Anlisis de Una Serie de

Tiempo ESTACIONARIA

1
Etapas del Anlisis
Especificacion e Identificacion del modelo
Analisis Exploratorio :Grfico de la Serie de Tiempo
Anlisis del Correlograma
Estructuras Posibles en la Identificacion del Modelo
Estructura Autoregresiva- AR(p)
Estructura de Medias Moviles- MA(q)
Estructura Mixta Autoregresiva de medias moviles-
ARMA(p,q)
Estimacion del Modelo Identificado
Que Componentes son significativas en el modelo...?,
Que Modelos son los Mejores....?.
Pronosticos de una Serie de Tiempo
Que modelo realiza los mejores pronosticos..?,

2
 Anlisis Exploratorio
Grfico de la Serie de Tiempo
La inspeccin visual del grfico de una serie de
tiempo es muy utl en la etapa exploratoria, para
sugerir la existencia de las caractersticas
siguientes en una serie de tiempo:
Nivel medio, y Constante media,
Posible Tendencia,
Posibles variaciones periodicas(Estacin),
Posible relacin entre la media, tendencia,
y estacin.
Posible crecimiento o disminucion de la variancia

3
 Correlograma de una ST
La inspeccin grfica y numerica del las funciones de
autocorrelacin(ACF), y autocorrelacin parcial (PACF),
son muy utiles en las fases de identificacin y
diagnostico del modelo candidato a ser el MEJOR, para
representar a los datos observados de una serie de
tiempo.
Si las ACF ( j ), decaen rpidamente a 0, a lo ms solo
los primeros tres desfaces 0, La serie es ESTACIONARIA.
Si las ACF, decaen lentamente hacia 0(existen ms de
los primeros tres desfaces 0 , La serie es NO ESTACIONARIA
EL nmero de ACF 0, indican la componentes
autoregresivas a ser ajustadas, esto es el valor de p.
El nmero de PACF 0, indican las componentes de las
medias mviles a ser ajustadas, esto es, el valor de q.

4
Estructuras de una Serie de Tiempo

La inspeccin del correlograma ayudar a

identificar siguientes estructuras para un modelo
de la serie temporal:
A.- AUTOREGRESIVA -AR(p) .-
Zt =0+1Zt-1+2Zt-2+....+pZt-p+t
Donde el valor p es el nmero de los primeros pocos
rezagos diferentes de 0, en las ACF.
B MEDIAS MOVILES-MA(q).-
Zt =0+t-1t-1-2t-2-....-qt-q ,

El valor de q se determina como el numero de los

primeros pocos rezagos diferentes de 0, en las FACP.

5
 Estructuras de una Serie de Tiempo.....cont.1

C.- AUTOREGRESIVA DE MEDIAS MOVILES- ARMA(p,q)

Zt =0+1Zt-1+....+pZt-p+t-1t-1-....-qt-q ,

Los valores dep y q son ubicados en puntos criticos

a partir de los cuales existe un decaimiento hacia 0
sin importar su comportamiento anterior.

OBSERVACION:
TODO REZAGO DISTINTO DE 0, EN TABLA DEL CORRELOGRAMA,
SIGNIFICA QUE SU EFECTO DEBE SER CONSIDERADO EN EL MODELO.

6
 1.- PROCESOS ARMA(p,q)

Los procesos ARMA, son propuestos para el

anlisis de los datos en Series de Tiempo,
las cuales son ESTACIONARIAS; es decir
cuando las principales caractersticas de la
serie tienen una estabilidad en el tiempo:
Media constante en el tiempo.
Variancia constante en el tiempo.

7
1.-Serie Estacionaria : Consumo de Gasolina

1400
Consumo de Gasolina (miles TEP)

1300

1200

1100

1000

900
80 82 84 86 88 90 92 94 96

. La serie es estacionaria, pero tiene una

tendencia ligera y aparentemente negativa
8
Caractersticas de la ST Gasolina
En cuanto al nivel medio la serie, es distinto de
0,pues flucta encima del valor de 0, sin
llegar a tomar valores negativos
Existe una Tendencia lineal, con una pendiente
ligeramente negativa,
Las componentes de tendencia, y la constante
media son aditivas, Y la dispersin no se
incrementa atravs del tiempo.

Luego en general, la serie Consumo de gasolina en

el transporte, tiene caractersticas de una serie
Estacionaria, en media y Variancia.

9
Correlograma: Gasolina

Fac Decae
hacia 0
rapidamente.
La serie es
estacionaria

10
Estimacin del modelo AR(1)

11
Estimacin del modelo MA(1)

12
 Estructura Pronstico-MA(1)
El correlograma identifica el modelo MA(1);
esto es, Zt =0 - 1 t-1 + t , cuya ecuacin de
pronstico es;
Zt = 1126.681- 0.53439 t-1
Asi el pronstico para 1997 es;
Z1997.= 1126.681-0.53439 1996 =
= 1126.681-0.53439(1083.367-1130)
= 1151.601

13
Estimacin del Proceso-ARMA(1,1)

14
 Pronsticos con el ARMA(1,1)

Otro modelo posible, que puede ajustarse, es

el ARMA(1,1), cuya estructura es;
Zt = 0 + 1 Zt-1- 1 t-1 + t
y su ecuacin de pronstico es;
Zt = 702.87354+0.37889 Zt-1 - 0.33128 t-1
Z1997= 702.87354+0.37889 Z1996 - 0.33128 1996
Z1997= 702.87354+0.378893(1130)-0.33128(1071.202-1130)
=1150.4978

15
 Mejores Modelos-Estimacin
Para seleccionar a los mejores modelos en la fase de
estimacin, se compara los Criterios de AKAIKE y
Schwarz
Modelo AR(1) MA(1) ARMA(1,1)
AIC 11.937 11.887 11.986
SC 12.033 11.985 12.131
DE 89.230 87.327 89.172

El modelo MA(1) resulta ligeramente mejor

16
Mejores Modelos-Pronsticos
Los mejores modelos en la de pronsticos se
obtienen por evaluacin del error de pronosticos:
2

ECM Zt - Zt
h
1
h t 1
Modelo AR(1) MA(1) ARMA(1,1)
Dinamico 52.04 61.48 66.64
Estatico 39.20 49.57 49.01

El modelo AR(1) es el mejor para pronsticos

17
18