1

Alipio Ordoez M.
Lima - PERU
ali1fom@Yahoo.com
alorme@uni.edu.pe










2
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..?,









3
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









4
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 Rapidamente 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 numero de acf = 0, indican las comonentes de las
medias moviles a ser ajustadas, esto es, el valor
de q
EL numero de PACF = 0, indican la componentes
autoregresivas a ser ajustadas, esto es el valor de p.








5
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) .-
Z
t
=u
0
+|
1
Z
t-1
+|
2
Z
t-2
+....+|
p
Z
t-p
+c
t

Donde el valor p es el numero de los primeros pocos
rezagos diferentes de 0, en las ACF.
B MEDIAS MOVILES-MA(q).-
Z
t
=u
0
+c
t
-u
1
c
t-1
-u
2
c
t-2
-....-u
q
c
t-q
,

El valor de q se determina como el numero de los
primeros pocos rezagos diferentes de 0, en las FACP.









6
Estructuras de una Serie de Tiempo.....cont.1
















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

Z
t
=u
0
+|
1
Z
t-1
+....+|
p
Z
t-p
+c
t
-u
1
c
t-1
-....-u
q
c
t-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








7
















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 y,
Variancia constante atraves del tiempo








8
















1.-Serie Estacionaria : Consumo de Gasolina
. La serie es estacionaria, pero tiene una
tendencia ligera y aparentemente negativa
900
1000
1100
1200
1300
1400
80 82 84 86 88 90 92 94 96
C
o
n
s
u
m
o

d
e

G
a
s
o
l
i
n
a

(
m
i
l
e
s

T
E
P
)








9
Caractersticas de la ST Gasolina
















En cuanto al nivel medio la serie, es distinto de
0,pues fluctua 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.









10

Correlograma: Gasolina
Fac Decae
hacia 0
rapidamente.
La serie es
estacionaria








11

Estimacin del modelo AR(1)








|
1
= 0.575; Raiz del polinomio = 1.738








12

Diagnostico del modelo AR(1)


Prueba Individuall
valor
critico=0.485

Prueba Global
Valor
tabular=22.36








13

El EVIEWS proporciona el siguiente modelo,
Z
t
=1129.456 +a
t
, con (1-0.5753B)a
t
= c
t
, luego la
ecuacin de pronstico es;
(1-0.5753B) Z
t
= 479.68 + c
t
.

Z
t
= 479.68 + 0.5753 Z
t-1
+

c
t
. Asi el pronostico para
1997 es;
Z
1997
.= 479.68 + 0.5753 Z
1996
= 1129.769
Pronostico con el modelo AR(1)








14

Pronostico con AR(1): 97-99
Original Dinamico
Estatico








15

Estimacin del modelo MA(1)








16

Estructura Pronstico-MA(1)
El correlograma identifica el modelo MA(1);
esto es, Z
t
=u
0
- u
1
c
t-1
+ c
t
, cuya ecuacin de
pronstico es;
Z
t
= 1126.681- 0.53439

c
t-1
Asi el pronstico para 1997 es;
Z
1997
.= 1126.681-0.53439 c
1996
=
= 1126.681-0.53439(1083.367-1130)
= 1151.601









17

Pronsticos con MA(1): 97-00
ORIGINAL
DINAMICO
ESTATICO








18

Estimacin del Proceso-ARMA(1,1)








19

Diagnstico del modelo ARMA(1,1)










20
Pronsticos con el ARMA(1,1)
Otro modelo posible, que puede ajustarse, es
el ARMA(1,1), cuya estructura es;
Z
t
= u
0
+ |
1
Z
t-1
- u
1
c
t-1
+ c
t

y su ecuacin de pronstico es;
Z
t
= 702.87354-0.37889 Z
t1
- 0.33128

c
t-1
Z
1997
= 702.87354-0.37889 Z
1996
- 0.33128

c
1996
Z
1997
= 702.87354+0.378893(1130)-0.33128(1071.202-1130)


=1150.4978








21

Pronsticos de un ARMA(1,1)
ORIFINAL
DINAMICO
ESTATICO








22

Mejores Modelos-Estimacin
Para seleccionar a los mejores modelos en la fase de
estimacin, se compara los Criterios de AKAIKE y
Schwarz




El modelo MA(1) resulta ligeramente mejor
Modelo
AR(1)
MA(1) ARMA(1,1)
AIC
SC
DE
11.937
12.033
89.230
11.887
11.985
87.327
11.986
12.131
89.172








23

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





El modelo AR(1) es el mejor para pronsticos
Modelo
AR(1)
MA(1) ARMA(1,1)
Dinamico
Estatico
52.04
39.20
61.48
49.57
66.64
49.01
( )
2
1

=
=
h
t
t t
Z Z
h
ECM