Análisis de series de tiempo

Slides:



Advertisements
Presentaciones similares
PRACTICAS SOBRE LA MODELIZACIÓN DE SERIES TEMPORALES
Advertisements

Econometría II Análisis de series temporales (II): Extensiones y metodología Miguel Jerez y Sonia Sotoca Universidad Complutense de Madrid Marzo 2004.
Regresión mínimo cuadrada (I)
Ing. Andrea Barbaro 1 Pronóstico de la Demanda Esta presentación es solo un complemento de la unidad. En ningún caso, exceptúa al alumno de la lectura.
REGRESION LINEAL SIMPLE
Modelos ARMA.
Capitulo 9: Modelos unívariados de series temporales
Pronósticos, Series de Tiempo y Regresión
Pronósticos, Series de Tiempo y Regresión
¿ Que es la complejidad de un algoritmo ?
Planificación y Control de la Producción I
Estadística 2011 Maestría en Finanzas Universidad del CEMA
Centro de Investigación Estadística
Centro de Investigación Estadística
SERIES DE TIEMPO INTEGRANTES : GELSI VASQUEZ MICHAEL MUÑOZ JULIO TAPIA.
SERIES UNIVARIADAS Toda institución, ya sea la familia, la empresa o el gobierno, tiene que hacer planes para el futuro si ha de sobrevivir y progresar.
CÁLCULO DIFERENCIAL.
Estadística 2009 Maestría en Finanzas Universidad del CEMA
ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL
SERIES TEMPORALES.
Pronósticos, Series de Tiempo y Regresión
Econometria 2. Modelo de Regresión Lineal Simple
TOPICOS DE ECONOMETRIA APLICADA Series de Tiempo Introducción
Mario Bidegain (FC) – Alvaro Diaz (FI) – Marcelo Barreiro (FC)
INTRODUCCIÓN A LAS SERIES DE TIEMPO
MODELO DE SERIES DE TIEMPO
Capitulo 10: La metodología Box-Jenkins
DINAMICA DE LA OFERTA AGROPECUARIA ARGENTINA: ELASTICIDADES DE LOS PRINCIPALES CULTIVOS PAMPEANOS VICTOR BRESCIA DANIEL LEMA INSTITUTO DE ECONOMIA Y SOCIOLOGIA.
Representación de Señales y Ruido por medio de Series Ortogonales
Previsión de Ventas. Métodos no paramétricos Previsión de Ventas. Tema 2. 1 Antonio Montañés Bernal Curso
Análisis de series de tiempo Cuarta semana Abril Julio 2009.
SERIES TEMPORALES.
Pronósticos Los pronósticos y la planeación de la capacidad de mantenimiento son dos funciones importantes para el diseño de un sistema de mantenimiento.
SERIES DE TIEMPO INTEGRANTES :.
Modelos de Suavizamiento
Análisis de series de tiempo Semana 9 Abril –Julio 2009.
Unidad 1: ECUACIONES DIFERENCIALES DE PRIMER ORDEN
UNIDAD No. 3 Aplicaciones de la integral definida
Departamento de Informática Universidad Técnica Federico Santa María EconometríaEconometría Modelos Pronósticos Prof. Dr. Héctor Allende.
Modelo de regresión con dos variables: Estimación
Unidad V: Estimación de
ESTADÍSTICAS DESCRIPTIVA
1 Metodología para Estimaciones de la Actividad Económica del Estado de Nuevo León Marzo 2005.
SERIES TEMPORALES.
LOGO Econometría III Esquema del trabajo de ordenador. Curso Parte 3. Análisis de cointegración y formas de los modelos.
Pronósticos, Series de Tiempo y Regresión
Análisis Matemático III
Análisis de series de tiempo
Pronósticos, Series de Tiempo y Regresión
ANALISIS DE SERIES TEMPORALES
Análisis de series de tiempo
Límite de una función en un punto.
SERIES TEMPORALES.
Límites y Continuidad.
Índice: Introducción Conceptos básicos Procesos elementales
SERIES CRONOLOGICAS O DE TIEMPO
Capitulo 8: Introducción a modelos de series temporales
RESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES MEDIANTE DETERMINANTES
Análisis de series de tiempo
TECNOLOGÍAS DE LA INFORMACIÓN Y SERVICIOS PARA EL PRODUCTOR AGROPECUARIO PRESENTACION FINAL DEL DESARROLLO DEL PROYECTO.
Integrales dobles sobre regiones rectangulares
Series Temporales CIMAT, 2012 Clase 1. Introducción El análisis de series de datos registrados consecutivamente en el tiempo presenta contrastes con otros.
PRONÓSTICO DE VARIABLES ECONÓMICAS DR. LUIS MIGUEL GALINDO.
TEMA : ANALISIS DE REGRESION
UNIDAD II LINEAS DE ESPERA
PROYECTABLE DE SERIES DE TIEMPO
REGRESIÓN LINEAL SIMPLE
METODO DE HOLT Suavización exponencial ajusta a la tendencia.
@ Angel Prieto BenitoApuntes 2º Bachillerato C.S.1 RESOLUCIÓN DE SISTEMAS U.D. 1 * 2º BCS.
Predicción con Alisado Exponencial
Transcripción de la presentación:

Análisis de series de tiempo Tercera clase

Métodos de descomposición de series de tiempo

Métodos de suavizamiento – pronóstico Promedios Simples Simple Móvil Doble Móvil Suavizamiento exponencial Simple Doble (Holt, Brown) Triple (Winters, Brown)

Modelos con variables exógenas Ver ejemplo de contaminación, temperatura y mortalidad. Gráficos por pares...

Análisis de tendencia – Series derivadas

Opciones: Una tendencia determinística Una tendencia aleatoria En la primera hay que ajustar un modelo En la segunda para eliminarla hay que trabajar con la primera diferencia (hablar de las segundas ...) NOTACIÓN: Ir a R

Suavizamiento - Revisitado Tendencias de largo plazo pueden ser examinadas con la serie ‘suavizada’ por ejemplo

Suavizamiento - Revisitado Nucleo

Splines Se divide el soporte de los datos en k intervalos y en cada intervalo se ajusta una regresion polinomica de manera que sea diferenciable en todas partes

Estudio de tendencia (Series climatológicas) Referencia: Notas de Richard Smith sobre estadística ambiental. Material puede ser bajado de la pagina http://www.cesma.usb.ve/~lbravo/co6324/notas.html Notas Smith

Análisis de series de tiempo a la manera de Box-Jenkins Notación Libro: Recordar que pasa si xt media no cero

Operadores polinómicos

Ejemplos de AR(1)

AR(1) : El ejemplo!!! (ecuación recursiva) Leer Teorema de representación de Wold Apendice B del libro

AR(1) : El ejemplo!!! (ecuación recursiva) Siempre y cuando...

AR(1) Anticipación y “estacionariedad” (suponga |f |>1)

AR(p) como un promedio móvil infinito: Hacer el ejemplo con AR(1) (otra vez)

Análisis de series de tiempo a la manera de Box-Jenkins

Operadores polinómicos

Ejemplos MA(1)

MA(1) Auto-covariancia es igual a cero para h > q Auto-correlación es igual para diferentes valores de q lo que presenta un problema de identificabilidad... más aún, distintas combinaciones de sigma y theta dan resultados iguales en auto-covariancia

MA(q) como un AR infinito

MA(q) La representación MA(q) no es única (dan mismos resultados).

Modelos ARMA Son combinaciones de lo anterior; para un proceso estacionario con media cero distinta de cero

ACF