Introducción a Series de Tiempo Univariadas - Centro Microdatos
Introducción a Series de Tiempo Univariadas - Centro Microdatos Introducción a Series de Tiempo Univariadas - Centro Microdatos
-0.500.00 0.50 1.00Introducción a Series de Tiempo UnivariadasDecember 31, 2010Hemos estimado un proceso AR(3) pero para la serie en primera diferencia, ya que hemosindicado que la serie es integrada de orden 1.Hemos estimado la siguiente ecuación estructural y ecuación de los residuos:Ahora estimemos el proceso ARIMA para la serie cosecha de salmón. Ya habíamos testeado laestacionariedad de la serie, rechazando la presencia de raíz unitaria, por lo cual no es necesariodiferenciar la serie.Podemos ver el gráfico con la función de autocorrelación muestral y la función de autocorrelaciónparcial:ac sa0 10 20 30 40LagBartlett's formula for MA(q) 95% confidence bandspac sa76
-0.500.00 0.50 1.00Introducción a Series de Tiempo UnivariadasDecember 31, 20100 10 20 30 40Lag95% Confidence bands [se = 1/sqrt(n)]También mediante el comando corrgram podemos visualizar ambas funciones:. corrgram sa, lags(20)-1 0 1 -1 0 1LAG AC PAC Q Prob>Q [Autocorrelation] [Partial Autocor]-------------------------------------------------------------------------------1 0.8301 0.8506 90.294 0.0000 |------ |------2 0.7072 0.0914 156.35 0.0000 |----- |3 0.5749 -0.0583 200.35 0.0000 |---- |4 0.5008 0.1346 234 0.0000 |---- |-5 0.4595 0.1120 262.56 0.0000 |--- |6 0.3701 -0.1571 281.25 0.0000 |-- -|7 0.2862 -0.0477 292.51 0.0000 |-- |8 0.2178 0.0350 299.09 0.0000 |- |9 0.1932 0.0717 304.31 0.0000 |- |10 0.1605 -0.0752 307.94 0.0000 |- |11 0.0848 -0.1939 308.96 0.0000 | -|12 0.0122 -0.0131 308.98 0.0000 | |13 -0.0392 0.0277 309.21 0.0000 | |14 -0.0468 0.0115 309.53 0.0000 | |15 -0.0540 -0.0829 309.96 0.0000 | |16 -0.0924 -0.0479 311.22 0.0000 | |17 -0.1140 0.0732 313.17 0.0000 | |18 -0.0783 0.1562 314.1 0.0000 | |-19 -0.0172 0.1013 314.15 0.0000 | |20 0.0667 0.2005 314.83 0.0000 | |-Las funciones indican que es un proceso AR(1). A continuación estimaremos un procesoARIMA(1,0,0).77
- Page 25 and 26: Tasa de desempleo2 4 6 810 12Introd
- Page 27 and 28: Introducción a Series de Tiempo Un
- Page 29 and 30: Introducción a Series de Tiempo Un
- Page 31 and 32: 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: -1.00 -0.500.00 0.50Introducción a
- Page 79 and 80: Introducción a Series de Tiempo Un
- Page 81 and 82: 95Introducción a Series de Tiempo
- Page 83 and 84: VI.5. Criterios de bondad de ajuste
- Page 85 and 86: Introducción a Series de Tiempo Un
- Page 87 and 88: Introducción a Series de Tiempo Un
- Page 89 and 90: Introducción a Series de Tiempo Un
- Page 91 and 92: 50100 150 200Introducción a Series
- Page 93 and 94: Introducción a Series de Tiempo Un
- 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: Introducción a Series de Tiempo Un
- Page 101 and 102: Introducción a Series de Tiempo Un
- Page 103: Introducción a Series de Tiempo Un
-0.500.00 0.50 1.00Introducción a <strong>Series</strong> <strong>de</strong> <strong>Tiempo</strong> <strong>Univariadas</strong>December 31, 20100 10 20 30 40Lag95% Confi<strong>de</strong>nce bands [se = 1/sqrt(n)]También mediante el comando corrgram po<strong>de</strong>mos visualizar ambas funciones:. corrgram sa, lags(20)-1 0 1 -1 0 1LAG AC PAC Q Prob>Q [Autocorrelation] [Partial Autocor]-------------------------------------------------------------------------------1 0.8301 0.8506 90.294 0.0000 |------ |------2 0.7072 0.0914 156.35 0.0000 |----- |3 0.5749 -0.0583 200.35 0.0000 |---- |4 0.5008 0.1346 234 0.0000 |---- |-5 0.4595 0.1120 262.56 0.0000 |--- |6 0.3701 -0.1571 281.25 0.0000 |-- -|7 0.2862 -0.0477 292.51 0.0000 |-- |8 0.2178 0.0350 299.09 0.0000 |- |9 0.1932 0.0717 304.31 0.0000 |- |10 0.1605 -0.0752 307.94 0.0000 |- |11 0.0848 -0.1939 308.96 0.0000 | -|12 0.0122 -0.0131 308.98 0.0000 | |13 -0.0392 0.0277 309.21 0.0000 | |14 -0.0468 0.0115 309.53 0.0000 | |15 -0.0540 -0.0829 309.96 0.0000 | |16 -0.0924 -0.0479 311.22 0.0000 | |17 -0.1140 0.0732 313.17 0.0000 | |18 -0.0783 0.1562 314.1 0.0000 | |-19 -0.0172 0.1013 314.15 0.0000 | |20 0.0667 0.2005 314.83 0.0000 | |-Las funciones indican que es un proceso AR(1). A continuación estimaremos un procesoARIMA(1,0,0).77