SERIES DE TIEMPO
Presentado por:
CÓRDOBA SARMIENTO ADRIÁN
Presentado a:
RICK ACOSTA VEGA
4. ¿Qué es la autocorrelacion?
La autocorrelación se puede definir como la correlación entre miembros de series
de observaciones ordenadas en el tiempo (información de series de tiempo) o
en el espacio (información de corte de transversal). El modelo de regresión lineal
supone que no debe existir autocorrelación en los errores, es decir, el término
de perturbación relacionado con una observación cualquiera no debería estar
influenciado por el término de perturbación relacionado con cualquier otra
observación.
Desde el punto de vista estadístico la autocorrelación de una variable discreta
es la correlación o dependencia consigo misma a lo largo del tiempo.
c) Existe una relación significativa entre cada valor sucesivo de una serie.
(Serie de tendencia).
- Simple.
- Promedio simple.
- Promedios móviles.
- Suavizamiento exponencial.
- Box-Jenkins.
Ejemplos:
Precios de acciones.
Viscosidad de un proceso.
Series de demanda.
Análisis de señales.
Temperatura máxima diaria.
10. Liste alguna de las técnicas de pronostico que deban considerase cuando
se está pronosticando una serie de tendencia. De ejemplo de situaciones
en que dichas técnicas sean aplicables.
- Simple,
- Suavizamiento exponencial lineal,
- Suavizamiento exponencial cuadrática,
- Regresión simple,
- Modelos de tendencia exponencial,
- Ajuste de la curva S,
- Modelos de Gompertz,
- Curva de crecimiento,
- Box-Jenkins,
- Regresión múltiple de serie de tiempo.
Ejemplo:
Ventas a largo plazo.
Ofertas de empleo.
Precios de acciones.
11. Liste alguna de las técnicas de pronostico que deban considerase cuando
se está pronosticando una serie estacional. De ejemplo de situaciones en
que dichas técnicas sean aplicables.
- Simple.
- Suavizamiento exponencial estacional.
- Filtración adaptativa.
- Descomposición clásica.
- Census X-12
- Box-Jenkins
- Regresión múltiple de serie de tiempo.
Ejemplos:
Algunas de las situaciones o áreas de aplicación de este tipo de serie son:
Ventas altas en navidad y bajas después.
Consumos relacionados con las estaciones del año.
12. Liste alguna de las técnicas de pronostico que deban considerase cuando
se está pronosticando una serie cíclica. De ejemplo de situaciones en que
dichas técnicas sean aplicables.
- Regresión simple,
- Regresión múltiple,
- Indicadores principales,
- Modelos econométricos,
- Regresión múltiple de series de tiempo.
Ejemplos:
La producción,
Empleo,
Promedio industrial.
14. ¿Qué medida de precisión del pronóstico debería usarse en cada una de
las siguientes situaciones?