Академический Документы
Профессиональный Документы
Культура Документы
INDICE
Indice
1. An
alisis de Intervenci
on
2. Valores Atpicos
2.3.
1.
An
alisis de Intervenci
on
Las series se ven con frecuencia afectadas por sucesos puntuales conocidos . Ej:una
huelga, una a
no bisiesto, un cambio legal o un cambio en un feriado. Si incluimos estos
efectos en la serie podemos mejorar la precision de la estimacion de los parametros y
de las predicciones.
t = huelga
resto
(1)
St =
0
1
es un modelo ARIMA
(2)
1.1.
(3)
(4)
con W0 magnitud del efecto sobre la serie Para representar el suceso definimos una
variable impulso
(
0 t 6= h
Ith =
1 t=h
Notas de Curso para Series de Tiempo
1 ANALISIS
DE INTERVENCION
(5)
Zh = W 0 + y h
Zh+1 = W1 + yh+1
................................
Zm = Wm + ym+h
M odelo Zt = w(L)Ith + (L)t
(6)
W0
W1
W2
W3
h h + 1h + 2h + 3
Si el n
umero de perodos afectados por el impulso es largo estos efectos se pueden
representar:
W0
Zt =
.(I h ) + (L)t con 0 < < 1
(7)
(1 + .L) t
La funcion de respuesta a impulso es
W0
1L
= W0 (1 + L + 2 L2 + ...) =
1.2.
(8)
Variables Escal
on:Ganancia
0
1
t<h
th
El efecto de una variable escalon sobre la serie y t que sigue un modelo ARIMA
puede repesentarse mediante el modelo de intervencion.
Zt = w(L)Sth + (L)t
(9)
W0 + W 1 + W 2
W0 + W 1
W0
h h + 1h + 2h + 43
(10)
1 ANALISIS
DE INTERVENCION
La diferencia entre una variable impulso y una escalon es que el efecto de la primera
es transitorio y de la segunda es permanente.
1.3.
Ejemplo 4 Si se quiere modelozar las ventas ,estas pueden venir afectadas por la serie
de das laborables y los festivos de cada mes
efecto deXt
Zt
|{z}
serie observada
z }| {
f (xt )
(11)
yt
|{z}
0 k<1
xtk =
1 k=0
0 k>1
f (xt1 ) = v0 xt1 + v1 xt2 + . . . = 0
f (xt ) = v0 xt + v1 xt1 + . . . = v0
(12)
f (xt+1 ) = v0 xt+1 + v1 xt + . . . = v1
f (xt+2 ) = v0 xt+2 + v1 xt+1 + v2 xt + . . . = v2
k
X
(13)
vj
j=1
1.4 Construcci
on de Modelos de Intervenci
on
1.4.
Construcci
on de Modelos de Intervenci
on
1
t
(1 L)
(14)
(15)
(17)
2.
Valores Atpicos
Con frecuencia ocurren en las series hechos puntuales que desconocemos. Las observaciones afectadas por esas intervenciones pueden representar una estructura diferente
de las demas y aparecer como datos atpicos , no generados aparentemente como los
demas.
Es importante poder identificar estas situaciones desconocidas, porque por ejemplo si
sus efectos son grandes pueden sesgar la estimacion de los parametros y producir malas
predicciones.
Notas de Curso para Series de Tiempo
2 VALORES ATIPICOS
2.1.
Atpicos Aditivos(AO)
0
1
(18)
t 6= h
t=h
(19)
(20)
Atpico en t = h Calculamos los residuos suponiendo que todas las observaciones han
sido generadas por el mismo modelo.
et = yt yt1
(1 L) yt1 = (1 L) WA Ith + t
(21)
(22)
(23)
eh+j = h+j j 2
Notas de Curso para Series de Tiempo
(24)
= h+j j WA j 0
eh+j
|{z}
(25)
p residuos posteriores a h
con 0 = 1
(26)
Ith + t et = j WA + h+j j 0
El nro de residuos afectados por el atpico es igual al orden del polinomio (L)
2.2.
Atpicos Innovativos(IO)
(27)
(28)
2 VALORES ATIPICOS
10
2.2.1.
Zt = yt + (L)Wt Ith
yt
yt = (L)t
yt t < h
yt + W I j
t =h+j
j0
(29)
2.3.
(30)
1
0
th
otro caso
Zt =
yt t < h
yt + W L t h
Si el proceso es estacionario un cambio de nivel convertira la serie en no estacionaria, ya que la esperanza de cada observacion sera antes del cambio y + W L
despues.
Notas de Curso para Series de Tiempo
2.3.1.
11
Zt WL Sth = (L)t
(L)(Zt WL Sth ) = t
(31)
at t < h
at + W L Ij
(32)
t=h+j
(L)
Concluimos que todos los
con Lj = 1 1 2 ..... j coeficientes de L(L) (1L)
residuos despues del cambio estan afectados pero el efecto depende
del modelo
de la distancia entre el momento de ocurrencia h y el final
2.4.
(34)
(35)