CURSO DE MODELACIN

Y
PRONSTICOS
Programa:
Especializacin
EN FORMULACION Y EVALUACIN DE PROYECTOS

Docente:
John Chuke Yepes Londoo
johnyepes6778@correo.itm.edu.co

Objetivo del
del curso
curso
Objetivo
Comprender y desarrollar los conceptos, tcnicas,
mtodos y modelos, para el anlisis, la interpretacin y
la prediccin de diversos escenarios futuros probables,
que involucra la evaluacin de proyectos, para la toma
de decisiones en un marco de expectativas esperadas.
Especficos
Especficos

Capacitar en:
El uso de la metodologa de modelos lineales.
En la aplicacin de modelos lineales modelos
paramtricos.
En el proceso de estimacin y prediccin de modelos
de regresin lineal simple, mltiple, logstico, entre
otros.
En la modelacin de Anlisis de series de tiempo,

Objetivo de
de los
los estudiantes
estudiantes
Objetivo

Adquirir la capacidad de realizar modelaciones y

proyecciones estadsticas mediante los diferentes
tcnicas estadsticas

PROGRAMA
PROGRAMA
Unidad 1: Anlisis Exploratorio de Datos-AED
1.1. Contextualizacin
1.2. Identificacin de valores outliers
1.3. Suavizacin:
1.2.1. Promedios mviles
1.2.2. Suavizacin exponencial
1.2.3. Seleccin del mejor modelo

Unidad 2: Modelos de Regresin Lineal

2.1. Regresin lineal simple y mltiple.
2.1.1. Mnimos cuadrados
2.1.2. Estimacin y prediccin
2.1.3. Diagnstico y anlisis de residuos
2.1.3.1. Pruebas de Multicolinealidad
2.1.3.2. Pruebas Heteroscedasticidad
2.1.3.3. Pruebas Autocorrelacin serial
2.1.3.4. Aplicaciones a modelos

2.2. Introduccin a los modelos lineales generalizados

2.2.1. Modelos: Doble Log, Log-Lin, Lin-Log,
Reciprocos
2.2.2. Planteamiento de modelos: Logstica, probit
2.2.3. Estimacin y prediccin

Unidad 3: Modelos
ARIMA
3.1. Componentes de una serie
3.1.1. Estacional
3.1.2. Tendencial
3.1.3. Cclico
3.1.4. Aleatorio

3.2. Modelos AR(p)

3.2.1. Modelos invertibles
3.2.2. Estacionariedad
3.2.3. Pruebas de paseo aleatorio y ruido
blanco
3.3. Modelos MA(q)
3.2.1. Modelos invertibles
3.2.2. Estacionariedad
3.2.3. Pruebas de paseo aleatorio y ruido
blanco
3.4. Modelos ARIMA(p,d,q)
3.2.1. Modelos invertibles
3.2.2. Estacionariedad

Unidad 4:
SIMULACION
4.1. Conceptos bsicos de simulacin
4.1.1.
4.1.2.
4.1.3.
4.1.4.

Ventajas y desventajas de la simulacin

Sistemas continuos y discretos
Pasos en un estudio de simulacin
Tcnicas y Propiedades de los nmeros aleatorios.

4.2. Concepto de variables aleatorias

4.2.1. Distribuciones de probabilidad

Bibliografa
Gujarati, Damodor. ( 2014). Econometra. Cuarta
edicin
GREENE, W. (1998). "Anlisis Economtrico" (edic. 3).
Ed. Prentice Hall.
PINDYCK R. y RUBINFELD, D.L. (2000). "Econometra: modelos y
pronsticos". Ed. MacGraw-Hill.
WOOLDRIDGE, J. M. (2006). Introduccin a la econometra:
un enfoque moderno. Thomson Learning.
PEA, DANIEL. (2005). Mtodos y Modelos estocasticos d
eseries temporales. Madrid.
Box, George; Jenkins Gwilyn. (2015). Time Series Analysis.
Forecasting and Control .