MODELACIÓN DEL RÉGIMEN DEL CAUDAL MENSUAL EN LA CUENCA BAJA DEL RÍO DAGUA MEDIANTE SERIES DE TIEMPO ESTACIONALES
|
|
- Ana Belén San Martín Cárdenas
- hace 6 años
- Vistas:
Transcripción
1 49 MODELACIÓN DEL RÉGIMEN DEL CAUDAL MENSUAL EN LA CUENCA BAJA DEL RÍO DAGUA MEDIANTE SERIES DE TIEMPO ESTACIONALES Jefferson Valdés Baso Esudiane. Universidad del Valle, Escuela de Ingeniería Indusrial y Esadísica, Cali. jeffer.valdes@gmail.com Diego A. Casro Llanos Esudiane. Universidad del Valle, Escuela de Ingeniería Indusrial y Esadísica, Cali. dicasro05313@homail.com Wilmar A. Torres López Esudiane. Universidad del Valle, Escuela de Ingeniería Indusrial y Esadísica, Cali. alexanderor@gmail.com Vícor M. González Rojas Profesor Asisene. Universidad del Valle, Escuela de Ingeniería Indusrial y Esadísica, Cali. vimagor@gmail.com Resumen Ese rabajo planea la elaboración de un modelo de series de iempo Esacional para el régimen del caudal mensual en la cuenca baja del río Dagua para el periodo junio junio Donde se busca pronosicar valores fuuros de la serie en los res meses siguienes a parir de la fecha esablecida. Con el modelo propueso se obuvieron resulados similares con respeco a los valores reales para la modelación del régimen mensual. Palabras clave: Series de Tiempo, modelos SARIMA, Régimen caudal agua, Río Dagua, Pronósicos. Absrac This work raises he developmen of a Seasonal ime series model for he monhly flow regime in he lower basin of he Dagua River for he period June June Where is looking predic fuure values of he series wihin hree monhs from he dae esablished. Wih his proposed model were obained similar resuls wih regard o he acual values for modeling monhly regime. Keywords: Time Series, SARIMA Models, Dagua River, Forecasing
2 50 1. Inroducción En la modelación del régimen del caudal del agua se han empleado diversas meodologías y écnicas para la predicción. En muchas ocasiones se realizaron modelos de regresión lineal múliple, donde se evaluaba el comporamieno de esa serie a parir de oras variables físicoquímicas y biológicas innaas en el régimen del caudal; pero son pocos los rabajos en donde se hace uso de la misma serie univariada para la predicción. Para la obención de esa serie se uvo en cuena la información suminisrada por la CVC (Corporación Regional del Valle del Cauca) enidad que ha monioreado la calidad del agua superficial de la cuenca baja del río Dagua en la esación Bendiciones con regisros mensuales hisóricos que van desde Junio de 1982 hasa Mayo de 2004, para los períodos esacionales. Ese rabajo planea la elaboración de un modelo de series de iempo a parir del uso de herramienas esadísicas ales como los modelos SARIMA (Seasonal Auoregressive Inregred Moving Average) en donde se busca modelar la pare esacional con periocidad anual y los demás componenes de la serie. Los resulados de los pronósicos res periodos adelane fueron muy similares comparados con los valores reales de la serie del régimen del caudal del agua. 2. Descripción de la zona de esudio La cuenca del río Dagua limia con las cuencas del río Calima al nore y del río Anchicayá al sur y iene la forma de un riángulo alargado hacia el oese, con su puna cercana a Buenavenura. En esa cuenca se pueden disinguir res (3) zonas morfológicamene diferenes: La zona cosera (desde la desembocadura hasa Córdoba) con una exensión aproximada de 12 km. Tiene una pendiene mínima, lo cual permie que el cauce se separe en varios brazos ubicados en áreas inundables, someidos a la acción de la marea (zonas de manglares). Figura 1. Cuenca Dagua La zona inermedia es esrecha y muy encajonada, con un ancho de aproximadamene 17 km, el Valle se exiende aliudinalmene enre 150 y casi 2000 m; esa zona esá comprendida enre Córdoba y Loboguerrero. En esa zona el río Dagua corre paralelo a la carreera que comunica a Buenavenura y Saniago de Cali. En el rayeco de Loboguerrero y la quebrada Bendiciones con longiud de 19 km se presenan problemas durane los períodos de crecienes con las quebradas que desembocan en el río Dagua. La zona ala ubicada arriba de Loboguerrero. En esa zona la cuenca esá conformada por dos subcuencas: la del río Dagua y la del río Grande. 3. Meodología Para obener el modelo SARIMA se uvo en cuena la meodología propuesa por Box y Jenkins (1970), donde en la idenificación del modelo esacional hace uso de gráficos simulados de diferenes Funciones de Auocorrelación Teóricas (FAC) que son comparadas con la FAC muesral obenida por la serie de esudio. Para el desarrollo de ese modelo se realizaron los siguienes pasos: Idenificación del modelo SARIMA, esimación de parámeros, Validación de supuesos y pronósicos. En la figura 2 se presena el grafico de la serie mensual y la Función de Auocorrelación(FAC):
3 51 CMM en m3 /s Meses ( ) Auocorrelaciones modelo ARIMA convencional. Se grafico la Función de Auocorrelación FAC de la serie ransformada al y como se muesra en la figura FAC Serie Transformada y Diferenciada una vez rezagos Figura 3. Función de Auocorrelacion de la serie ransformada diferenciada una vez Figura 2. Grafico de la serie y Función de Auocorrelación del régimen del caudal de la Cuenca Baja del río Dagua En el grafico de la serie se observa una gran variabilidad en el periodo de esudio pero no se encuenra alguna endencia, además según la FAC la serie no es esacionaria en cuano a nivel, por lo cual se hace necesario aplicar una ransformación a la serie para volverla esacionaria Idenificación del modelo SARIMA Para la idenificación del modelo primero se ransformo la serie con logarimo naural para esabilizarla en varianza, luego se diferencio una vez para esabilizarla en media al igual que en un En el gráfico de la FAC se observa que la serie ransformada es esacionaria en nivel con la primera diferencia y con la ransformación se logra la esabilidad en varianza. No se podría pensar en posular un modelo de medias móviles (MA) de orden bajo debido a que varios rezagos se salen de las bandas de confianza, además de ello se presena una esacionalidad en la serie y razón por la cual se modelará mediane un ARIMA Esacional (SARIMA). Siguiendo a Guerrero (2003) el modelo eórico que mejor se aproxima a la Figura 2 viene dado por (1 φ E E+ 1 B ) W = (1 1B EB E+ 1B ) a (1) Donde W represena la serie ransformada y diferenciada una vez y E es el periodo donde se presena la esacionalidad. El anerior modelo viene dado de manera general por: ARIMA (1, d, E + 1) x(0, D, 0) E (2) con E 3
4 52 De esa forma se requieren d diferencias regulares y D diferencias esaciónales para volver esacionaria la serie del Caudal Medio Mensual ( CMM ). En la prácica el grado de diferenciación esacional es comúnmene D 1, aunque podría presenarse el caso, un ano infrecuene, en que ese valor sea igual a 2, el cual sucede cuando el parón esacional sea creciene. En primera insancia se hizo D = 0, luego D = 1 ya que se perderán solamene 12 observaciones que corresponde de Junio 1982 hasa Mayo de No se realizó D = 2, debido a que el parón esacional no es creciene. Con base en lo anerior se usó una diferenciación esacional, y a parir de esa nueva serie se graficara la FAC correspondiene para deerminar si la serie necesiaba ser diferenciada o no para volverla esacionaria en nivel. En la lieraura primero se deermina el grado de diferenciación esacional y luego el grado de diferenciación para que la serie sea esacionaria en media. En las figuras 4 y5 se presenará las FAC para la serie esacional sin diferenciar y diferenciada una vez. Se puede observar que en la FAC sin diferenciar las auocorrelaciones muésrales decaen lenamene por lo cual no se puede afirmar que la serie esacional es esacionaria en nivel, mienras que en la grafica de la FAC diferenciada una vez los rezagos decaen rápidamene a cero a excepción del rezago 12, sin embargo eso puede suceder por la aleaoriedad. Por lo ano se rabajará con una sola diferencia, considerando la serie esacional con periodo esacional igual a 12 ( E = 12 ). Un crierio para decidir los valores de D y d sin ener en cuena los gráficos de la FAC muesral, consise en calcular las desviaciones esándar S ( d, D) ; donde D corresponde al grado esacional y d el grado de esacionariedad de la serie. La serie esacionaria será aquella que saisfaga el siguiene crierio: { S( j, i); j = 0,1,2; 0,1 } S( d, D) = mín i = (3) Las desviaciones esándar de la serie ransformada para el Caudal Medio Mensual, eniendo en cuena lo anerior vienen dadas por: S(0,0) = 0, S(0,1) = 0, S(1,0) = 0, S(1,1) =0, S(2,0) = 0, S(2,1) =0, De las seis series consideradas, la que menor desviación esándar presena es S (1, 1), lo cual lleva a la misma conclusión usando las FAC muesrales, lo cual hace pensar que la serie es esacionaria en nivel usando d = D = 1. Con lo dicho aneriormene se iene un modelo de la forma: ARIMA ( 1,1, E + 1) x(0,1, 0) E Donde d = 1, E = 12, D = 1. Figura 4. FAC de la serie esacional Figura 5. FAC de la serie esacional diferenciada una vez.
5 Esimación de los parámeros del modelo SARIMA Las esimaciones de los parámeros para el modelo se obuvieron a parir del sofware esadísico Miniab 14.3: Final Esimaes of Parameers Type Coef SE Coef T Valor P AR MA MA MA Se puede observar que dos de los cuaro parámeros esimados son mayores a un nivel de significancia del 5%, en consecuencia no se rechaza la hipóesis nula de que los parámeros 1 y 13 son significaivamene iguales a cero, en consecuencia se debe reducir el número de parámeros, y por ende se debe volver a correr el modelo sin incluir el úlimo de ellos, además se debe ener en cuena que el modelo con el cual se realizaran los pronósicos debe ser el más apropiado en aras de la parsimonia. Se esiman nuevamene los parámeros del modelo considerado, sin ener en cuena el parámero 13, obeniendo: Final Esimaes of Parameers Type Coef SE Coef T Valor P AR MA MA Se puede observar que los 3 parámeros asociados al modelo propueso son significaivamene diferenes de cero, ya que el p-valor de cada uno es menor que un nivel de significancia del 5%, por lo cual se rechaza la hipóesis nula de que esos son iguales a cero, por ende ese es el modelo más adecuado para modelar la serie del Régimen del Caudal Medio Mensual De esa manera el modelo esimado viene dado por: ( B ) W = ( B B ) ; Donde W = T ( CMM ) 12 a 3.3. Validación de supuesos del modelo SARIMA Se verificaron odos los supuesos del modelo según la meodología propuesa por Guerrero (2003) observando que se cumplen odos los supuesos esadísicos requeridos para que ese modelo serie-emporal enga validez en los pronósicos Predicciones Las predicciones para los meses de Julio, Agoso y Sepiembre de 2006 se calcularon en el paquee esadísico Miniab 14.3, obeniendo las siguienes esimaciones: Los valores originales obenidos para el régimen de CMM en la esación bendiciones para Julio, Agoso y Sepiembre de 2006 son ; y respecivamene. Obsérvese que los errores e = y yˆ son -1.26, y respecivamene. 4. Conclusiones Se observa que los pronósicos punuales para los res periodos son muy parecidos con sus verdaderos valores (es decir, la discrepancia enre los valores reales y los pronósicos es pequeña), por lo ano el modelo generador de la serie ARIMA ( 1,1, E + 1) x(0,1, 0) E es adecuado para pronosicar el régimen de CMM. Los inervalos de confianza al 95% de confianza conienen el verdadero valor del pronósico, por lo cual los pronósicos no se
6 54 alejan ano de la realidad, además el ancho del inervalo de confianza es pequeño, aunque ese se incremene cada vez un poco para los pronósicos de agoso y sepiembre de En ese rabajo se enconró que se puede hacer uso de modelos de series de iempo esacionales para saber cómo será el comporamieno a fuuro del régimen del caudal de la cuenca baja del río Dagua, con aproximaciones muy parecidas a lo puede ser la realidad del comporamieno del caudal a diferencia de oros modelos donde en muchas ocasiones solo se pueden hacer predicciones denro del inervalo de iempo esudiado, cosa diferene ocurre con las series de iempo en los cuales se pueden hacer pronósicos a fuuro. 5. Referencias Bibliográficas 1. Conreras, J; Espínola R.; Nogales, F.J.; Conejo A. (2003). ARIMA models o predic nexday elecriciy prices, IEEE Trans. Power Sys., Vol. 18, pp Guerrero, V. M. (2003) Análisis Esadísico de Series de Tiempo Económicas. México, D.F. Ed. Thomson, Segunda Edición. 3. Uriel, E. (1992) Análisis de Series Temporales modelos ARIMA. España, Valencia. Ed. Paraninfo, Segunda Edición.
Tema 3. Especificación, estimación y validación de modelos ARIMA
Tema 3. Especificación, esimación y validación de modelos ARIMA. La Meodología Box-Jenkins. Especificación inicial.. Conrases de raíces uniarias.. Análisis de correlogramas y correlogramas parciales 3.
Más detallesGUÍA DE EJERCICIOS 3 ECONOMETRÍA II., se quiere decidir sobre el número de raíces unitarias mediante un test Dickey-Fuller del tipo
GUÍA DE EJERCICIOS 3 ECONOMETRÍA II 1) Para una deerminada serie, y, se quiere decidir sobre el número de raíces uniarias mediane un es Dickey-Fuller del ipo y y 1 p i 2 y i i 1 Responda a las siguienes
Más detallesEL PRONÓSTICO DE LA DEMANDA (2) Cristina Gigola Departamento Académico de Ingeniería Industrial y Operaciones ITAM
EL PRONÓSTICO DE LA DEMANDA (2) Crisina Gigola Deparameno Académico de Ingeniería Indusrial y Operaciones ITAM gigola@iam.mx Conenido (pare 2) Medidas de error Desarrollo de un modelo Modelos: naïve, promedios
Más detallesDescomposición Estacional
Descomposición Esacional Resumen El procedimieno de Descomposición Esacional divide una serie de iempo en res componenes: 1. endencia-ciclo 2. esacionalidad 3. irregularidad Cada componene puede ser graficado
Más 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 detallesCurso 2006/07. Tema 2: El incumplimiento de la hipótesis de estacionariedad. Cómo resolverla. 2. La falta de estacionariedad en varianza
Economería II Tema 2: El incumplimieno de la hipóesis de esacionariedad. Cómo resolverla. Inroducción 2. La fala de esacionariedad en varianza 3. La fala de esacionariedad en media Tema 2 2. Inroducción
Más detallesComentarios de la Nota Técnica sobre la Determinación del Incremento de la Reserva de Previsión
Comenarios de la Noa Técnica sobre la Deerminación del Incremeno de la Reserva de Previsión Fernando Solís Soberón y Rosa María Alaorre Junio 1992 Serie Documenos de Trabajo Documeno de rabajo No. 3 Índice
Más detallesPronósticos de Ingresos y Gastos Anuales a partir de datos mensuales: Una ilustración para Colombia.
Universidad Icesi Pronósicos de Ingresos y Gasos Anuales a parir de daos mensuales: Una ilusración para Colombia. Julio César Alonso 1, Mauricio Alejandro Arcos 1 1 UNIVERSIDAD ICESI, CIENFI (Cenro de
Más detallesTODO ECONOMETRÍA. Autocorrelación
TODO ECONOMETRÍA Auocorrelación Índice Definición Causas Consecuencias Deección Medidas correcivas Definición de la auocorrelación Definición de auocorrelación La perurbación de una observación cualquiera
Más 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 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 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 detallesEstadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Series Temporales
Esadísica Descripiva y Analisis de Daos con la Hoja de Cálculo Excel Series Temporales Serie emporal una serie emporal es una sucesión de observaciones de una variable realizadas a inervalos regulares
Más detallesAnálisis estocástico de series temporales
Análisis esocásico de series emporales Ernes Pons (epons@ub.edu) Análisis esocásico de Series Temporales Moivación Ejemplos 4500000 8 4000000 6 3500000 4 3000000 2 0 2500000-2 2000000-4 500000-6 000000-8
Más 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 detallesCurso 2006/07. Tema 1: Procesos Estocásticos. Caracterización de los procesos ARIMA. stico
Curso 6/7 Economería II Tema : Procesos Esocásicos. Caracerización de los procesos ARIMA. Concepo de proceso esocásico sico. Esacionariedad fuere y débil de los procesos esocásicos. Teoremas de ergodicidad
Más detalles3.1 Factor de transmisión atmosférica k(i,j)
3 Meodología El modelo esadísico rabaja relacionando el llamado índice de nubosidad obenido a parir de las imágenes de saélie con la irradiación solar global obenida de las esaciones de medición en superficie.
Más detallesSeñales Elementales. Dr. Luis Javier Morales Mendoza. FIEC Universidad Veracruzana Poza Rica Tuxpan
Señales Elemenales Dr. Luis Javier Morales Mendoza FIEC Universidad Veracruzana Poza Rica Tuxpan Índice 3.1. Señales elemenales en iempo coninuo: impulso uniario, escalón uniario, rampa uniaria y la señal
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 28 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 28 de Junio de 2013 12:00 horas Primer Apellido: Nombre: DNI: Teléfono: Segundo Apellido: Grupo y Grado: Profesor(a): e mail: Preguna 1 A B C
Más 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 detallesESTUDIO DEL PRONÓSTICO DE LA DEMANDA DE ENERGIA ELECTRICA, UTILIZANDO MODELOS DE SERIES DE TIEMPO
Scienia e Technica Año IX, No, Diciembre 00. UTP. ISSN 0-70 7 ESTUDIO DEL PRONÓSTICO DE LA DEMANDA DE ENERGIA ELECTRICA, UTILIZANDO MODELOS DE SERIES DE TIEMPO RESUMEN El presene ariculo describe un pronosico
Más 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 detallesAplicación de un modelo EWMA para el análisis de control de calidad en la producción de aluminio primario: caso CVG-Venalum
, pp. 4-55 Aplicación de un modelo EWMA para el análisis de conrol de calidad en la producción de aluminio primario: caso CVG-Venalum An EWMA model applicaion for qualiy conrol analysis in he producion
Más detallesTEMA 2: CINETICA DE LA TRASLACIÓN
TEMA 2: CINETICA DE LA TRASLACIÓN 1.1. Inroducción. Para ener caracerizado un movimieno mecánico cualquiera, hay que esablecer primero respeco a que cuerpo (s) se va a considerar dicho movimieno. Ese cuerpo
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 detalles2. Información Utilizada Para la calibración y validación
ANEXO 4. FORMACIÓN DEL PRECIO DE BOLSA (DESPACHO REAL E IDEAL) (MODELO DE SIMULACIÓN). Definiciones El precio de bolsa corresponde al precio de ofera del recurso que genera el MW marginal no flexible que
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 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 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 detallesMODELOS ESTOCÁSTICOS DE PLUVIOMETRÍA Y TEMPERATURAS MEDIAS MENSUALES EN ESPAÑA
MODELOS ESTOCÁSTICOS DE PLUVIOMETRÍA Y TEMPERATURAS MEDIAS MENSUALES EN ESPAÑA Ayuga Téllez, E.; González García, C.; Robredo Sánchez, J.C.; Marín Fernández, A.J. y Grande Oriz, M.A. Escuela Técnica Superior
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 detallesrepresentando la relación existente entre los datos observados en un instante y los observados en el instante anterior.
ALISADO SERIES EMPORALES Faculad Ciencias Económicas y Empresariales Deparameno de Economía Aplicada Profesor: Saniago de la Fuene Fernández ANÁLISIS DE AUOCORRELACIÓN Dada la serie emporal ( X ) ( X,X,,X
Más detallesDocumento No. 33. por Víctor M. Guerrero y Gabriel Vera Ferrer. Marzo, 1981.
Documeno No. 33 Una Aplicación del Análisis de Inervención a Series de Tiempo de la Economía Mexicana por Vícor M. Guerrero y Gabriel Vera Ferrer Marzo, 98. Las ideas conenidas en el presene ensayo son
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 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 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 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 detallesEstimación puntual ± Margen de error
Esimación Punual Para esimar el valor de un parámero poblacional se calcula la caracerísica correspondiene de la muesra, a lo que se le conoce como esadísico muesral. A la media muesral x se le idenifica
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 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 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 detallesMODELO JUNIO 2005 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II
Modelo de eamen Junio MODELO JUNIO MTEMÁTICS PLICDS LS CIENCIS SOCILES II OPCIÓN. (Punuación máima: punos) Se dice que una mari cuadrada es orogonal si T I: Noa: La noación T significa mari ranspuesa 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 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 detallesVOLATILIDAD DE LA TASA DE CAMBIO PESO DÓLAR: ESTIMACIÓN DE UN INDICADOR PARA LA GESTIÓN DEL RIESGO Y LA PLANEACIÓN DE ESTRATEGIAS DE INVERSIÓN
VOLATILIDAD DE LA TASA DE CAMBIO PESO DÓLAR: ESTIMACIÓN DE UN INDICADOR PARA LA GESTIÓN DEL RIESGO Y LA PLANEACIÓN DE ESTRATEGIAS DE INVERSIÓN MARCELA CONSTANZA TECANO MOLANO Direcor Ingeniero DIEGO HERNÁNDEZ
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 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 detallesPropagación de crecidas en ríos y embalses
GUÍA DEL TRABAJO PRACTICO N 8 Propagación de crecidas en ríos y embalses 1 Pare: Propagación de crecidas en río. Méodo de Muskingum Conocidos los hidrogramas de enrada y salida de un ramo del río Tapenagá
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 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 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 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 detallesEstudio Empírico de la Selección y Estimación de los Modelos de Crecimiento Estadístico
Esudio Empírico de la Selección Esimación de los Modelos de Crecimieno Esadísico S. Amirkhalhali, U.L.G. Rao and S. Amirkhalkhali 1 Resumen: En ese papel se comparan los modelos de crecimieno Lineal Exponencial
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 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 detallesPRONÓSTICO DE LA RADIOATENUACIÓN TROPOSFÉRICA POR LLUVIA PARA LA CIUDAD DE MARACAY
PRONÓSTICO DE LA RADIOATENUACIÓN TROPOSFÉRICA POR LLUVIA PARA LA CIUDAD DE MARACAY (Forecasing of he Tropospheric Radio Aenuaion by Rain for he Ciy of Maracay) Alan Zsarolyani Universidad Rafael Belloso
Más detallesDocumento No. 55. Destacionalización de Series de Tiempo Económicas: Parte II Ajustes Previos Hacia la Deestacionalización. Por. Víctor M.
Documeno No. 55 Desacionalización de Series de Tiempo Económicas: Pare II Ajuses Previos Hacia la Deesacionalización Por Vícor M. Guerrero Agoso, 1983. Las ideas conenidas en el presene ensayo son responsabilidad
Más detallesModelos econométricos de predicción macroeconómica en la Argentina. Autores: George McCandless Ma. Florencia Gabrielli Tomás E.
Modelos economéricos de predicción macroeconómica en la Argenina Auores: George McCandless Ma. Florencia Gabrielli Tomás E. Murphy Gerencia de Invesigaciones Económico Financieras Área de Economía y Finanzas
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 detallesSesión 2 Análisis univariado de series de tiempo
Banco Cenral de Reserva del Perú 55º Curso de Exensión Universiaria Economería Prof. Juan F. Casro Sesión Análisis univariado de series de iempo 4. Series de iempo esacionarias 4.. Qué enendemos por proceso
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 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 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 detallesGESTIÓN DE INVENTARIOS Código: M. Docente: Julio César Londoño Ortega
GESTIÓN DE INVENTARIOS Código: 760033M Docene: Julio César ondoño Orega 1. Concepos avanzados de pronósicos de demanda 1. CONCEPTOS AVANZADOS DE PRONÓSTICOS DE DEMANDA Medición y análisis de los errores
Más detallesPRÁCTICA 3: Sistemas de Orden Superior:
PRÁCTICA 3: Sisemas de Orden Superior: Idenificación de modelo de POMTM. Esabilidad y Régimen Permanene de Sisemas Realimenados Conrol e Insrumenación de Procesos Químicos. . INTRODUCCIÓN Esa prácica se
Más detallesPREDICCIÓN DE LA DEMANDA TURÍSTICA EN LA REGIÓN NORTE DE PORTUGAL RESUMEN
PREDICCIÓN DE LA DEMANDA TURÍSTICA EN LA REGIÓN NORTE DE PORTUGAL RESUMEN Paula Odee Fernandes* - e-mail: pof@ipb.p Luis Borges González** - e-mail: borge@eco.uva.es Francisco José Terroso Cepeda* - e-mail:
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 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 detalles3. Métodos de clasificación de días solares.
3. Méodos de clasificación de días solares. Exisen diversos méodos uilizados para clasificar días solares en función de disinas variables como pueden ser el número de horas de sol, porcenaje de nubes,
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 detallesÍndice. Tema 1: Cinemática. Capítulo 1: Introducción a la Cinemática
Índice Tema 1: Cinemáica Capíulo 1: Inroducción a la Cinemáica TEMA 1: CINEMÁTICA Capíulo 1: Inroducción a la cinemáica Inroducción Dos nuevas ciencias Galileo Galilei (1564 164) El movimieno en el Renacimieno.
Más detallesINCIDENCIA DEL IVA EN LOS INDICES DE PRECIOS AL CONSUMIDOR Y AL PRODUCTOR. RESUMEN
INCIDENCIA DEL IVA EN LOS INDICES DE PRECIOS AL CONSUMIDOR Y AL PRODUCTOR. Jandry Humbero Morea Zambrano 1 Ec. Manuel González RESUMEN La presene invesigación, iene por objeivo analizar mediane herramienas
Más detallesMODELAMIENTO ESTADISTICO DE LAS SERIES DE TIEMPO DE LA CUENCA SUPERIOR DEL RIO LEBRIJA ZULMA KARINA AZA PEDRAZA MARIA FERNANDA VARGAS SUAREZ
MODELAMIENTO ESTADISTICO DE LAS SERIES DE TIEMPO DE LA CUENCA SUPERIOR DEL RIO LEBRIJA ZULMA KARINA AZA PEDRAZA MARIA FERNANDA VARGAS SUAREZ UNIVERSIDAD INDUSTRIAL DE SANTANDER FACULTAD DE INGENIERIAS
Más detallesEliana Inés Padula Roberto Darío Bacchini
ESTUDIO COMPARATIVO DE METODOLOGÍAS PARA EL CÁLCULO DEL VALOR A RIESGO: APLICACIÓN AL MERVAL INTRODUCCIÓN Eliana Inés Padula Robero Darío Bacchini El presene rabajo iene por objeivo evaluar diferenes herramienas
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 detallesComo podrás observar, los valores de la última columna no son iguales a qué se debe esto, si para una función lineal sí resultaron iguales?
Razón de cambio de una función cuadráica Ejemplo.5 Un puno se desplaza en el plano describiendo el lugar geomérico correspondiene a la función f ( x x 6x 3. Obén la razón promedio de cambio. Considera
Más detallesSesión 2 Análisis univariado de series de tiempo. 5. Series de tiempo no estacionarias en media
Banco Cenral de Reserva del Perú 55º Curso de Exensión Universiaria Economería Prof. Juan F. Casro Sesión 2 Análisis univariado de series de iempo 5. Series de iempo no esacionarias en media La maoría
Más detallesUN ANALISIS DE LA PREDICCION DE LA MORTALIDAD APLICANDO EL MODELO LEE-CARTER
Congreso Ibérico Lisboa 29-31 mayo 2008 UN ANALISIS DE LA PREDICCION DE LA MORTALIDAD APLICANDO EL MODELO LEE-CARTER Amancio Bezuen Universidad Pais Vasco Amancio.bezuen@ehu.es 1 UN ANALISIS DE LA PREDICCION
Más detallesTRABAJO Y ENERGIA: IMPULSO
TRABAJO Y ENERGIA: IMPULSO Un paquee de 10 kg cae de una rampa con v = 3 m/s a una carrea de 25 kg en reposo, pudiendo ésa rodar libremene. Deerminar: a) la velocidad final de la carrea, b) el impulso
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 detallesEspecificación y Estimación de los MODELOS ARCH. Horacio Catalán Alonso
Especificación y Esimación de los MODELOS ARCH Horacio Caalán Alonso Noviembre de 0 Caracerísicas de las series financieras:. Son lepokuricas (achaadas y con colas más gordas).las relaciones enre ganancia
Más detalles03) Rapidez de Cambio. 0302) Rapidez de Cambio
Página 3) Rapidez de Cambio 3) Rapidez de Cambio Desarrollado por el Profesor Rodrigo Vergara Rojas Ocubre 7 Ocubre 7 Página A) Rapidez media de cambio Considere una canidad física (), como la mosrada
Más detallesINDICE DE COMERCIO MINORISTA
INDICE DE COMERCIO MINORISTA Noa meodológica Agoso 2012 El Índice de Comercio Minorisa (ICIm) de la C.A. de Euskadi es un indicador coyunural de periodicidad rimesral cuyo objeivo es medir la evolución
Más detallesSerie Apuntes de Clase ΩΒΓ
Serie Apunes de Clase ΩΒΓ N 4 Seiembre del 04 Rafael Busamane Romaní UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS Universidad del Perú, DECANA DE AMÉRICA FACULTAD DE CIENCIAS ECONÓMICAS La Serie Apunes de
Más detallesEvaluation by Means of Simulation of Unit Root Test at Seasonal Frequencies. Application and Scientific Modeling of Soybean Oil Exports in Argentine
Revisa de Episemología y Ciencias Humanas Evaluación mediane simulación del es de raíces uniarias en frecuencias esacionales. Aplicación y modelización de la exporación de aceie de soja en Argenina Evaluaion
Más 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 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 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 detallesEnergética ISSN: Universidad Nacional de Colombia Colombia
nergéica ISSN: 00-9833 energeica_nal@unal.edu.co Universidad Nacional de Colombia Colombia Hernández N., Olver; Velásquez, Juan David; Dyner, Isaac Modelos ARIMA y esrucural de la serie de precios promedio
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 detallesINDICE COYUNTURAL DE SERVICIOS
INDICE COYUNTURAL DE SERVICIOS Descripción meodológica Junio 2012 El objeivo del Índice Coyunural de Servicios es obener un indicador coyunural de la evolución de las venas y del personal ocupado en el
Más detallesUn Indicador Líder de Corto Plazo para la Economía Peruana
Un Indicador Líder de Coro Plazo para la Economía Peruana IV Encuenro de Economisas del BCRP Freddy Espino y Carlos Mendiburu Diciembre, 26. 1. Inroducción y Moivación Bajo el Esquema de Meas Explícias
Más detallesProducción de videos en el aprendizaje de la higiene bucal y lavado de manos del nivel inicial-especial
HORIZONTE DE LA CIENCIA Producción de videos en el aprendizaje de la higiene bucal y lavado de manos del nivel inicial-especial Caherine Paola Krammer Dávila* Juan Carlos Yangali Vargas** Resumen La presene
Más detallesReflectometría en el Dominio del Tiempo
Mediciones Elecrónicas Reflecomería en el Dominio del iempo Sisema Bajo Prueba?? 1 Reflecomería en el Dominio del iempo Se desea evaluar una línea de ransmisión: inea de ransmisión de impedancia Z Z 1.
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 detallesEstadística Aplicada a la Educación
Esadísica Aplicada a a la la Educación Esadísica Aplicada a la Educación Tuor. UNED Madrid-Sur (A.U. Parla) Miguel Ángel Daza 014/15 migdaza@madridsur.uned.es 1 014/15 1 4 5 6 7 8 9 10 11 1 La Esadísica
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 detallesProyección de Tráficos Mediante un Modelo Microeconómico
Proyección de Tráficos Mediane un Modelo Microeconómico Ing. Germán E. Valverde González, M.B.A., M.Sc. Direcor del Deparameno de Ingeniería de Transpore Escuela de Ingeniería Civil, Universidad de Cosa
Más detalles