Introducción a Series de Tiempo Univariadas - Centro Microdatos
Introducción a Series de Tiempo Univariadas - Centro Microdatos Introducción a Series de Tiempo Univariadas - Centro Microdatos
40 60 80Introducción a Series de Tiempo UnivariadasDecember 31, 2010Podemos graficar las series filtradas con los tres tipos de media móvil:tsline imacec smoothimacec1 smoothimacec2 smoothimacec3, legend(label(1"imacec") label(2 "ma 1") label(3 "ma 2") label(4 "ma 3"))100 120 1401985m1 1990m1 1995m1 2000m1 2005m1 2010m1fechaimacec ma 1ma 2 ma 3IV.3 Medias móviles ponderadasLos filtros de medias móviles hasta ahora calculados le dan igual peso a cada una de lasobservaciones, por ejemplo, al calcular una media móvil de cuatro periodos cada observaciónrecibía un peso de ¼.Sin embargo, la definición de media móvil puede fácilmente ser generalizada a la siguienteexpresión:Donde w i son los ponderadores que recibe cada una de las observaciones.30
Introducción a Series de Tiempo UnivariadasDecember 31, 2010Por ejemplo, podemos calcular una media móvil ponderada simétrica de cinco periodos dándoleun peso de 3 a la observación en t, de 2 a las observaciones distanciadas un periodo y de 1 a lasobservaciones distanciadas dos periodos:El comando tssmooth ma contiene la opción de indicar ponderadores para las observaciones:tssmooth ma newvar = exp [if] [in], weights([numlist_l] [numlist_f])Notemos que en esta sintaxis se ha cambiado la opción window() por la opción weigh(), yaque en este caso a través de la opción weight() indicaremos el número de rezagos, valoresadelantados, y si se incluye o no el valor en t, además de sus respectivos ponderadores.Por ejemplo, calculemos la media móvil ponderada de la serie IMACEC, tomando el valor actual, 6rezagos, y 5 valores adelantados de la serie dando un ponderador de 7 a la observación actual, ydisminuyendo en una unidad el ponderador en la medida que se aleja de la observación actual.tssmooth ma imacecwsmooth1 = imacec, weights(1 2 3 4 5 6 6 5 4 3 2)The smoother applied wasby año : (1/48)*[1*x(t-6) + 2*x(t-5) + 3*x(t-4) + 4*x(t-3) + 5*x(t-2) +6*x(t-1) + 7*x(t) + 6*x(t+1) +5*x(t+2) + 4*x(t+3) + 3*x(t+4) + ...; x(t)= imacecLo que también se puede realizar mediante la ventana de comandos:31
- Page 1 and 2: Introducción a Seriesde Tiempo Uni
- Page 3 and 4: Introducción a Series de Tiempo Un
- Page 5: Introducción a Series de Tiempo Un
- Page 8 and 9: Introducción a Series de Tiempo Un
- Page 10 and 11: Introducción a Series de Tiempo Un
- Page 12 and 13: Introducción a Series de Tiempo Un
- Page 14: I. Formato de tiempo en STATAIntrod
- Page 17 and 18: Introducción a Series de Tiempo Un
- Page 19 and 20: Introducción a Series de Tiempo Un
- Page 21 and 22: 40 60 80Introducción a Series de T
- Page 23 and 24: 10 122 4 6 8Introducción a Series
- Page 25 and 26: Tasa de desempleo2 4 6 810 12Introd
- Page 27 and 28: Introducción a Series de Tiempo Un
- Page 29: Introducción a Series de Tiempo Un
- Page 33 and 34: 4 6 8desempleo10 12 14Introducción
- Page 35 and 36: Introducción a Series de Tiempo Un
- Page 37 and 38: 4 6 810 12 144 6 810 12 14Introducc
- Page 39 and 40: 0salmón atlántico (ton)20000 4000
- Page 41 and 42: 020000 40000 60000Introducción a S
- Page 43 and 44: 020000 40000 60000Introducción a S
- Page 45 and 46: Introducción a Series de Tiempo Un
- Page 47 and 48: 020000 40000 60000Introducción a S
- Page 49 and 50: 4 6 810 12Introducción a Series de
- Page 51 and 52: El análogo muestral de la media es
- Page 53 and 54: Introducción a Series de Tiempo Un
- Page 55 and 56: Introducción a Series de Tiempo Un
- Page 57 and 58: Introducción a Series de Tiempo Un
- Page 59 and 60: -0.500.00 0.50 1.00Introducción a
- Page 61 and 62: -.20.2 .4 .6 .8Introducción a Seri
- Page 63 and 64: Introducción a Series de Tiempo Un
- Page 65 and 66: Introducción a Series de Tiempo Un
- Page 67 and 68: -20000 -10000D.sa010000 20000Introd
- Page 69 and 70: Introducción a Series de Tiempo Un
- Page 71 and 72: Introducción a Series de Tiempo Un
- Page 73 and 74: -4 -2venta de pavo0 2 4Introducció
- Page 75 and 76: -1.00 -0.500.00 0.50Introducción a
- Page 77 and 78: -0.500.00 0.50 1.00Introducción a
- Page 79 and 80: Introducción a Series de Tiempo Un
Introducción a <strong>Series</strong> <strong>de</strong> <strong>Tiempo</strong> <strong>Univariadas</strong>December 31, 2010Por ejemplo, po<strong>de</strong>mos calcular una media móvil pon<strong>de</strong>rada simétrica <strong>de</strong> cinco periodos dándoleun peso <strong>de</strong> 3 a la observación en t, <strong>de</strong> 2 a las observaciones distanciadas un periodo y <strong>de</strong> 1 a lasobservaciones distanciadas dos periodos:El comando tssmooth ma contiene la opción <strong>de</strong> indicar pon<strong>de</strong>radores para las observaciones:tssmooth ma newvar = exp [if] [in], weights([numlist_l] [numlist_f])Notemos que en esta sintaxis se ha cambiado la opción window() por la opción weigh(), yaque en este caso a través <strong>de</strong> la opción weight() indicaremos el número <strong>de</strong> rezagos, valoresa<strong>de</strong>lantados, y si se incluye o no el valor en t, a<strong>de</strong>más <strong>de</strong> sus respectivos pon<strong>de</strong>radores.Por ejemplo, calculemos la media móvil pon<strong>de</strong>rada <strong>de</strong> la serie IMACEC, tomando el valor actual, 6rezagos, y 5 valores a<strong>de</strong>lantados <strong>de</strong> la serie dando un pon<strong>de</strong>rador <strong>de</strong> 7 a la observación actual, ydisminuyendo en una unidad el pon<strong>de</strong>rador en la medida que se aleja <strong>de</strong> la observación actual.tssmooth ma imacecwsmooth1 = imacec, weights(1 2 3 4 5 6 6 5 4 3 2)The smoother applied wasby año : (1/48)*[1*x(t-6) + 2*x(t-5) + 3*x(t-4) + 4*x(t-3) + 5*x(t-2) +6*x(t-1) + 7*x(t) + 6*x(t+1) +5*x(t+2) + 4*x(t+3) + 3*x(t+4) + ...; x(t)= imacecLo que también se pue<strong>de</strong> realizar mediante la ventana <strong>de</strong> comandos:31