ANÁLISIS DE INTERVENCIÓN
|
|
- Esteban Maidana Maestre
- hace 6 años
- Vistas:
Transcripción
1 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 esimación Dpo. de Esadísica,Esr.Eca.y O.E.I.. INTRODUCCIÓN Aípicos: Daos exraños, muy diferenes del reso de la serie. Causas: - Errores de consrucción - Efecos inusuales: cambios de políica económica, guerras, desasres, - Disribuciones de errores disinas a la normal - Mala especificación del modelo: no-linealidad, variables omiidas. Alernaivas: - Análisis de inervención. - Méodos robusos - Cambio de modelo. Técnicas avanzadas de series emporales
2 Noación Dpo. de Esadísica,Esr.Eca.y O.E.I. y ~ ARIMA(p,d,q),, T φ(l) (-L) d y θ(l) a Ly y - φ(l) - φ L - - φ p L p θ(l) - θ L - - θ q L q a ~ N(,σ a );,, T a ~ ruido blanco Represenación de medias móviles y ψ(l) a ; θ(l) ψ(l) φ(l)(- L) d Represenación auorregresiva Π(L) y a ; φ(l)(- L) Π(L) θ(l) d Técnicas avanzadas de series emporales 3 Dpo. de Esadísica,Esr.Eca.y O.E.I. ANÁLISIS DE INTERVENCIÓN. FORMULACIÓN DEL MODELO CON ANÁLISIS DE INTERVENCIÓN A efecos de modelización, se supone que los daos observados (Z ) son el resulado de un proceso esocásico que sigue un modelo ARIMA (Y ) y un componene exógeno que recoge los efecos anómalos de forma deerminisa. L bi Z Y ωis L) δ ( L) φ(l) (-L) d y θ(l) a AI El análisis de inervención se especifica a ravés de variables arificiales y filros asociados a ellas. bi bi bi s ( wi L w il! wsil * Ii ( ri i ir δ il! δ ril ) Técnicas avanzadas de series emporales
3 Dpo. de Esadísica,Esr.Eca.y O.E.I. PRINCIPALES TIPOS DE VARIABLES ARTIFICIALES Las principales variables para describir los efecos anómalos son: Impulso: es siempre cero, excepo en el momeno F, donde oma el valor F-3 F- F- F F F F3 Escalón: oma el valor cero anes de F y poseriormene F-3 F- F- F F F F3 Tendencia: oma el valor cero anes de la inervención y desde ese momeno oma los valores,, 3,, F-3 F- F- F F F F3 Técnicas avanzadas de series emporales 5 Dpo. de Esadísica,Esr.Eca.y O.E.I. PRINCIPALES FILTROS SOBRE LAS VBLES. ARTIFICIALES Filros sobre variables impulso. I F si F si F (a) w (L) I F (w w L w s L s )I F Exiende el efeco del impaco durane s períodos sin esrucura. (w w L) I F (w w L w L w 3 L 3 w L )IF Técnicas avanzadas de series emporales
4 (b) w δl F I Dpo. de Esadísica,Esr.Eca.y O.E.I. w s s s w ( δl δ L... δ L w wδl wδ L wδ δl...) En ese caso, los efecos de la inervención se exienden a lo largo del iempo con una esrucura deerminada por el parámero δ. L s Ejemplo de una inervención del ipo w δ L F I Los efecos de una inervención generalmene desaparecen en el iempo, por lo que es frecuene imponer δ <. Técnicas avanzadas de series emporales 7 Filros sobre variables escalón S F si < F si F Dpo. de Esadísica,Esr.Eca.y O.E.I. Los escalones modelizan inervenciones con carácer permanene. (a) (w w L w L w s L s )SF El efeco comienza en el momeno F y se prolonga hasa F s. El efeco oal del suceso es: w w w s. Técnicas avanzadas de series emporales 8
5 Dpo. de Esadísica,Esr.Eca.y O.E.I. (b) w δl F S Ese ipo de filro permie un efeco prolongado en el iempo, con esrucura. Efeco oal: w δ Técnicas avanzadas de series emporales 9 3 ATÍPICOS Dpo. de Esadísica,Esr.Eca.y O.E.I. Si el analisa no iene conocimieno acerca del ipo de inervención que se esá produciendo, ni del efeco que producirá, ni siquiera de la fecha exaca de su ubicación, puede ulizar las écnicas de deección de aípicos. 3.Tipos de aípicos Aípicos adiivos: Impulso sobre el nivel de la serie. () Aípicos innovaivos: Impulso sobre las innovaciones de la serie. (IO) Aípicos cambio de nivel: Escalón sobre el nivel de la serie. (LS) Aípicos cambio ransiorio: Impulso con un filro auorregresivo sobre el nivel de la serie. (TC) Técnicas avanzadas de series emporales
6 Dpo. de Esadísica,Esr.Eca.y O.E.I. FORMULACIÓN Y EFECTOS SOBRE EL NIVEL Y LOS RESIDUOS DE LAS SERIES. Efecos sobre el nivel Efecos sobre los residuos Z Y w I (*) e Z e Y w Π ( L) I ( *) IO LS TC Z Z Z Ψ ( B)( a w I ( *)) wls Y I L wtc Y I δl IO ( *) ( *) e e Z Y e e Z Z e e Y Y w w w IO I (*) Π ( L) I L Π ( L) I δl ( *) ( *) Técnicas avanzadas de series emporales Dpo. de Esadísica,Esr.Eca.y O.E.I. 3. EFECTOS EN LA ESTIMACIÓN DE LA OMISIÓN DE LOS ATÍPICOS A coninuación se presenan los resulados de dos simulaciones: Simulación : La serie se ve afecada por un aípico adiivo. X.7X a si 35 AI 7 IMPULSO( 35 ) 7 si 35 Z X AI A la visa de las diferencias enre los correlogramas de la serie X y la serie Z, se iene que la correlación es menor en la serie con el aípico. Además, las esimaciones realizadas muesran una infraesimación del parámero auorregresivo. Técnicas avanzadas de series emporales
7 Aípicos Adiivos Dpo. de Esadísica,Esr.Eca.y O.E.I. Modelo AR() de paramero phi Modelo AR() de paramero phi.7 w Técnicas avanzadas de series emporales 3 Dpo. de Esadísica,Esr.Eca.y O.E.I. Técnicas avanzadas de series emporales
8 Dpo. de Esadísica,Esr.Eca.y O.E.I Series:PHI_EST Observaions Mean.853 Median.9355 Maximum.893 Minimum.37 Sd. Dev..779 Skewness Kurosis 3.55 Jarque-Bera Probabiliy Técnicas avanzadas de series emporales Series: PHI_EST_ Observaions Mean.5355 Median.589 Maximum.9 Minimum.9 Sd. Dev..9 Skewness Kurosis.5958 Jarque-Bera Probabiliy Dpo. de Esadísica,Esr.Eca.y O.E.I. Simulación : La serie se ve afecada por un aípico cambio de nivel X.7X a Z X AI AI si < 35 7 ESCALÓN( 35 ) 7 si 35 A la visa de las diferencias enre los correlogramas de la serie X y la serie Z, se iene que la correlación es mayor en la serie con el aípico LS. Además, las esimaciones realizadas muesran una sobreesimación del parámero auorregresivo. Técnicas avanzadas de series emporales
9 Cambios de Nivel Modelo AR() de paramero phi.7 Dpo. de Esadísica,Esr.Eca.y O.E.I Modelo AR() de paramero phi.7 LS w3-8 Técnicas avanzadas de series emporales 7 Dpo. de Esadísica,Esr.Eca.y O.E.I Series: PHI_EST Observaions Mean.878 Median.885 Maximum.83 Minimum.75 Sd. Dev..797 Skewness -.9 Kurosis.955 Jarque-Bera.957 Probabiliy.3397 Series: PHI_EST_W Observaions Mean.997 Median.935 Maximum.97 Minimum.8557 Sd. Dev..7 Skewness Kurosis.9758 Jarque-Bera Probabiliy.359 Técnicas avanzadas de series emporales 8
10 Dpo. de Esadísica,Esr.Eca.y O.E.I. 3.3 ESTIMACIÓN Y CONTRASTE (Chen and Liu (993), JBES) IO LS TC El procedimieno consise en conrasar la exisencia de los disinos ipos de aípicos mediane esadísicos sobre los residuos del modelo (esimaciones dividido por la desviación ípica de la esimación). ωˆ ( ) eˆ IO ωˆ IO ( ) τˆ IO ( ) σˆ a ωˆ ( ) τˆ ( ) σˆ eˆ x ω ˆ ( ) ( ) x x a eˆ x 3 ˆ LS ( ) ω ω ˆ LS ( ) τˆ LS ( ) ( 3 ) x x 3 σˆ a eˆ x ˆTC ( ) ω ω ˆTC ( ) τˆ LS ( ) ( ) x x σˆ a Técnicas avanzadas de series emporales 9 Dpo. de Esadísica,Esr.Eca.y O.E.I.. OTROS EFECTOS Técnicas avanzadas de series emporales
11 Dpo. de Esadísica,Esr.Eca.y O.E.I. Se recogen en ese epígrafe cieros efecos que ocurren de forma recurrene pero que sólo se pueden modelizar de de modo relaivamene sencillo de forma deerminisa. Efeco Calendario En series mensuales, el valor del agregado mensual depende de la composición del mes: del número de días laborables. Por oro lado, los disinos días laborables no ienen el mismo nivel de acividad, por ano, considera el diferene número de días de cada ipo que iene cada mes. X δ D δ D 5 δ D 5 δ D δ D 3 3 δ D 7 δ D 7 n D I número de días del ipo i en el mes n residuo ARMA Técnicas avanzadas de series emporales L M X J V S D ene feb-3 mar abr may jun jul ago sep oc nov dic Dpo. de Esadísica,Esr.Eca.y O.E.I. Año bisieso: Es preciso incluir una variable que recoja el efeco de un día más en el mes de febrero cada años. N N * LY 7 j N ( N N N N ) D j N longiud del mes. * 3 Ly oma el valor.75 en el mes de febrero si el año es bisieso, -.5 en el mes de febrero de un año no bisieso y en oro caso. Técnicas avanzadas de series emporales
12 FORMULACIONES del efeco calendario log( X ) β LY β j ( D j D7 ) Z j Dpo. de Esadísica,Esr.Eca.y O.E.I. Efeco año bisieso Simplificaciones: Efeco de la acividad relacionada con el ipo de día LY 8.5 j Técnicas avanzadas de series emporales j ARIMA con A.I. log( X ) β ( D D Z j ) log( X ) β LY M F D j D β j Z j J log( X ) LY β M F D j D j Z 8.5 j J 3 Dpo. de Esadísica,Esr.Eca.y O.E.I. Efeco Semana Sana Dependiendo del año, la Semana Sana puede afecar al mes de marzo ó abril ó a ambos. Se inroducen unas variables arificiales que reflejan la proporción de días que caen en cada mes. X αss n January.... February.... March.... April.... May.... June.... July.... Augus.... Sepember.... Ocober.... November.... December.... Técnicas avanzadas de series emporales
13 Dpo. de Esadísica,Esr.Eca.y O.E.I. Fiesas Las fiesas se capan con el componene esacional, pero algunas cambian de año en año. La población afecada por una fiesa puede cambiar según su carácer (Nacional o regional). Incluso si la fiesa cae siempre en el mismo mes, el día de la semana será diferene y el efeco ambién será diferene. Es aconsejable incluir una variable que recoja el número de fiesas nacionales y ora que incluya el número de fiesas auonómicas en cada mes. Técnicas avanzadas de series emporales 5
14 Auomaed Projec - MATRIC MATRIC 5 5 dae Ene9 Ene9 Ene9 Ene9 Ene98 Ene Ene Ene Informaion on Models Model (Tramo-Seas) Informaion on Diagnosics Model (Tramo-Seas) Series Span (n of obs.) Ene99 - Abr (8) Model Span (n of obs.) Ene99 - Abr (8) Mehod Tramo/Seas PRE-ADJUSTMENT Transformaion Logarihm Mean Correcion None Correcion for Trading Day... Regressor(s) Trad -value 9.3 [-.97,.97] 5% Trad -value -9.3 (derived) [-.97,.9... Leap-year -value.99 [-.97,.97] 5% Correcion for Easer Effec None Correcion for Ouliers Auom.:,LS,TC; 5 Ouli... Criical -value 3.5 TC Ene993 -value -5.8 [-3.5, 3.5] cri.val. TC Jul995 -value -.73 [-3.5, 3.5] cri.val. TC Ene99 -value. [-3.5, 3.5] cri.val. Dic99 -value.9 [-3.5, 3.5] cri.val. Ago99 -value 3. [-3.5, 3.5] cri.val. Corr. for Missing Obs. None Corr. for Oher Regr. Effecs None Specif. of he ARIMA model ( )( ) (fixed) Non-seas. MA (lag ) value -.3 Non-seas. MA (lag ) -value -.77 [-.97,.97] 5% Seasonal MA (lag ) value -.57 Seasonal MA (lag ) -value [-.97,.97] 5% Mehod of Esimaion Exac Maximum Likelihood DECOMPOSITION ARIMA Decomposiion Exac Seasonaliy Seasonal model used SA qualiy index (sand. o ).3 [, ] ad-hoc STATISTICS ON RESIDUALS Ljung-Box on residuals. [, 33.9] 5% Box-Pierce on residuals.3 [, 5.99] 5% Ljung-Box on squared resid [, 33.9] 5% Box-Pierce on squared resi....8 [, 5.99] 5% DESCRIPTION OF RESIDU... Normaliy. [, 5.99] 5% Skewness -. [-.,.] 5% Kurosis.78 [.5, 3.85] 5% OUTLIERS Percenage of ouliers 3.38% [%, 5.%] ad-hoc
Sexta Entrega. = y t +(w 0 + w 1 B w m B m ) I (h) z h = y h + w 0. z h+1 = y h+1 + w 1. z h+2 = y h+2 + w 2
Prácicas de la asignaura Series Temporales Sexa Enrega 1 Análisis de inervención en series emporales Hasa ahora hemos esudiado modelos para series emporales que únicamene dependían del pasado de la propia
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 detallesMODELOS DE VOLATILIDAD DEL FUTURO SOBRE EL BONO NOCIONAL A 10 AÑOS ABSTRACT
MODELOS DE VOLATILIDAD DEL FUTURO SOBRE EL BONO NOCIONAL A 10 AÑOS Ricardo Gimeno a (Universidad Ponificia Comillas) y Eduardo Morales b (Universidad San Pablo CEU) ABSTRACT La información proporcionada
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 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 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 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 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 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 detallesCALENDARIO LUNAR
CALENDARIO LUNAR 2001 2100 Datos obtenidos de National Aeronautics and Space Administration - NASA Datos en horario UTC 2001 Ene 2 22:31 Ene 9 20:24 t Ene 16 12:35 00h01m Ene 24 13:07 Feb 1 14:02 Feb 8
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 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 detallesINST.MPAL.DE ARTE Y CULTURA DE AHOME ESTADO DE SINALOA ESTADO DE FLUJOS DE EFECTIVO AL 31/ene/2013. Fecha de Impresión 13/may/13 Página: 1
ESTADO DE FLUJOS DE EFECTIVO AL 31/ene/2013 13/may/13 $485,474.95 $10,475.00 $475,000.00 -$0.05 APLICACION: $451,105.43 $332,312.69 $39,341.18 $77,701.56 $34,369.52 APLICACION: $16,060.00 $16,060.00 Flujos
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 detallesI N D I C E D E P R E C I O S A L C O N S U M I D O R
BASE 1999 = 100 Ene 82 0,0000041116 + 11,9 Feb 82 0,0000043289 + 5,3 Mar 82 0,0000045330 + 4,7 Abr 82 0,0000047229 + 4,2 May 82 0,0000048674 + 3,1 Jun 82 0,0000052517 + 7,9 Jul 82 0,0000061056 + 16,3 Ago
Más detallesUNIVERSIDAD NACIONAL DE TUCUMÁN
UNIVERSIDAD NACIONAL DE TUCUMÁN Faculad de Ciencias Exacas y Tecnología CENTRALES ELÉCTRICAS TRABAJO PRÁCTICO Nº 2 FACTORES DE CARGA Y UTILIZACIÓN ALUMNO: AÑO 2015 Facores De Carga y Uilización 2015 INTRODUCCIÓN
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 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 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 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 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 detallesAnálisis empírico de la duración del ciclo del Indice de Producción Industrial (IPI)
Insiuo Nacional de Esadísica Boleín Trimesral de Coyunura, n. 83 Marzo 2002 Análisis empírico de la duración del ciclo del Indice de Producción Indusrial (IPI) Juan Bógalo Román 1 Subdirección General
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 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 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 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 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 detallesDETERMINANTES Y VULNERABILIDAD
DETERMINANTES Y VULNERABILIDAD DE LA DEUDA PÚBLICA P EN VENEZUELA María a Fernanda Hernández ndez Edgar Rojas Lizbeh Seijas 30 de enero de 2007 Conenido 2 Objeivo Dinámica y deerminanes de la deuda Aspecos
Más detallesSERIES TIEMPO DE MEMORIA LARGA, IDENTIFICACIÓN Y APLICACIONES. Elkin Castaño V.
SERIES TIEMPO DE MEMORIA LARGA, IDENTIFICACIÓN Y APLICACIONES Elkin Casaño V. Escuela de Esadísica, Faculad de Ciencias Universidad Nacional de Colombia, Sede Medellín Conenido Inroducción El modelo ARFIMA
Más detallesPROCESOS ESTOCÁSTICOS PROCESOS ESTOCÁSTICOS INTEGRAL ESTOCÁSTICA ECUACIONES DIFERENCIALES ESTOCASTICAS: LEMA DE ITO
PROCESOS ESOCÁSICOS PROCESOS ESOCÁSICOS INEGRAL ESOCÁSICA ECUACIONES DIFERENCIALES ESOCASICAS: LEMA DE IO Procesos esocásicos Un proceso esocásico describe la evolución emporal de una variable aleaoria.
Más detallesINTRODUCCION AL ECONOMETRIC VIEWS. Aquí se introduce la frecuencia y las fechas de comienzo y final de los datos.
INTRODUCCION AL ECONOMETRIC VIEWS Introducción de datos 1. Creando una hoja de trabajo (workfile) File New Workfile Aquí se introduce la frecuencia y las fechas de comienzo y final de los datos. 2. Importación
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 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 detallesMétodos de Previsión de la Demanda Pronóstico para Series Temporales Niveladas Representación Gráfica
Méodos de Previsión de la Demanda Pronósico para Series Temporales Niveladas Represenación Gráfica REPRESENTACIÓN GRÁFICA DE LA SERIE DE DATOS Período i Demanda Di 25 2 2 3 225 4 24 5 22 Para resolver
Más detallesDyna Universidad Nacional de Colombia ISSN (Versión impresa): COLOMBIA
Dyna Universidad Nacional de Colombia dyna@unalmed.edu.co ISSN (Versión impresa): 0012-7353 COLOMBIA 2002 Mario Vélez / Carlos Casro MODELO DE REVISIÓN PERIÓDICA PARA EL CONTROL DEL INVENTARIO EN ARTÍCULOS
Más detallesEvaporación y ahorro por HeatSavr, agua a 28 ºC 100%
30 ºC Medias de temperatura y humedad del aire Evaporación y ahorro por HeatSavr, agua a 24 ºC 10 25 ºC 8 20 ºC 6 6 6 15 ºC 10 ºC 4 5 ºC Temperatura Humedad 0 ºC - Evaporación y ahorro por HeatSavr, agua
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Metodología Box-Jenkins Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es un resumen/modificación de la documentación elaborada
Más detallesTENDENCIAS Y SERIES DE TIEMPO
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 TENDENCIAS SERIES DE TIEMPO Agenda:
Más detallesESTADISTISTICA MENSUAL DE REGISTRO CIVIL
ene-14 ESTADISTISTICA MENSUAL DE REGISTRO CIVIL feb-14 Actas de Nacimiento 5 445 Actas de Nacimiento 10 570 Actas de Matrimonio 39 Actas de Matrimonio 1 31 Actas de Defuncion 13 Actas de Defuncion 27 Registro
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 detallesCorrelación. Dr. Luis Javier Morales Mendoza Procesamiento Analógico de Señales FIEC - UV
Correlación Dr. Luis Javier Morales Mendoza Procesamieno Analógico de Señales FIEC - UV Índice.. Inroducción.. Correlación Cruzada.. Auocorrelación.4. Calculo de la correlación y de la auocorrelación.5.
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 detallesUna estimación de la inflación anual del 2002 para la Argentina sobre la base de la ecuación de Fisher.
Una esimación de la inflación anual del 2002 para la Argenina sobre la base de la ecuación de Fisher. Pablo Albero Frigolé 1 pablofrigole@uopia.com Febrero de 2002 1 AL momeno de efecuar el rabajo el auor
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 detallesTomo I La Economía y las Finanzas Públicas
Tomo I Tomo I Tomo I Tomo I Tomo I Tomo I Tomo I Tomo I Tomo I Tomo I Tomo I Tomo I Tomo I Tomo I Tomo I Tomo I Tomo I Tomo I Tomo I Tomo I
Más detallesLECTURA 07: PRUEBA DE HIPÓTESIS (PARTE I) TEMA 15: PRUEBA DE HIPOTESIS: DEFINICIONES GENERALES
LECTURA 7: PRUEBA DE HIPÓTESIS (PARTE I) TEMA 15: PRUEBA DE HIPOTESIS: DEFINICIONES GENERALES 1 INTRODUCCION El propósio de análisis esadísico es reducir el nivel de inceridumbre en el proceso de decisiones
Más detalles1. Descripción de modelos desarrollados en el BCN. 2. Comentarios generales a los modelos. 3. Limitaciones para el desarrollo de investigaciones
Siuación del uso de modelos economéricos en Nicaragua Rigobero Casillo C México, 2 y 3 de diciembre del 2004 Esrucura de la presenación. Descripción de modelos desarrollados en el BCN. 2. Comenarios generales
Más detalles6.7. ENSAYOS EN FLUJO CONVERGENTE
Clase 6.7 Pág. 1 de 1 6.7. ENSAYOS EN FLUJO CONVERGENTE 6.7.1. Principios Los pasos que deben seguirse para efecuar un ensayo de flujo convergene son: 1. Se bombea en un puno hasa conseguir que las condiciones
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 detallesEcuador Evolución del crédito y tasas de interés Noviembre 2005
Ecuador Evolución del crédio y asas de inerés Dirección General de Esudios N.7 Ecuador: Evolución del crédio y asas de inerés HECHOS RELEVANTES El Banco Cenral del Ecuador (BCE), durane el mes de noviembre
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 detallesCurso Combinado de Predicción y Simulación Edición 2004
Curso Combinado de Predicción y Simulación www.uam.es/predysim Edición 2004 UNIDAD 2: TÉCNICAS ELEENTALES DE PREDICCIÓN CASO DE APLICACIÓN 1.- Predicción y simulación de los coses salariales en España
Más detallesExportación de tomate en Canarias: un patrón estacional estable?
Economía Agraria y Recursos Naurales, ISSN: 1578-0732, Vol. 2, 2 (2002), pp. 53-72 Exporación de omae en Canarias: un parón esacional esable? Gloria Marín Rodríguez, Vícor Javier Cano Fernández y José
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 detallesTEMA 11 HACIA LA AUTOMATIZACIÓN DE LA MODELIZACIÓN DE LAS SERIES TEMPORALES TRAMO / SEATS
TEMA 11 HACIA LA AUTOMATIZACIÓN DE LA MODELIZACIÓN DE LAS SERIES TEMPORALES TRAMO / SEATS Valencia, mayo 25 Bernardí Cabrer Borrás (Análisis Económico) 1 1. HACIA LA MODELIZACIÓN AUTOMÁTICA DE LAS SERIES
Más detallesANÁLISIS MULTIVARIADO DE LAS VENTAS DE UNA EMPRESA DE ALIMENTOS MARZO 1994-SEPTIEMBRE 2006
ANÁLISIS MULTIVARIADO DE LAS VENTAS DE UNA EMPRESA DE ALIMENTOS MARZO 1994-SEPTIEMBRE 2006 José M. Aguao E. 1, John Ramirez 2 RESUMEN El presene esudio nos planea dos herramienas que una empresa de alimenos
Más detallesTEMA 4. IT (UC3M) Comunicaciones Digitales Modulaciones no lineales 1 / 47
EMA 4 MODULACIONES ANGULARES: MODULACIONES DE FASE Y DE FRECUENCIA I (UC3M) Comunicaciones Digiales Modulaciones no lineales 1 / 47 Índice Modulaciones de fase (lineales) Modulación por desplazamieno de
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 detallesPrecios de Salida para el Fondo RCOMP-3 Junio 2016
Precios de Salida para el Fondo RCOMP-3 Junio 2016 A continuación le detallamos las tasas y precios de salida del Fondo Recompensa (RCOMP-3), el Fondo que, 1 jue 30-jun-16 1.00% 1.282104 1.00% 1.286853
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 detallesEstadisticas Regionales de Empleo - Comercio por Mayor y por Menor Fuerza de Trabajo Ocupación Cesantía Participación
Estadisticas Regionales de Empleo - Comercio por Mayor y por Menor PerÍodo: Octubre - Diciembre Fuerza de Trabajo 1.- Fuerza de Trabajo Comercio por Mayor y por Menor por (Miles de Personas) 2.- Fuerza
Más detallesECONOMETRÍA I. Autocorrelación. Autocorrelación. Lección 4: Autocorrelación. Siga. 1. Qué es un modelo con autocorrelación?
ECONOMERÍA I Lección 4: Auocorrelación. jm Auocorrelación.. Qué es un modelo con auocorrelación?. Con qué ipo de daos económicos se suelen presenar modelos auocorrelacionados? Auocorrelación. 3. Qué problemas
Más detallesMúltiples representaciones de una señal eléctrica trifásica
Múliples represenaciones de una señal elécrica rifásica Los analizadores de poencia y energía Qualisar+ permien visualizar insanáneamene las caracerísicas de una red elécrica rifásica. Represenación emporal
Más detallesSECRETARÍA DE AGRICULTURA, GANADERÍA, DESARROLLO RURAL, PESCA Y ALIMENTACIÓN SERVICIO DE INFORMACIÓN AGROALIMENTARIA Y PESQUERA
ÉPOCA DE SIEMBRA DE SORGO GRANO MENSUAL MODALIDAD: RIEGO ESTADOS OCT NOV DIC ENE FEB MAR CHIAPAS 10.44 52.73 25.46 11.37 GUERRERO 1.63 23.15 12.43 62.79 JALISCO 1.77 1.23 97.00 MICHOACÁN 0.68 3.66 8.09
Más detallesSERIES TIEMPO DE MEMORIA LARGA, IDENTIFICACIÓN Y APLICACIONES
SERIES TIEMPO DE MEMORIA LARGA, IDENTIFICACIÓN Y APLICACIONES Elkin Casaño V. Escuela de Esadísica, Faculad de Ciencias, Universidad Nacional de Colombia Sede Medellín Deparameno de Economía, Faculad de
Más detallesPANDEO LOCAL EN SECCIONES DE PAREDES DELGADAS
Faculad de Ingeniería Universidad Nacional de La Plaa ESTRUCTURAS IV PANDEO LOCAL EN SECCIONES DE PAREDES DELGADAS Auores: Ing. Julián J. Rimoli Ing. Marcos D. Acis Ing. Alejandro J. Paanella 1 TENSIONES
Más detallesPráctico 1. Macro III. FCEA, UdelaR
Prácico 1. Macro III. FCEA, UdelaR Ejercicio 1 Suponga una economía que se compora de acuerdo al modelo de crecimieno de Solow-Swan (1956), se pide: 1. Encuenre la ecuación fundamenal del modelo de Solow-Swan.
Más detallesNotas sobre Análisis de Series de Tiempo: Estacionariedad, Integración y Cointegración
Noes on Time Series Analysis:\Saionariy, Inegraion and Coinegraion hp://www.personal.rdg.ac.uk/~lessda/lecure3.hm Noas sobre Análisis de Series de Tiempo: Esacionariedad, Inegración y Coinegración Generalidades
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 detallesY t = Y t Y t-1. Y t plantea problemas a la hora de efectuar comparaciones entre series de valores de distintas variables.
ASAS DE VARIACIÓN ( véase Inroducción a la Esadísica Económica y Empresarial. eoría y Pácica. Pág. 513-551. Marín Pliego, F. J. Ed. homson. Madrid. 2004) Un aspeco del mundo económico que es de gran inerés
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 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 detallesPrecios FOB cáscara o paddy
Precios FOB cáscara o paddy Precios FOB oficiales los que tendrán vigencia a partir del día hábil siguiente 10061092 Arroz cascara o paddy - Los demás. No parbolizado. Día Mes Año Desde/Hasta Precio (dls/tn)
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICA SISTEMA DE METADATOS HIDROCARBUROS. 1.0 Agregado Estadístico- Estadísticas e Indicadores de Hidrocarburos
INSTITUTO NACIONAL DE ESTADÍSTICA SISTEMA DE METADATOS HIDROCARBUROS.0 Agregado Esadísico- Esadísicas e Indicadores de Hidrocarburos. Marco concepual El Deparameno de indicadores por acividad económica,
Más detallesECONOMETRIA II LADE/ LADE-DERECHO. CURSO 2009/2010. Soluciones Hoja de ejercicios 4
ECONOMETRIA II LADE/ LADE-DERECHO. CURSO 2009/2010 Soluciones Hoja de ejercicios 4 A1) Considere el siguiene modelo VAR con mecanismo de corrección del equilibrio (del error) Δy 0.2 0.1 0.3 Δy 1 ε1 = (
Más detallesARTICULO 19 FRACCION XV
PRESTACIONES ECONOMICAS O EN ESPECIE ENTREGADAS A SINDICATOS CORRESPONDIENTE AL MES DE DICIEMBRE DE 2014 920.00 Becas 31-Dic-14 8,000.00 Ayuda para Anteojos 31-Dic-14 170,400.00 Capacitacion y Desarrollo
Más detallesDOCUMENTO DE DISCUSIÓN
DOCUMENTO DE DISCUSIÓN DD/07/20 Méodos alernaivos para la esimación del PBI poencial 1950-2007 Bruno Seminario Marha Rodríguez José Zuloea DOCUMENTO DE DISCUSIÓN DD/07/20 2007 Cenro de Invesigación de
Más detallesM O D E L O S D E I N V E N T A R I O
nvesigación Operaiva Faculad de iencias Exacas - UNPBA M O E L O E N V E N T A O El objeivo de la eoría de modelos de invenario es deerminar las reglas que pueden uilizar los encargados de gesión para
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 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 detallesAlgunos métodos para modelar tendencias y su aplicación a las series de empleo sectorial en Puerto Rico
Algunos méodos para modelar endencias y su aplicación a las series de empleo secorial en Puero Rico (Differen Techniques of Modelling Trend and is applicaions o Puero Rico Secoral Employmen Series) por
Más detallesFigura 1. Coordenadas de un punto
1 Tema 1. Sección 1. Diagramas espacio-iempo. Manuel Guiérrez. Deparameno de Álgebra, Geomería y Topología. Universidad de Málaga. 2971-Málaga. Spain. Marzo de 21. En la mecánica es usual incluir en los
Más detallesTema 7. Variaciones temporales de la gravedad. Tema 7 VARIACIONES TEMPORALES DE LA GRAVEDAD.
Tema 7. Variaciones emporales de la gravedad. Tema 7 VARIACIONES TEMPORALES DE LA GRAVEDAD. 15 7.1 Variaciones emporales del campo de la gravedad. Sobre la Tierra observamos cambios de los valores de la
Más detallesTema 3. Circuitos capacitivos
Inroducción a la Teoría de ircuios Tema 3. ircuios capaciivos. Inroducción... 2. Inerrupores... 3. ondensadores... 2 3.. Asociación de capacidades.... 5 ondensadores en paralelo... 5 ondensadores en serie...
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 detallesCapítulo 8. Introducción al análisis de series temporales.
5 Capíulo 8. Inroducción al análisis de series emporales. 8..- Caso 5: Análisis de algunas series emporales por la meodología Box-Jenins. Una serie emporal puede definirse como una sucesión ordenada en
Más detallesTEMA VI: EL MODELO DE REGRESIÓN LIENAL SIMPLE
El modelo de regresión lineal simple EMA VI: EL MODELO DE REGREIÓN LIENAL IMPLE VI..- Inroducción. VI..- El modelo de regresión lineal simple. Propiedades. VI.3.- Obención de los esimadores por mínimos
Más detallesÍNDICE. Motivación Revisión de la literatura Metodología Resultados Conclusiones
ÍNDICE Motivación Revisión de la literatura Metodología Resultados Conclusiones La crisis financiera actual MOTIVACIÓN Construir un indicador que mida la evolución de las condiciones financieras y crediticias
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 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 detallesAislante. Coulomb voltio
UTOS ELÉTOS ONDENSADOES Los condensadores, ambién denominados capaciares, son componenes elécricos que ienen la capacidad de almacenar energía elécrica en forma de campo elécrico, carga elécrica. Un condensador
Más detallesTema: Análisis de regresión y análisis de varianza. La tabla ANOVA tiene la siguiente representación: CMR F c CME SCE CME=SCE/GLE
Clase de economería 1: Universidad Cenroamericana UCA Tema: Análisis de regresión y análisis de varianza La abla ANOVA iene la siguiene represenación: Fuenes de variación Grados de liberad uma de cuadrados
Más detallesUNA APLICACIÓN DEL MODELO EGARCH PARA ESTIMAR LA VOLATILIDAD DE SERIES FINANCIERAS
Revisa Ingenierías Universidad de Medellín UNA APLICACIÓN DEL MODELO EGARCH PARA ESTIMAR LA VOLATILIDAD DE SERIES FINANCIERAS Horacio Fernández Casaño * Recibido: 15/04/009 Acepado: 08/10/010 RESUMEN En
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 detallesDOCUMENTO DE DISCUSIÓN
DOCUMENTO DE DISCUSIÓN DD/07/20 Méodos alernaivos para la esimación del PBI poencial 1950-2006 (Primer Borrador, no ciar) Bruno Seminario Marha Rodríguez Mauricio Paiva DOCUMENTO DE DISCUSIÓN DD/07/20
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 detallesTÉCNICAS ECONOMÉTRICAS PARA EL PRONÓSTICO DE SERIES DE TIEMPO APLICACIONES EMPRESARIALES
TÉCNICAS ECONOMÉTRICAS PARA EL PRONÓSTICO DE SERIES DE TIEMPO APLICACIONES EMPRESARIALES UPAE - Mayo de 2004 Plan del curso Una sesión de eoría Dos sesiones de aplicaciones (aller) Curso Técnicas Economéricas
Más detallesAnexo Opinión sobre la determinación del Índice de Revalorización de las Pensiones 2017
13 de julio de 2017 Opinión sobre la deerminación del Índice de Revalorización de las Pensiones 2017 ÍNDICE 1. Meodología de la AIReF para calcular el IRP... 3 2. Méodo de proyección de las alas de pensiones:
Más detallesUN INDICADOR SINTÉTICO DE ACTIVIDAD ECONÓMICA
UN INDICADOR SINTÉTICO DE ACTIVIDAD ECONÓMICA ANDRÉS MASOLLER * En este trabajo se construye un indicador sintético de actividad económica a partir del ajuste de un modelo de extracción de señales a un
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 detalles