Академический Документы
Профессиональный Документы
Культура Документы
I. INTRODUCCIN.
Las
Infecciones
Respiratorias
Agudas
(IRA)
son
padecimientos
1.1. PROBLEMA
1.1.1. FORMULACIN DEL PROBLEMA
Las Infecciones Respiratorias Agudas (IRAs)1 son padecimientos
infecciosos de las vas respiratorias con evolucin menor a 15 das y en
ocasiones se complican con neumona, sndrome de obstruccin bronquial
que son las ms graves. Esto constituye un importante problema de salud
pblica. Actualmente en el Per es la principal causa de mortalidad
infantil; los
en el periodo 2003-2009 en la
Respiratorias Agudas.
1.4. HIPTESIS.
Hiptesis general:
El Modelo Univariante Integrado proporciona un mejor ajuste para
describir y predecir el comportamiento de las Infecciones Respiratorias
Agudas en nios menores de 5 aos mensualmente en los aos 2003-2009
en la provincia de Puno.
Bach. Daza Cahuana Jesus Maria. Modelo Uniecuacional para determinar el ingreso neto de las pequeas y medianas
empresas del sector comercial en la ciudad de Juliaca 2008
5
Bach. Cruz Marleni y Llanos Condori Marleny. Modelo univariante para describir y pronosticar la influencia de turistas
en la provincia de Puno en el periodo 1995-2005. Tesis Facultad de Ingeniera Estadstica e Informtica
4
Bach. Daz Mamani Nela. Pronostico mediante modelos de series de tiempo para el consumo de agua potable de la
Empresa Municipal de Saneamiento Bsico de la ciudad de Puno, periodo 2000-2007.. Tesis Facultad de Ingeniera Estadstica
e Informtica UNA-PUNO.2004
7
Bach. Guerra Jos, Snchez Gustavo y Reyes Belkis. .Modelo de series de tiempo para predecir la inflacin en
Venezuela. Disponible en World Wide Web:
<http://espejos.unesco.org.uy/simplac2002/Ponencias/Gobierno%20en%20l%EDnea/EL016.DOC>.
[citado 8 de mayo 2009; 1:50 a.m.].
6
8, 9
HANKE John E. (1996). Pronsticos en los negocios. (5ta Edicin). Mexico: Editorial Prentice Hall Hispanoamericana
S.A.
Las computadoras, junto con las tcnicas cuantitativas que hacen posible,
se han vuelto ms que recomendables en las organizaciones modernas; se
han vuelto esenciales.
Quin requiere hacer pronsticos? Casi cualquier organizacin, grande y
pequea, pblica y privada, utiliza el pronstico debido a que casi todas las
organizaciones deben planear como enfrentar las condiciones futuras de
las cuales tiene un conocimiento imperfecto. Adems, la necesidad de
hacer pronsticos cruza todas las lneas funcionales, lo mismo que todo
tipo de organizaciones.
2.2.3. TCNICAS DE PRONSTICOS.
Se pueden emplear dos tcnicas bsicas de pronsticos: Las tcnicas de
pronstico cualitativas y cuantitativas.
a) Tcnicas de pronsticos cualitativas.
Este mtodo es apropiado cuando los datos confiables son escasos o
difciles de emplear. Se basan en el juicio humano y en la intuicin, ms
que en la manipulacin de datos histricos anteriores. Las tcnicas
cualitativas comunes incluyen al mtodo Delphi, curvas de crecimiento,
escritura de escenarios, investigacin de mercado y grupos de enfoque10.
10
HANKE John E. (1996). Pronsticos en los negocios. (5ta Edicin). Mexico: Editorial Prentice Hall
Hispanoamericana S.A.
HANKE John E. (1996). Pronsticos en los negocios. (5ta Edicin). Mexico: Editorial Prentice Hall Hispanoamericana
S.A.
10
13
11
14
Series de Tiempo. Disponible en World Wide
Web:<http://www.estadistica.mat.uson.mx/Material/seriesdetiempo.pdf>.[Citado 8 de mayo 2009; 12:40 a.m.].
12
2009]
13
2.2.8 ESTACIONALIDAD.
Estacionalidad es una variacin repetitiva a lo largo de un intervalo de
tiempo se dice que una serie de tiempo es estacional cuando los datos
tienen oscilaciones estrictamente peridicas, donde el periodo es igual o
inferior al ao, por ejemplo la repeticin del patrn puede ser cada 3
meses, 6 meses, cada ao (12 meses), cada 4 aos, etc16.
2.2.9 COEFICIENTE DE CORRELACION.
El Coeficiente de Correlacin mide el grado de independencia de una
variable relacionada con otra variable. Es una cantidad que esta entre -1 y
+1, presenta el grado de correlacin entre dichas variables; mientras este
valor se aproxima a los lmites, diremos que la correlacin es buena, se
expresa:
Donde:
: es el coeficiente de correlacin.
2
: es la correlacin.
cercano a
14
Autocorrelacin
es
una
herramienta
matemtica
utilizada
es
Si
R k
E X
X i k
18
15
Yt
Y 1 , Y 2 , Y 3 ,........ Y t
cronolgica. 20.
ARELLANO MIREYA Introduccin al anlisis clsico de series de tiempo, [fecha de consulta: 18 de marzo 2009].
Disponible en: <http://www.ciberconta.unizar.es/LECCION/seriest/100.html 22 GUJARATI, D. N. (2004). Econometra (3ra
edicin). Mexico: Mc Graw-Hill, pp. 717-735.
19,20
16
ARELLANO MIREYA Introduccin al anlisis clsico de series de tiempo, [fecha de consulta: 18 de marzo 2009].
Disponible en: <http://www.ciberconta.unizar.es/LECCION/seriest/100.html 22 GUJARATI, D. N. (2004). Econometra (3ra
edicin). Mexico: Mc Graw-Hill, pp. 717-735.
21
17
HANKE John E. (1996). Pronsticos en los negocios. (5ta Edicin). Mexico: Editorial Prentice Hall Hispanoamericana
S.A.
18
La ecuacin en prueba es
a1 X
... a p X
t 1
t p
et
ti
et
i 1
Donde
1 ,...
19
Un proceso AR(1)
Un AR(1) Proceso est dado por
c X
Donde
et
t 1
et
24
HANKE John E. (1996). Pronsticos en los negocios. (5ta Edicin). Mexico: Editorial Prentice Hall Hispanoamericana S.A.
20
ti
i 1
t , t 1 ,...
i 1
i X
ti
ti
i 1
25
HANKE John E. (1996). Pronsticos en los negocios. (5ta Edicin). Mexico: Editorial Prentice Hall Hispanoamericana S.A
21
Donde
i
L X
t 1
i 1
representa el polinomio.
iL .
i
i 1
i 1
i
L t
L .
i 1
i 1
i L X
i
i 1
O de forma ms concisa,
i
L t
t .
22
condicional
autorregresivos)
los
Modelos
26
23
27
24
( Y 1 , Y 2 , Y 3 ,... Y n )
y la ms
. Existen
Mtodo 1.
en la potencia
, entonces
, lo cual
28
25
Mtodo 2.
Otro mtodo consiste en transformar la variable
en la variable
Y
,...... si ... 0
W
ln Y ,......... si ... 0
As el problema
ln Y
es el
29
CHATFIELD, C. (1978). The analysis of time series: theory and practice, Londres: chapman and hall
26
( L )( 1 L ) (1 L ) Y t q ( L )
Donde:
p ( L ) 1 1 L 2 L ... p L
q ( L ) 1 1 L 2 L ... q L
2
(L ) 1 1L 2 L
(L ) 1 1L
2L
( L )
S
2S
... P L
PS
2S
...
pS
30
HANKE John E. (1996). Pronsticos en los negocios. (5ta Edicin). Mexico: Editorial Prentice Hall Hispanoamericana S.A.
PINDICK S. Roberto. (1980). Modelos Econometricos. Espaa: Editorial Labor Universitaria
27
a)
Modelo Autoregresivo
Y t a 1 Y t 1 ... a p Y t p e t
28
Y t b 1 e t 1 ... b p e t q e t
29
: Y t a 1Y t 1
: Y t Y t 1
en varianza de
yt
a1 1
dada la no estacionariedad
: 0 frente . a . H
: 0
Modelo
1 ( simple ) ( ) : y t . y t 1 t
Modelo
2 ( con const )(
Modelo
3 ( con const
) : y t a 0 . y t 1 t
y tend . )( ) : y t a 0 . y t 1 a 2 t t
1, 2 ,3
SCR
mr
SCR
SCR
mnr
mnr
/n k
/ r
30
32
G. KENDALL Maurice y BUCKLAND William. (1984). Diccionario de Estadstica. Traducido por Eduardo Morales.
(3ra Edicin). Ediciones pirmide.
31
32
Por ejemplo de los datos climticos, de las acciones de bolsa, o las series
pluviomtricas. Resulta difcil imaginar una rama de las ciencias en la que
no aparezcan datos que puedan ser considerados como series temporales.
Son estudiadas en estadstica, procesamiento de seales, econometra y
muchas otras reas.
RUIDO BLANCO.- El ruido blanco es una seal aleatoria (proceso
estocstico) que se caracteriza porque sus valores de seal en dos instantes
de tiempo diferentes no guardan correlacin estadstica. Como
consecuencia de ello, su densidad espectral de potencia (PSD, Power
Spectral Density) es una constante, i.e, su grfica es plana. Esto significa
que la seal contiene todas las frecuencias y todas ellas tienen la misma
potencia. Igual fenmeno ocurre con la luz blanca, lo que motiva la
denominacin.
CORRELOGRAMA.- Un Correlograma es el grfico de las
autocorrelaciones. Si se utiliza la correlacin cruzada, se llama un cruzcorrelograma.
33
Variables
Indicadores
ndice
Aos/Meses
N de casos
Aos/Meses
N de casos
Variable dependiente
Nmero de casos de infeccin respiratoria aguda en
menores de 5 aos, mensual para cada uno de los
aos en el periodo 2003-2009
Variable Independiente
Nmero de casos de infeccin respiratoria aguda en
menores de 5 aos, mensual para cada uno de los
aos en el periodo 2003-2009, rezagada en
distintos periodos de tiempo.
34
35
36
37
Datos de la Serie
IDENTIFICACION
Calculo de
pronstico de la
serie
Transformacin
de la serie
NO
Es la serie
estacionaria
Seleccin de d y
SI
Seleccin de P,
decisin sobre la
inclusin de
ESTIMACION
-Calculo de
estimadores
-Calculo de
estimadores y de los
residuos
VALIDACION
NO
Es el mejor
modelo
adecuado?
SI
PREDICCION
Seleccin de los
periodos de
prediccin
-Calculo de predicciones
-Calculo de estadsticos
para evaluacin de la
capacidad
NO
Predice
correctamente
TAREAS REALIZADAS
POR EL ANALISTA
TAREAS REALIZADAS
POR EL ORDENADOR
38
H1:
a0
Tu a / s ( a 0 )
ser:
Donde:
39
Rechazar
estadstico
si
Tu Tt
T u Sigue
Dickey y Fuller.
2 una vez obtenida una serie estacionaria con algn valor para la
diferencia d, se deber de identificar la forma del modelo a utilizar
encontrando los valores apropiados de p y q, mediante la comparacin de
los coeficientes de Autocorrelacin parcial de los datos. Si el modelo no
es satisfactorio, se puede intentar un modelo alternativo.
FASE 2: Estimacin de parmetros
Una vez seleccionado el modelo tentativo, habiendo identificado los
valores apropiados de p, d y q se procede a estimar los valores de
parmetros de los trminos autoregresivos y de media mvil incluidos en
el modelo, a travs del uso de los mnimos cuadrados no lineales que
minimizan la suma de los cuadrados de los residuos.
FASE 3: Validacin o Verificacin.
La finalidad de esta fase consiste en analizar la adecuacin entre el modelo
y los datos, o dicho de otra forma en que medida se cumple lo siguiente:
a) Los residuos del modelo estimado se aproximan al comportamiento de
un ruido blanco.
b) El modelo estimado es estacionario e invertible.
c) Los coeficientes son estadsticamente significativos.
40
ztm / t
supuestos.
Los parmetros p y q son conocidos.
Los errores pasados y presentes son conocidos.
41
E t , E t 1 ,......... , E 1
E1
Et
*
*
*
~z
m E t m 1 E t 1 m 2 E t 2 .........
tm / t
Donde
m
*
son
los
42
IV.
RESULTADOS Y DISCUSIN.
2003
1263
951
1040
1139
1481
1707
2986
3519
3132
2207
1713
1502
22640
2004
1288
657
1150
935
1473
2893
2174
2448
2327
1761
1607
1404
20117
2005
1253
1041
1040
1453
1931
2851
2826
2406
2015
2051
2069
1769
22705
2006
1286
1000
1044
1294
2450
3477
2499
2028
1912
2108
1846
1845
22789
2007
1496
1023
1557
1645
2412
3181
2434
2308
2380
2541
1795
1710
24482
2008
1397
1475
1245
1587
1818
2559
2289
2075
2196
1829
2067
1460
21997
2009
1256
1053
1331
1311
1897
3046
2779
1973
2387
278
1755
1541
20607
2010
531
555
543
1193
1947
2484
2443
9696
43
C3
3000
2000
1000
0
1
18
27
36
45
54
63
72
81
90
44
rk
A u t o c o r r e la t io n
0 ,6
0 ,4
0 ,2
0 ,0
- 0 ,2
- 0 ,4
- 0 ,6
- 0 ,8
- 1 ,0
1
10
20
30
40
50
60
70
80
90
La g
45
P a r t ia l A u t o c o r r e la t io n
0 ,8
0 ,6
0 ,4
0 ,2
0 ,0
- 0 ,2
- 0 ,4
- 0 ,6
- 0 ,8
- 1 ,0
1
10
20
30
40
50
60
70
80
90
La g
).
46
8 ,0
C4
7 ,5
7 ,0
6 ,5
6 ,0
5 ,5
1
18
27
36
45
54
63
72
81
90
In d e x
47
A u t o c o r r e la t io n
0 ,6
0 ,4
0 ,2
0 ,0
- 0 ,2
- 0 ,4
- 0 ,6
- 0 ,8
- 1 ,0
2
10
12
14
16
18
20
22
La g
P a r t ia l A u t o c o r r e la t io n
0 ,8
0 ,6
0 ,4
0 ,2
0 ,0
- 0 ,2
- 0 ,4
- 0 ,6
- 0 ,8
- 1 ,0
2
10
12
14
16
18
20
22
La g
48
p r im e d if
-1
-2
18
27
36
45
54
63
72
81
90
In d e x
A u t o c o r r e la t io n
0 ,6
0 ,4
0 ,2
0 ,0
- 0 ,2
- 0 ,4
- 0 ,6
- 0 ,8
- 1 ,0
1
10
20
30
40
50
La g
60
70
80
49
Se observa que existen autocorrelaciones muy altas en los retrasos 12, 24,
36, 48 y 60, con lo que se confirma que existe una tendencia entre periodos
estacionales sucesivos, separados por un periodo de desfase de 12 meses.
Si el coeficiente de autocorrelacin hubiera cado a cero en el retraso 24,
se habra concluido que los datos de primera diferencia no estacional eran
estacionarios.
Para eliminar la tendencia de los retrasos 12, 24, 36, 48 y 60 que se
observaron en el grafico de la Funcin de Autocorrelacin Estimada de la
primera diferencia no Estacional (Grafico N 08), se emplea la diferencia
de largo plazo (diferencias cuya longitud est separada por 12 periodos).
El grafico N 09 muestra la serie para los datos despus de la primera
diferencia no estacional (diferencia corta) y de la primera diferencia
estacional (diferencia de largo plazo).
Grafico N 09. Serie Transformada (transf Box Cox) de la
Infeccin Respiratoria Agudas para la primera diferencia no
estacional y la primera diferencia estacional.
s e r ie tr a n s fo r m a d a p a r a la in fe c c io n r e s p ir a to r ia a g u d a s
P r im e r a D ife r e n c ia N o e s ta c io n a l
2
C6
-1
-2
1
18
27
36
45
In d e x
54
63
72
81
90
50
A u t o c o r r e la t io n
0 ,6
0 ,4
0 ,2
0 ,0
- 0 ,2
- 0 ,4
- 0 ,6
- 0 ,8
- 1 ,0
1
10
15
20
25
30
35
40
45
50
55
60
65
70
75
La g
P a r t ia l A u t o c o r r e la t io n
0 ,8
0 ,6
0 ,4
0 ,2
0 ,0
- 0 ,2
- 0 ,4
- 0 ,6
- 0 ,8
- 1 ,0
1
10
15
20
25
30
35
40
La g
45
50
55
60
65
70
75
51
12
(1 0 , 3868 L )( 1 L )( 1 L ) Y t E t
12
Donde:
L: Es el operador de retardos.
y t LnZ
Es la variable transformada
52
Et
Donde:
Yt
Y t 1
53
varianza de
ruido blanco
desv
estandar de
ruido blanco
Modelo 1
0,14543316
0,381357
0,956
Modelo 2
0,13578341
0,368488
0,977
Modelos
prob de
aceptacion
Box Pierce()
Los dos modelos son buenos puesto que no existe mucha diferencia
respecto a los valores de sus estadsticos. El modelo que mejor se ajusta
por tener menores valores en la varianza y desviacin estndar de los
errores de la regresin, y por tener mayor probabilidad de aceptacin de
ser ruido blanco a comparacin del otro modelo, es el modelo N 02.
El modelo es SARIMA(1,1,0)(0,1,0)
4.3 FASE DE VALIDACIN O VERIFICACIN
En esta fase se comprueba la adecuacin del modelo estimado. Es decir
verifica que los residuos siguen un proceso ruido blanco, en base al
cumplimiento de ciertas condiciones.
En base a los resultados del mejor modelo que se obtuvo en el paquete
estadstico MINITAB 14. Se verifica en el cuadro N 03.
54
SSE
24031808
21318455
19593315
18856386
18826661
18826554
18826553
Parametros
0,100
-0,050
-0,200
-0,350
-0,385
-0,387
-0,387
Coef
-0,3868
SE Coef
0,1052
T
-3,68
P
0,000
12
24
36
48
18,9
30,1
39,3
46,9
11
23
35
47
0,063 0,145 0,282 0,977
e invertible cuando
y de medias mviles
55
t 2
Si
t 2
modelo.
CAPACIDAD EXPLICATIVA DEL MODELO.
La capacidad explicativa del modelo se mide por el error estndar o
desviacin estndar de la regresin
56
A u t o c o r r e la t io n
0 ,6
0 ,4
0 ,2
0 ,0
- 0 ,2
- 0 ,4
- 0 ,6
- 0 ,8
- 1 ,0
3
12
La g
15
18
57
P a r t ia l A u t o c o r r e la t io n
0 ,8
0 ,6
0 ,4
0 ,2
0 ,0
- 0 ,2
- 0 ,4
- 0 ,6
- 0 ,8
- 1 ,0
3
12
15
18
La g
58
Las predicciones que se presentan son para los dos siguientes aos de la
serie de tiempo, se muestran los lmites al 95% de prediccin para los
pronsticos.
Estos lmites muestran en donde podra estar el valor verdadero del dato, al
tiempo futuro seleccionado, con 95% de confianza asumiendo que el
modelo ajustado es apropiado para los datos. Se puede observar que estos
lmites se van haciendo anchos a medida que hacemos predicciones ms
alejadas en el tiempo.
CUADRO N 04: Resultados de las predicciones para el ao 2010 segn
meses. Modelo SARIMA(1,1,0)(0,1,0)
Ao
Mes
2010
2010
2010
2010
2010
2010
ENERO
FEBRERO
MARZO
ABRIL
MAYO
JUNIO
2010 JULIO
DATOS NO
EXISTENTES
2010
2010
2010
2010
AGOSTO
SETIEMBRE
OCTUBRE
NOVIEMBRE
2010 DICIEMBRE
Datos
Orig
1263
951
1040
1139
1481
1707
Dat Transf
7,141245122
6,857514063
6,946975992
7,037905963
7,300472814
7,442492723
2986 8,001689978
Predicciones
7,105505294
6,96177619
7,183469392
7,173200457
7,540799686
8,01508408
Dat.
Invertid
Residuos
1218,657709
1055,506673
1317,471163
1304,011364
1883,3355
3026,263835
0,035739828
-0,104262127
-0,2364934
-0,135294493
-0,240326872
-0,572591357
7,923064065 2760,215581
0,078625913
Predic.Trans. Predicciones
7,580637184
7,771077127
5,620921928
7,46351864
1959,877371
2371,023806
276,1438508
1743,271223
7,333483781 1530,705135
59
V. CONCLUSIONES
1.
respiratoria
agudas
del
periodo
2003-2009
es
un
2.
60
VI.
1.
RECOMENDACIONES Y SUGERENCIAS
la
estacionariedad,
invertibilidad
del
proceso,
el
61
62
23
de
marzo
2009].
Disponible
en:
<http://www.bcv.org.ve/Upload/Publicacionest/doc13.pdf >.
MERMA JARA, MARCO A. Series de tiempo,
[Fecha
de
consulta:
12
de
junio
2009].
Disponible
en:
<http://www.monografias.com/tarbajos30/series-de-tiempo/series-detiempo.html >.
ORTIZ GUERRRERO, NUBIA AMPARO, La evolucin de los
proyectos de investigacin. [Fecha de consulta: 12 de Junio
2009]Disponible
en:
<http://www.monografias.com/trabajos/elabproyect/elabproyect.shtml>
RODRIGUEZ RODRIGUEZ CONCEPCION, Modelo Box-Jenkins
Aplicacin de su metodologa a la produccin de azcar. [Fecha de
consulta:
23
de
Junio
2009]
Disponible
en:
http://www.dict.uh.cu/revistas/econom/%EDa_%20desarrollo/2001%20n1/concepci%F3n%20Rodr%EDguez.pdf>
63
VIII. ANEXOS
ANEXO N 01: Funcin de Autocorrelacion y Autocorrelacion Parcial de Datos
Originales.
ACF2
TSTA2
0,644439
0,283382
-0,060232
-0,356992
-0,443033
-0,485952
-0,457206
-0,304115
-0,036812
0,296311
0,524138
0,621773
0,426326
0,115686
-0,124514
-0,31851
-0,378375
-0,390414
-0,336776
-0,179622
0,054405
0,271947
0,452078
0,471876
0,305752
0,081594
-0,112975
-0,315449
-0,383227
-0,364241
-0,331723
-0,178455
0,030422
0,199463
0,341902
0,380562
0,262975
0,060114
PACF1
6,14755
1,998
-0,40718
-2,40897
-2,81541
-2,84988
-2,46991
-1,54271
-0,18204
1,46476
2,53197
2,81204
1,77965
0,46694
-0,50137
-1,279
-1,49279
-1,5039
-1,26619
-0,66374
0,20007
0,99963
1,64381
1,66702
1,04859
0,27651
-0,38254
-1,0664
-1,27964
-1,19493
-1,07157
-0,56933
0,09671
0,63403
1,08202
1,18917
0,80926
0,18367
TSTA1
0,644439
-0,22562
-0,249866
-0,276348
-0,034456
-0,246176
-0,226375
-0,093628
0,112278
0,208358
0,123383
0,19943
-0,13982
-0,120095
0,017098
0,010459
0,042065
-0,033967
0,017558
-0,015043
0,02273
-0,079548
0,122207
0,055468
-0,014457
0,019811
0,042415
-0,15882
-0,040534
0,03342
-0,12245
-0,063579
-0,024552
-0,069135
-0,053357
0,02
-0,023025
-0,111629
6,14755
-2,15227
-2,38357
-2,63619
-0,32869
-2,34837
-2,15948
-0,89315
1,07107
1,98761
1,17699
1,90245
-1,3338
-1,14564
0,16311
0,09977
0,40127
-0,32402
0,16749
-0,1435
0,21683
-0,75884
1,16578
0,52913
-0,13791
0,18899
0,40461
-1,51505
-0,38667
0,31881
-1,1681
-0,60651
-0,23421
-0,65951
-0,509
0,19078
-0,21964
-1,06488
64
-0,118601
-0,283451
-0,308918
-0,263225
-0,226542
-0,127485
0,022659
0,181817
0,297697
0,335174
0,244783
0,052876
-0,11288
-0,245228
-0,243333
-0,238375
-0,201226
-0,112854
0,026118
0,167374
0,244203
0,259779
0,158451
0,029042
-0,052366
-0,185658
-0,188822
-0,153826
-0,145573
-0,023648
0,082231
0,191207
0,235354
0,178144
0,072226
-0,038775
-0,107601
-0,132736
-0,169793
-0,144446
-0,089225
-0,00876
0,074149
0,111004
0,120675
-0,36224
-0,86449
-0,93452
-0,78876
-0,67424
-0,37755
0,067
0,53758
0,87742
0,97963
0,70801
0,1521
-0,32463
-0,70443
-0,6952
-0,67745
-0,56901
-0,31799
0,07351
0,47106
0,68562
0,72561
0,44005
0,08048
-0,14511
-0,51436
-0,52161
-0,42367
-0,40015
-0,06489
0,22563
0,52435
0,64347
0,48485
0,19607
-0,10522
-0,29195
-0,3598
-0,4596
-0,39009
-0,24056
-0,0236
0,19978
0,29895
0,32468
-0,029229
-0,067451
0,103959
-0,009732
-0,059107
-0,084438
0,001034
0,000431
-0,044119
0,077343
0,051684
-0,056837
-0,019786
-0,006665
0,063201
-0,13159
0,080815
-0,018642
0,048628
-0,079758
-0,099417
-0,028872
-0,053711
0,009233
0,074147
-0,11592
-0,007467
0,034277
-0,023039
0,02049
-0,000402
0,097507
-0,006567
-0,130606
-0,050744
0,004839
-0,012246
0,054239
-0,014461
-0,072874
0,024233
-0,07797
-0,062483
-0,103922
-0,048306
-0,27883
-0,64344
0,9917
-0,09284
-0,56385
-0,80549
0,00986
0,00411
-0,42087
0,7378
0,49304
-0,54219
-0,18875
-0,06358
0,60289
-1,25529
0,77092
-0,17783
0,46388
-0,76084
-0,94838
-0,27542
-0,51237
0,08807
0,70732
-1,10581
-0,07123
0,32698
-0,21978
0,19546
-0,00384
0,93015
-0,06264
-1,2459
-0,48407
0,04616
-0,11682
0,51741
-0,13795
-0,69517
0,23117
-0,74379
-0,59605
-0,99135
-0,46081
65
0,089598
0,044356
0,011036
-0,016831
-0,026741
-0,021418
-0,008138
0,24078
0,11913
0,02964
-0,04519
-0,0718
-0,05751
-0,02185
0,00966
0,045724
-0,011021
0,011233
0,060783
0,048591
-0,011028
0,09215
0,43618
-0,10514
0,10716
0,57984
0,46353
-0,1052
66
Datos Orig
1263
951
1040
1139
1481
1707
2986
3519
3132
2207
1713
1502
1288
657
1150
935
1473
2893
2174
2448
2327
1761
1607
1404
1253
1041
1040
1453
1931
2851
2826
2406
2015
2051
2069
1769
1286
1000
1044
1294
2450
3477
2499
Datos
Primera
Prim Difer
Transformados
Diferencia
Estacional
7,14125 *
*
6,85751
-0,28373 *
6,94698
0,08946 *
7,03791
0,09093 *
7,30047
0,26257 *
7,44249
0,14202 *
8,00169
0,5592 *
8,16593
0,16424 *
8,04943
-0,11651 *
7,69939
-0,35004 *
7,446
-0,25339 *
7,31455
-0,13145 *
7,16085
-0,15371 *
6,48768
-0,67316
-0,30159
7,04752
0,55983
0,28542
6,84055
-0,20697
-0,07451
7,29506
0,45451
0,05046
7,97005
0,67499
0,62413
7,68432
-0,28573
-0,5918
7,80303
0,1187
-0,44682
7,75234
-0,05069
0,04419
7,47364
-0,2787
0,1026
7,38212
-0,09151
0,19576
7,24708
-0,13504
0,07328
7,1333
-0,11378
0,03821
6,94794
-0,18536
0,50676
6,94698
-0,00096
-0,32912
7,28139
0,33441
0,27504
7,56579
0,28441
0,08701
7,95543
0,38963
-0,36615
7,94662
-0,00881
0,14139
7,78572
-0,1609
-0,14808
7,60837
-0,17735
-0,25944
7,62608
0,01771
0,23625
7,63482
0,00874
0,24102
7,47817
-0,15665
0,026
7,15929
-0,31888
-0,21536
6,90776
-0,25154
-0,16358
6,95081
0,04306
0,01259
7,16549
0,21468
-0,09882
7,80384
0,63835
0,29708
8,15393
0,35008
0,12855
7,82365
-0,33028
-0,34026
67
2028
1912
2108
1846
1845
1496
1023
1557
1645
2412
3181
2434
2308
2380
2541
1795
1710
1397
1475
1245
1587
1818
2559
2289
2075
2196
1829
2067
1460
1256
1053
1331
1311
1897
3046
2779
1973
2387
278
1755
1541
531
555
543
1193
7,61481
7,55591
7,65349
7,52078
7,52023
7,31055
6,93049
7,35052
7,4055
7,78821
8,06495
7,79729
7,74414
7,77486
7,84031
7,49276
7,44425
7,24208
7,29641
7,12689
7,3696
7,50549
7,84737
7,73587
7,63772
7,69439
7,51152
7,63385
7,28619
7,13569
6,9594
7,19369
7,17855
7,54803
8,02158
7,92985
7,58731
7,77779
5,62762
7,47022
7,34019
6,27476
6,31897
6,29711
7,08423
-0,20884
-0,0589
0,09759
-0,13272
-0,00054
-0,20968
-0,38006
0,42002
0,05498
0,38272
0,27674
-0,26766
-0,05315
0,03072
0,06546
-0,34755
-0,04851
-0,20217
0,05433
-0,16952
0,24271
0,13589
0,34188
-0,1115
-0,09815
0,05668
-0,18287
0,12233
-0,34766
-0,1505
-0,17629
0,23429
-0,01514
0,36948
0,47356
-0,09174
-0,34254
0,19048
-2,15017
1,8426
-0,13004
-1,06542
0,04421
-0,02186
0,78712
-0,20062
0,09568
0,13614
-0,10352
0,08893
0,18333
-0,07666
0,31592
0,01933
-0,33148
-0,19475
0,02779
0,18543
0,16356
0,01043
-0,23009
-0,15
-0,01526
0,43796
-0,38324
-0,09226
-0,15767
-0,05208
0,1871
0,02916
0,00459
-0,236
0,35194
-0,07599
-0,09041
-0,20608
0,29428
-0,06607
0,11113
0,24262
0,0823
-0,235
0,01774
-1,90376
0,78595
1,03463
-0,81156
-0,21403
-0,15143
0,68061
68
1947
2484
2443
7,57405
7,81763
7,80098
0,48982
0,24358
-0,01664
0,50135
-0,17282
-0,03413
69
SSE
24031808
21318455
19593315
18856386
18826661
18826554
18826553
Parmetros
0,100
-0,050
-0,200
-0,350
-0,385
-0,387
-0,387
Coef
-0,3868
SE Coef
0,1052
T
-3,68
P
0,000
12
24
36
48
18,9
30,1
39,3
46,9
11
23
35
47
0,063 0,145 0,282 0,977
70
Coef
0,6521
0,2422
0,9040
SE Coef
0,1093
0,1116
0,0952
T
5,97
2,17
9,49
P
0,000
0,033
0,000
12
24
36
48
11,2
15,9
22,7
30,2
9
21
33
45
0,263 0,777 0,910 0,956