IntroducciÃ³n a Series de Tiempo Univariadas - Centro Microdatos

More documents

Recommendations

Info

020000 40000 60000Introducción a Series de Tiempo UnivariadasDecember 31, 2010A continuación podemos comparar las predicciones realizadas por ambos tipos de suavizaciónexponencial:tssmooth dexp sa_s3=sa, forecast(24)computing optimal double-exponential coefficient (0,1)optimal double-exponential coefficient = 0.3693sum-of-squared residuals = 3138130066root mean squared error = 4951.4282tssmooth exp sa_s4=sa, forecast(24)computing optimal exponential coefficient (0,1)optimal exponential coefficient = 0.8258sum-of-squared residuals = 2755288384root mean squared error = 4639.5787tsline sa_s4 sa_s3 , legend(label(1 "Exponencial simple") label(2"Exponencial doble"))2000m1 2002m1 2004m1 2006m1 2008m1 2010m1 2012m1fechaExponencial simpleExponencial doble44
Introducción a Series de Tiempo UnivariadasDecember 31, 2010IV.5 Filtro Holt-WintersIV.5.1 Sin estacionalidadEl método de suavización exponencial doble, utilizaba el mismo parámetro , en las dossuavizaciones realizadas a la serie. El método Holt-Winters libera este supuesto permitiendo queel parámetro de suavización del primer filtro sea diferente al del segundo.La sintaxis del comando STATA para realizar este filtro es:tssmooth hwinters [type] newvar = exp [if] [in] [, options]Con las mismas opciones de los comandos anteriores.Veamos que resulta de utilizar el filtro Holt-Winters en la serie de tiempo cosecha de salmónatlántico.use sa, cleartsset fechatime variable: fecha, 2000m1 to 2010m8delta: 1 monthtssmooth hwinters sa_s1=sa, samp0(30)computing optimal weightsIteration 0:Iteration 1:Iteration 2:Iteration 3:Iteration 4:Iteration 5:Iteration 6:penalized RSS = -3.740e+09 (not concave)penalized RSS = -2.703e+09penalized RSS = -2.639e+09penalized RSS = -2.638e+09penalized RSS = -2.638e+09penalized RSS = -2.638e+09penalized RSS = -2.638e+09Optimal weights:alpha = 0.8271beta = 0.0063penalized sum-of-squared residuals = 2.64e+09sum-of-squared residuals = 2.64e+09root mean squared error = 4539.824g sa_s2=F.sa_s1(1 missing value generated)tsline sa sa_s2, legend(label(1 "Observada") label(2 "Suavizada"))45
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 14: I. Formato de tiempo en STATAIntrod
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 33 and 34: 4 6 8desempleo10 12 14Introducción
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: 020000 40000 60000Introducción a S
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 59 and 60: -0.500.00 0.50 1.00Introducción a
Page 61 and 62: -.20.2 .4 .6 .8Introducción a Seri
Page 67 and 68: -20000 -10000D.sa010000 20000Introd
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 81 and 82: 95Introducción a Series de Tiempo
Page 83 and 84: VI.5. Criterios de bondad de ajuste
Page 91 and 92: 50100 150 200Introducción a Series
Page 95 and 96:
-0.40 -0.200.00 0.20 0.40 0.60Intro
Page 97 and 98:
Introducción a Series de Tiempo Un
Page 99 and 100:
Page 101 and 102:
Page 103:
show all

IntroducciÃ³n a Series de Tiempo Univariadas - Centro Microdatos

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?