Beruflich Dokumente
Kultur Dokumente
TRABAJO AUTNOMO
ACTIVIDADES
1. Modelo ARIMA
a) Supuestos
La palabra ARIMA se denomina a los Modelos Autorregresivos Integrados de Medias
Mviles, este modelo lleva el nombre de autorregresivo si la variable endgena es
explicada por ella misma en un periodo t, aadiendo periodos anteriores a estas
observaciones lo que lleva a los modelos estructurales se define como un termino de error
o siendo ARIMA un proceso estacionario se dice que si estos llevan una distribucin normal
en los procesos estocsticos bajo previas condiciones toda Y t puede expresarse como la
combinacin lineal de sus trminos pasados mas un termino de erros. Estos son llamados:
parte sistemtica e innovacin respectivamente.
b) Modelo
Existen dos modelos el modelo AR(p) y MA(q) el modelo de medias mviles.
En el modelo autorregresivo, AR(p), donde p indica el numero de observaciones
retrasadas en la serie temporal que se usan para la ecuacin y para eso usaremos la
siguiente formula:
El modelo de las medias mviles, MA(q), explica el valor que en un periodo t, tomara una
variable en funcin de una constante independiente y un termino de error correspondiente
a anteriores periodos, ponderados a conveniencia, este modelos responde exactamente a
las mismas caractersticas del modelo AR(p), donde q indica el termino de error y su
formula general esta dada por:
Cabe recalcar que existe la forma de pasar de un modelo AR(p) a un modelo MA(q),
haciendo cambios de variables y viceversa pero en el caso contrario deberamos usar el
teorema general de descomposicin de Wold.
INDG1005 Pronsticos y Control de Inventario Paralelo 2
c) Restricciones
Asi como se menciono anteriormente que ambos modelos pueden convertirse en el otro y
viceversa, para que el proceso estocastico estacionario pueda formularse con los modelos
que aqui mencionamos debe cumplirse que:
- El proceso no debe ser anticipante
- El proceso ha de ser invertible: quiere decir que la correlacin entre una variable y l
anterior va reduciendo segn el tiempo y lo denominamos proceso ergodic.
- La restriccin de estacionariedad:
Asegurarse que la serie sea estacionaria, si no cumpliese con este requisito
transformar la serie temporal a una nueva serie transformada asegurndose que esta
si cumpla.
d) Alcance y aplicabilidad.
Entre los principales objetivos de los modelos se encuentran:
e) Ejemplifique su aplicacin.
INDG1005 Pronsticos y Control de Inventario Paralelo 2
2. Modelo SARIMA
a) Supuestos
Donde t se da por:
Dandonos la idea principal que los modelos SARIMA son modelos ARIMA(p,q,d), cuyos
residuos t estan dados por un operador Bs y potencia sucesivas.
b) Modelo
Los modelos en los procesos admisibles del modelo SARIMA, son analogamente
compatibles con los modelos ARIMA, a excepcion de su denotacion en la cual usaremos,
SMA(q), SAR(p).
c) Restricciones
INDG1005 Pronsticos y Control de Inventario Paralelo 2
d) Ejemplifique su aplicacin.
3. BIBLIOGRAFIA
- Nelson Salinas, (2011), Pronsticos en los negocios,
https://www.slideshare.net/NelsonSalinas1/pronsticos-en-los-negocios-parte-2-grupo-4
- Rafael Arce (2010), MODELOS ARIMA,
https://www.uam.es/personal_pdi/economicas/anadelsur/pdf/Box-Jenkins.PDF
- SINAPSI (2017), SARIMA QUE ES?, http://blablanegocios.com/sarima-que-es/
- UNAL (2016), Races unitarias estacionales y Estacionalidad estocstica SARIMA,
http://www.medellin.unal.edu.co/~ndgirald/Archivos%20Lectura/Archivos%20curso
%20Series%20EIO/Capitulo%208%20Notas%20de%20Clase.pdf