Estadstica III

Unidad 2. Identificacin, estimacin y validacin de modelos

Actividad 2. Uso de software.
Karla Judith Andrew Mndez.
AL12509552.
1. Repite el siguiente ejercicio numrico tres veces. Generar n=500
observaciones del modelo ARMA dado por

x t=.7 x t + t .9 t 1

con

t iid

N(0,1)(donde iid significa v.d.independientes e

idnticamente distribuidas).Grafica los datos simulados,calcula la

ACF muestral y PACF de los datos simulados, y ajusta un modelo
ARMA (1,1) a los datos. Qu pasa y cmo se pueden explicar los
resultados?
Primera simulacin

Segunda simulacin

Estadstica III
Unidad 2. Identificacin, estimacin y validacin de modelos

Tercera simulacin

Podemos ver que se presentan muchos puntales tanto en la correlacin

simple como en la parcial, ajustndolos podemos observara que los
parmetros =0.665887,=0.910932 y correlogramas muetsran mayor
tendencia en lag,las variaciones que existen en los parmetros tienen
que ver con el comportamiento del ACF y el PACF.
2. Genera 10 realizaciones de longitud n=200
ARMA(1,1) con

=.9, =.5

para cada proceso

2=1 . Encuentra las MLE de los tres

parmetros en cada caso y compara los estimadores a los valores

reales.

Estadstica III
Unidad 2. Identificacin, estimacin y validacin de modelos
Siendo:

x t=0.9 x t1 + t +0.5 t 1

Primera simulacin

Segunda simulacin:

Estadstica III
Unidad 2. Identificacin, estimacin y validacin de modelos

Tercera simulacin:

Simulacin 4:

Estadstica III
Unidad 2. Identificacin, estimacin y validacin de modelos

Simulacin5:

Simulacin 6:

Estadstica III
Unidad 2. Identificacin, estimacin y validacin de modelos

Simulacin 7:

Simulacin 8:

Estadstica III
Unidad 2. Identificacin, estimacin y validacin de modelos

Simulacin 9:

Simulacin 10:

Estadstica III
Unidad 2. Identificacin, estimacin y validacin de modelos

3. Genera n=150

=.99 y

observaciones de un modelo AR(1) Gaussiano con

=1 .

Usando alguna tcnica de estimacin, compara la distribucin

asinttica aproximada con tu estimador(el que utiliza para la
inferencia).

Estadstica III
Unidad 2. Identificacin, estimacin y validacin de modelos

Vaciando valores y formulas en una tabla de Excel para comparar queda de

la siguiente manera:

Xn
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Zn
0,002110
759
0,002195
156
0,002281
717
0,002370
436
0,002461
301
0,002554
295
0,002649
398
0,002746
586
0,002845
832
0,002947
102
0,003050
36
0,003155
563
0,003262
665
0,003371
615
0,003482
359

Xn
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65

Zn
0,007832
689
0,007932
919
0,008030
177
0,008124
321
0,008215
216
0,008302
727
0,008386
726
0,008467
088
0,008543
693
0,008616
424
0,008685
171
0,008749
831
0,008810
303
0,008866
493
0,008918
317

Xn
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115

Zn
0,00772
963
0,00762
388
0,00751
56
0,00740
494
0,00729
204
0,00717
705
0,00706
014
0,00694
145
0,00682
115
0,00669
938
0,00657
629
0,00645
205
0,00632
681
0,00620
071
0,00607
39

Estadstica III
Unidad 2. Identificacin, estimacin y validacin de modelos
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39

0,003594
834
0,003708
977
0,003824
718
0,003941
981
0,004060
687
0,004180
753
0,004302
088
0,004424
601
0,004548
192
0,004672
759
0,004798
194
0,004924
388
0,005051
223
0,005178
581
0,005306
338
0,005434
367
0,005562
537
0,005690
714
0,005818
761
0,005946
538
0,006073
902
0,006200
708
0,006326
809
0,006452
054

66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89

0,008965
691
0,009008
544
0,009046
807
0,009080
42
0,009109
331
0,009133
494
0,009152
87
0,009167
429
0,009177
148
0,009182
011
0,009182
011
0,009177
148
0,009167
429
0,009152
87
0,009133
494
0,009109
331
0,009080
42
0,009046
807
0,009008
544
0,008965
691
0,008918
317
0,008866
493
0,008810
303
0,008749
831

116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139

0,00594
654
0,00581
876
0,00569
071
0,00556
254
0,00543
437
0,00530
634
0,00517
858
0,00505
122
0,00492
439
0,00479
819
0,00467
276
0,00454
819
0,00442
46
0,00430
209
0,00418
075
0,00406
069
0,00394
198
0,00382
472
0,00370
898
0,00359
483
0,00348
236
0,00337
162
0,00326
266
0,00315
556

Estadstica III
Unidad 2. Identificacin, estimacin y validacin de modelos
40
41
42
43
44
45
46
47
48
49
50

0,006576
295
0,006699
377
0,006821
148
0,006941
453
0,007060
14
0,007177
052
0,007292
035
0,007404
937
0,007515
604
0,007623
884
0,007729
629

90
91
92
93
94
95
96
97
98
99
100

0,008685
171
0,008616
424
0,008543
693
0,008467
088
0,008386
726
0,008302
727
0,008215
216
0,008124
321
0,008030
177
0,007932
919
0,007832
689

140
141
142
143
144
145
146
147
148
149
150

0,00305
036
0,00294
71
0,00284
583
0,00274
659
0,00264
94
0,00255
429
0,00246
13
0,00237
044
0,00228
172
0,00219
516
0,00211
076

0.01
0.01
0.01
0.01
0.01
0.01
0
0
0
0
0

Podemos observar que entre el 31 y el 119 se encuentran los rangos ms

altos

Estadstica III
Unidad 2. Identificacin, estimacin y validacin de modelos
4. Con los datos que se proporcionan en el archivo datos1,datos2,
datos3,datos4,datos5:
Busque una lista de datos en internet refrente al niveles de Co 2:

Propn modelos de la clase ARMA(p,q) usando ACF y PACF.

a. Ajusta los modelos propuestos.
1965
345.00
340.00
335.00
330.00
325.00
320.00
315.00
310.00

Exponential ()
Polynomial ()
Moving average
()

Estadstica III
Unidad 2. Identificacin, estimacin y validacin de modelos

320,36 Curva de regresin ajustada

319,32

340.00
330.00
320.00
310.00

Pronstico 319,32

320,36

b.

Estadstica III
Unidad 2. Identificacin, estimacin y validacin de modelos
Este modelo no es estacionario ya que la tendencia es que la contaminacin
suba conforme pasan los aos.