IntroducciÃ³n a Series de Tiempo Univariadas - Centro Microdatos

More documents

Recommendations

Info

020000 40000 60000Introducción a Series de Tiempo UnivariadasDecember 31, 20102000m1 2002m1 2004m1 2006m1 2008m1 2010m1fechaObservadaSuavizadaComparemos ahora las predicciones realizada por los tres filtros:tssmooth hwinters sa_s3=sa, samp0(30) forecast(24)Optimal weights:alpha = 0.8271beta = 0.0063penalized sum-of-squared residuals = 2.64e+09sum-of-squared residuals = 2.64e+09root mean squared error = 4539.824tssmooth dexp sa_s4=sa, samp0(30) forecast(24)computing optimal double-exponential coefficient (0,1)optimal double-exponential coefficient = 0.3681sum-of-squared residuals = 3125155446root mean squared error = 4941.1817tssmooth exp sa_s5=sa, samp0(30) forecast(24)computing optimal exponential coefficient (0,1)optimal exponential coefficient = 0.8211sum-of-squared residuals = 2671721663root mean squared error = 4568.6787tsline sa_s5 sa_s4 sa_s3 , legend(label(1 "Exponencial simple") label(2"Exponencial doble") label(3 "Holt-Winters"))46
020000 40000 60000Introducción a Series de Tiempo UnivariadasDecember 31, 20102000m1 2002m1 2004m1 2006m1 2008m1 2010m1 2012m1fechaExponencial simpleHolt-WintersExponencial doblePodemos notar que el parámetro correspondiente al segundo filtro es bastante cercano a cero,de esta forma el filtro exponencial simple y Holt-Winters (HW) son bastante similares.Adicionalmente, los errores cuadráticos medios (RMSE) son menores en el filtro exponencialsimple y HW que en el filtro exponencial doble.Dado que creemos que los datos presentan tendencias locales, nos deberíamos inclinar por utilizarHW. Sin embargo, dado que el coeficiente es tan cercano a cero, aparentemente no existeventaja alguna de ocupar este filtro versos el exponencial simple.IV.5.2 Con estacionalidadLos tres filtros exponenciales hasta ahora revisados, no consideran la posibilidad de estacionalidaden los datos. A continuación se presenta una versión modificada de la suavización Holt-Wintersque incorpora la presencia de estacionalidad en los datos. En este caso tenemos un parámetroadicional, que corresponde al componente estacional.La sintaxis del comando STATA para obtener la serie suavizada mediante Holt-Winters conestacionalidad es la siguiente:tssmooth shwinters [type] newvar = exp [if] [in] [, options]47
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 and 44: 020000 40000 60000Introducción a S
Page 45: Introducción a Series de Tiempo Un
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?