/14
Molécula de Azúcar ( C 12 H 22 O 11 ) Informe esadísico del secor agroindusrial de la caña de azúcar Zafras 2007/08 2013/14 INTRODUCCIÓN Ese primer informe esadísico del secor agroindusrial de la caña
Más detallesNOTAS METODOLÓGICAS 99
99 NOTAS METODOLÓGICAS Como en años aneriores el Insiuo de Esadísica de La Rioja presena la publicación, rincipales caracerísicas demográficas de La Rioja. Dicho rabajo, es una eploación para la región,
Más detallesMODELOS PARA SERIES DE TIEMPO CON ESTACIONALIDAD COMPLEJA
Decimocavas Jornadas "Invesigaciones en la Faculad" de Ciencias Económicas y Esadísica. Noviembre de 2013. Blaconá, María Teresa Andreozzi, Lucía Insiuo de Invesigaciones Teóricas y Aplicadas de la Escuela
Más detalles2 El movimiento y su descripción
El movimieno y su descripción EJERCICIOS PROPUESTOS. Una malea descansa sobre la cina ransporadora de un aeropuero. Describe cómo ve su movimieno un pasajero que esá: parado en la misma cina; en una cina
Más detallesUSO DE LAS TRANSFORMADAS DE LAPLACE Y Z EN EL ÁREA DE PROBABILIDAD
USO DE LAS TRANSFORMADAS DE LAPLACE Y Z EN EL ÁREA DE PROBABILIDAD Inroducción. En muchas áreas de ingeniería se uilizan procesos esocásicos o aleaorios para consruir modelos de sisemas ales como conmuadores
Más detallesPaul Castillo - Alex Contreras - Jesús Ramírez. XXVI Encuentro de economistas - Lima noviembre de 2008
Relación n enre dinero e inflación: n: Perú 1993-2008 Paul Casillo - Alex Conreras - Jesús Ramírez XXVI Encuenro de economisas - Lima noviembre de 2008 ÍNDICE Moivación Revisión de la lieraura y evidencia
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 detallesCINEMÁTICA: MOVIMIENTO RECTILÍNEO, CONCEPTOS BÁSICOS Y GRÁFICAS
CINEMÁTICA: MOVIMIENTO RECTILÍNEO, CONCEPTOS BÁSICOS Y GRÁFICAS Dada la dependencia de la velocidad con la posición en un movimieno recilíneo mosrada por la siguiene gráfica, deerminar la dependencia con
Más detalles2. Aspectos conceptuales
ESTUDIOS ECONÓMICOS Modelos de indicadores líderes de acividad económica para el Perú Enrique M. Ochoa G.* Jorge E. Lladó M * eochoa@bcrp.gob.pe llado@bcrp.gob.pe. Inroducción En un rabao anerior Ochoa
Más detallesDERIVACIÓN BAJO EL SIGNO INTEGRAL. 1. Hallar el punto del intervalo [0,2] en el que la función =
DERIVACIÓN BAJO EL SIGNO INTEGRAL. Hallar el puno del inervalo [,] en el que la función F () d alcanza su valor mínimo. El mínimo de una función se alcanza en los punos donde su primera derivada es nula
Más detallesExperimento 3. Análisis del movimiento en una dimensión. Objetivos. Teoría
Experimeno 3 Análisis del movimieno en una dimensión Objeivos. Esablecer la relación enre la posición y la velocidad de un cuerpo en movimieno 2. Definir la velocidad como el cambio de posición en un inervalo
Más detallesMMII_L3_C5: Problema de la cuerda finita: Métodos directo y de las imágenes. Guión:
MMII_L_C5: Problema de la cuerda finia: Méodos direco y de las imágenes. Guión: En esa lección se esudia el problema de una cuerda finia, por lo ano, es el problema con dos condiciones de conorno. Como
Más detallesTOTALES 1,001,497,802.75 936,022,061.78 7.00% 476,190,950.35 424,370,685.26 12.21%
CUADRO COMPARATIVO (ACUMULADO NOVIEMBRE 2012 - NOVIEMBRE 2011) Ramos de Seguros Primas de Primas de Variación Siniestros de Siniestros de Variación 2012 2011 % 2012 2011 % - Vida: Primer año 24,844,013.00
Más detallesCapítulo 19. MINIMOS CUADRADOS NO LINEALES
Capíulo 9. MINIMOS CUADRADOS NO LINEALES 9. PRUEBA DE LINEALIDAD DEL MODELO... 84 9.. ESPECIFICACIÓN DE MODELOS NO LINEALES... 85 9.3. ESTIMACIÓN POR MCNL... 830 9.4. EVALUACIÓN DE ECUACIONES DE REGRESIÓN
Más detallesREPRESENTACIÓN DE CURVAS PLANAS DADAS EN FORMA PARAMÉTRICA
Represenación de curvas planas dadas en forma paramérica REPRESENTACIÓN DE CURVAS PLANAS DADAS EN FORMA PARAMÉTRICA PLANTEAMIENTO DEL PROBLEMA Sean x e y dos funciones reales de variable real, de dominios
Más detallesEVOLUCIÓN DE LA PRODUCTIVIDAD MULTIFACTORIAL, CICLOS Y COMPORTAMIENTO DE LA ACTIVIDAD ECONÓMICA EN CUNDINAMARCA
EVOLUCIÓN DE LA PRODUCTIVIDAD MULTIFACTORIAL, CICLOS Y COMPORTAMIENTO DE LA ACTIVIDAD ECONÓMICA EN CUNDINAMARCA INTRODUCCIÓN Álvaro Hernando Chaves Casro * Ese rabajo ofrece una medición de la producividad
Más detallesCONSIDERACIONES RESPECTO AL INDICADOR DÉFICIT FISCAL/PIB Juan Carlos Requena I N T R O D U C C I O N
CONSIDERACIONES RESPECTO AL INDICADOR DÉFICIT FISCAL/PIB Juan Carlos Requena I N T R O D U C C I O N Los méodos uilizados para la elaboración del Presupueso General de la Nación es uno de los emas acuales
Más detallesMATEMÁTICAS II. x x x d) ( ) b) Como el grado del numerador y del denominador son iguales, hay que empezar por hacer la división.
Albero Enero Conde Maie González Juarrero Inegral indefinida. Cálculo de primiivas Ejercicio Calcula la siguienes inegrales a) d b) d c) 6 d d) 3 d e) d 9 e a) Haciendo el cambio de variable d d. d d d
Más detallesInforme de Competitividad de la Economía Nacional
Informe de Compeiividad de la Economía Nacional Inroducción Cuando se raa de analizar la evolución de la compeiividad de un país frene a oro, el primer concepo que aparece presene es el ipo de cambio.
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 detallesEnfoques de Programación Matemática para la Previsión de la Demanda mediante descomposición de series temporales
IX Congreso de Ingeniería de Organización Gijón, 8 y 9 de sepiembre de 2005 Enfoques de Programación Maemáica para la Previsión de la Demanda mediane descomposición de series emporales Josefa Mula Bru,
Más detallesNOTAS DE ESTUDIOS DEL BCRP No de setiembre de 2008
No. 51 22 de seiembre de 2008 METODOLOGÍA DE CÁLCULO DEL RESULTADO ESTRUCTURAL 1 1. La medición convencional del resulado económico del secor público, superávi o défici fiscal, no es un indicador adecuado
Más detallesLos datos fueron obtenidos de una publicación del Golden Gate Bridge.
Pronósicos Resumen El procedimieno Pronósicos esa diseñado para pronosicar valores fuuros de daos de series de iempo. Una serie de iempo consise de un conjuno secuencial de daos numéricos omados en inervalos
Más detallesUNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA
UNA MODELIZACIÓN PARA LOS ACCIDENTES DE TRABAJO EN ESPAÑA Y ANDALUCÍA Por Mónica Orega Moreno Profesora Esadísica. Deparameno Economía General y Esadísica RESUMEN El aumeno de la siniesralidad laboral
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 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 detallesCINEMÁTICA: MOVIMIENTO RECTILÍNEO, OTROS DATOS.
CINEMÁTICA: MOVIMIENTO RECTILÍNEO, OTROS DATOS. Una parícula se muee en la dirección posiia del eje X, de modo que su elocidad aría según la ley = α donde α es una consane. Teniendo en cuena que en el
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 detallesCómo se debe contabilizar la deuda de pensiones en el sector público? 1/
ISSN 02-6375 Boleín 259, junio de 2007 Álvaro rigueros Argüello Cómo se debe conabilizar la deuda de pensiones en el secor público? /. Inroducción En 200 y 2003 Fusades publicó dos esudios sobre la sosenibilidad
Más detallesCURVAS PLANAS, ECUACIONES PARAMETRICAS Y COORDENADAS POLARES 2.1 CURVAS PLANAS Y ECUACIONES PARAMETRICAS
CURVAS PLANAS, ECUACIONES PARAMETRICAS Y COORDENADAS POLARES.1 CURVAS PLANAS Y ECUACIONES PARAMETRICAS Hasa ahora conocemos la represenación de una grafica mediane una ecuación con dos variables. En ese
Más detallesDEPARTAMENTO DE QUÍMICA ANALÍTICA Y TECNOLOGÍA DE ALIMENTOS
DEPARTAMETO DE QUÍMICA AALÍTICA Y TECOLOGÍA DE ALIMETOS FUDAMETOS DE AÁLISIS ISTRUMETAL. 7º RELACIÓ DE PROBLEMAS..- Las susancias A y B ienen iempos de reención de 6.4 y 7.63 min, respecivamene, en una
Más detallesLección 3. Curvas. 4. Curvas parametrizadas: ejemplos.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 011 1. 4. Curvas paramerizadas: ejemplos. La descripción más direca y flexible de una curva es una represenación paramérica. En lugar de considerar una de las coordenadas
Más detallesTEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL. 1. Sistemas analógicos y digitales.
T-1 Inroducción a la elecrónica digial 1 TEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL El raamieno de la información en elecrónica se puede realizar de dos formas, mediane écnicas analógicas o mediane écnicas
Más detallesLas derivadas de los instrumentos de renta fija
Las derivadas de los insrumenos de rena fija Esrella Peroi, MBA Ejecuivo a cargo Capaciación & Desarrollo Bolsa de Comercio de Rosario eperoi@bcr.com.ar Como viéramos en el arículo el dilema enre la asa
Más detallesDescomposición de series temporales
Noas del Curso Series de Tiempo I. Licenciaura de Esadísica Descomposición de series emporales Inroducción De acuerdo a Fischer (995) el precursor de los méodos modernos de descomposición fue Macauley
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 detallesPublicado en InfoAserca LA FORMACIÓN DE LOS PRECIOS EN LA CADENA DE VALOR MAÍZ-GRANO-TORTILLA *
LA FORMACIÓN DE LOS PRECIOS EN LA CADENA DE VALOR MAÍZ-GRANO-TORTILLA * Con la finalidad de aorar elemenos económicos ara una olíica inegral del la cadena de valor maíz-orilla, la Confederación Nacional
Más detallesV () t que es la diferencia de potencial entre la placa positiva y la negativa del
:: OBJETIVOS [7.1] En esa prácica se deermina experimenalmene la consane de descarga de un condensador, ambién llamado capacior ó filro cuando esá conecado en serie a una resisencia R. Se esudian asociaciones
Más detallesMATEMATICAS I FUNCIONES ELEMENTALES. PROBLEMAS
1º) La facura del gas se calcula a parir de una canidad fija y de un canidad variable que se calcula según los m 3 consumidos (el precio de cada m 3 es consane). El impore de la facura de una familia,
Más detallesModelo de regresión lineal simple
Modelo de regresión lineal simple Inroducción Con frecuencia, nos enconramos en economía con modelos en los que el comporamieno de una variable,, se puede explicar a ravés de una variable X; lo que represenamos
Más detalles1.CINEMÁTICA. Movimiento Se define el movimiento como el cambio de posición de algo respecto a un sistema de referencia
Magniudes fundamenales Son las magniudes que se pueden medir direcamene 1.CINEMÁTICA Definiciones Reposo Se define como el no cambiar de posición respeco a un sisema de referencia. No hay ningún cuerpo
Más detallesFacultad de Ciencias del Mar. Curso 2007/08 11/07/08
Esadísica Convocaoria de Junio Faculad de Ciencias del ar. Curso 007/08 /07/08 El galludo (Squalus egalops) es una especie de iburón de aguas empladas a ropicales, que habia la plaaforma coninenal exerior
Más detallesRELACIONES Y ÁLGEBRA DISTRIBUCIÓN SEGÚN HABILIDADES Y CONOCIMIENTOS. Matemática - EL MAESTRO EN CASA ÁREA 1: RELACIONES Y ÁLGEBRA.
DISTRIBUCIÓN SEGÚN HABILIDADES Y CONOCIMIENTOS CONOCIMIENTOS Funciones Función cuadráica ÁREA : RELACIONES Y ÁLGEBRA HABILIDADES ESPECÍFICAS. Idenificar siuaciones dadas que pueden ser expresadas algebraicamene
Más detallesSUPERFICIES Y CURVAS EN EL ESPACIO
SUPERFICIES Y CURVAS EN EL ESPACIO Es ese maerial se presenan algunas gráficas confeccionadas con el sofware MAPLE A coninuación de cada una se indica la senencia uiliada para obenerla Tenga en cuena que:
Más detallesFísica General 1 Proyecto PMME - Curso 2007 Instituto de Física Facultad de Ingeniería UdelaR
Física General Proyeco PMME - Curso 007 Insiuo de Física Faculad de Ineniería UdelaR TITULO AUTORES MAQUINA DE ATWOOD EPERIMENTAL Maximiliano Bellas, Erneso Pasarisa INTRODUCCIÓN Geore Awood (745-807),
Más detallesComo Calcular la Tasa de Crecimiento de los Agregados Macroeconómicos Mediante el Análisis de Regresión
Como Calcular la Tasa de Crecimieno de los Agregados Macroeconómicos Mediane el Análisis de Regresión HL Maa 1 La esadísica ha generado diversos indicadores para medir el crecimieno de los agregados económicos,
Más detallesPráctica 20. CARGA Y DESCARGA DE UN CONDENSADOR ELÉCTRICO
Prácica 20. CARGA Y DESCARGA DE UN CONDENSADOR ELÉCTRICO OBJETIVOS Esudiar los procesos de carga y de descarga de un condensador. Medida de capacidades por el méodo de la consane de iempo. MATERIAL Generador
Más detallesSERIES DE TIEMPO. Estas predicciones se utilizan para tomar decisiones operativas y, a veces, estratégicas.
CAPITULO II SERIES DE TIEMPO º INTRODUCCIÓN La mayoría de las empresas y agenes económicos precisan realizar predicciones sobre el comporamieno de su evolución y del enorno donde acúan. Esas predicciones
Más detallesDemografía, Mercado de Trabajo y Tecnología: el Patrón de Crecimiento de Cataluña, 1978-2018
Demografía, Mercado de Trabajo y Tecnología: el Parón de Crecimieno de Caaluña, 1978-2018 Economic Research Deparmen Nº 10/04 El crecimieno poencial de Caaluña, 1978-2018 Demografía, Mercado de Trabajo
Más detallesProblemas de Matemáticas 2º Bachillerato OPTIMIZACIÓN
Problemas de Maemáicas º Bachillerao OPTIMIZACIÓN En ese documeno se eplica brevemene cómo se resuelven los problemas de opimización, y se ilusra mediane un ejemplo. Como sabéis, los problemas de opimización
Más detallesRepresentación gráfica de curvas en forma paramétrica x a(t sent) 1.- Representar la curva dada por
Represenación gráfica de curvas en forma paramérica x a( sen) 1.- Represenar la curva dada por, siendo a > 0. y a(1 cos).- Emparejar cada curva con su gráfica ì ì x = a) ï x = í b) ï ì í ï c) ï x = - sen
Más detallesEL BALANCE ESTRUCTURAL: METODOLOGÍA Y ESTIMACIÓN PARA ARGENTINA
EL BALANCE ESTRUCTURAL: METODOLOGÍA Y ESTIMACIÓN PARA ARGENTINA Marín A. Basso * marinb@eco.unc.edu.ar Agoso 2006 Resumen En el presene rabajo se esudia la uilización del balance esrucural como indicador
Más detallesRevisión de la matriz producto/sector de consumo real de productos siderúrgicos y de los indicadores de actividad de los sectores utilizadores
Observaorio Indusrial del Secor Meal Revisión de la mariz produco/secor de consumo real de producos siderúrgicos y de los indicadores de acividad de los secores uilizadores Revisión de la mariz produco/secor
Más detallesASPECTOS METODOLÓGICOS DE INDICADORES DE VOLUMEN DE VENTAS, DE ARTÍCULOS ELABORADOS POR LA ACTIVIDAD MANUFACTURERA. Lima noviembre 2008
Índice de volumen de venas de la producción indusrial ASPECTOS METODOLÓGICOS DE INDICADORES DE VOLUMEN DE VENTAS, DE ARTÍCULOS ELABORADOS POR LA ACTIVIDAD MANUFACTURERA Lima noviembre 2008 Rolando Porilla
Más detallesINSTITUTO NACIONAL DE PESCA
INSTITUTO NACIONAL DE PESCA Dirección General de Invesigación Pesquera en el Pacífico Nore Subdirección de Tecnología en el Pacífico Nore. Indicadores económico-financieros para la capura de camarón y
Más detallesMATRICES. M(n) ó M nxn A =
MTRICES Definición de mari. Una mari de orden m n es un conjuno de m n elemenos perenecienes a un conjuno, que para nosoros endrá esrucura de cuerpo conmuaivo y lo denoaremos por K, dispuesos en m filas
Más detallesDERECHOS BÁSICOS DE APRENDIZAJE matemáticas - grado 9
EREHOS ÁSIOS E PRENIZJE Reconoce el significado de los eponenes racionales posiivos negaivos uiliza las lees de los eponenes. Por ejemplo: 7 7 7+ 7 7 7 7 7 0 Realiza conversiones de unidades de una magniud
Más detalles