Documente Academic
Documente Profesional
Documente Cultură
Objetivos:
El punto de partida para su elaboración consiste en considerar dicha serie con una realización
particular finita de un proceso estadístico.
1.2 PROCESOS ESTOCASTICOS
OBSERVACION 2: Una serie temporal se refiere a un periodo muestral que tal solo es una parte
de la historia del proceso estocástico del que procede este. Sin embargo, si las circunstancias
sociales o naturales del periodo muestral se mantienen estables después de dicho periodo, se
esperar que las conclusiones obtenidas del análisis sean aplicables a momentos posteriores.
PROCESOS ESTACIONARIOS
OBSERVACION 2: Una condición necesaria para que un proceso sea estacionario es que la
esperanza incondicional de cada uno de sus componentes exista y sea la mima a lo largo de toda
la historia del proceso.
PROCESOS NO ESTACIONARIOS.
OBSERVACION 1: Una condición suficiente para que sea no estacionario es que la esperanza
incondicional de algunos de sus componentes sea distinta de la de otros. Siendo por este motivo
más complicadas que las Estacionarias.
OBSERVACION 2: Ya que tienen propiedades distintas a las Estacionarias, uno de los primeros
pasos en el análisis de series temporales consiste en determinar si cada una de las series
consideradas resulta o no compatible con la hipótesis de estacionariedad.
1.3. MODELOS
Un modelo para un proceso estocástico es cualquier conjunto de hipótesis bien definidas sobre
las propiedades estadísticas de dicho proceso. ( En algunos casos, las propiedades estadísticas
sobre las que se plantea un modelo son la esperanza de cada componente del proceso
considerado y las covarianzas entre cada par de componentes del mismo)
MODELOS UNIVARIANTES
ENTRE OTROS MODELOS TALES COMO ARCH(1), GARCH (1,1) Y EL VAR(1) bivariante que es el
se detalla:
OBSERVACION: Considerada como una función del retardo k, la secuencia anterior se denomina
la función de auto correlación parcial (PACF)
ACF-PACF muestrales
2.3 MODELOS ARMA
ESTACIONALIDAD – INVERTIBILIDAD
*Cuando un proceso estacionario (Yt) sigue un modelo ARMA (p,q) descrito por los modelos
anteriores, la esperanza incondicional de(Yt) es:
Donde phi(1) es el valor del operador AR, cuando B=1. Por lo tanto (2.10) puede escribirse
alternativamente como:
ESTIMACION
DIAGNOSIS
Las operaciones siguientes referidas a los residuos del modelo identificado y estimado, son
especialmente útiles en la etapa de diagnosis:
CRITERIOS DE INFORMACION.
CONTRASTE DE NO ESTACIONARIEDAD DE SHIN FULLER
EJEMPLO