Please enable JavaScript.
Coggle requires JavaScript to display documents.
SERIES DE TIEMPO (proceso estocástico (random walk (proceso estocástico en…
SERIES DE TIEMPO
proceso estocástico
secuencia de datos que
evolucionan en el tiempo.
Las series de tiempo
son un subconjunto de
los procesos estocásticos
la serie de tiempo actuaría como
muestra de las infinitas series de tiempo
posibles en el proceso estocástico
-
ruido blanco
media=0 y
varianza cte
\( \varepsilon_{t}\sim N(0,\sigma^{2}) \)
-
-
-
-
-
procesos lineales
-
-
promedios móviles
(MA)
-
-
-
procesos integrados
ARIMA
-
\( X_{t}^{d} = c + \emptyset_{1}X_{t-1}^{d} + ... + \varepsilon_{t} + \theta_{1}\varepsilon_{t-1}^{d} +...+ \varepsilon_{t}^{d}\)
-
estacionalidad
-
-
se adiciona un componente ARIMA
para la dependencia estacional. El
otro componente ARIMA es para el
componente regular
clasificación
estacionarias
-
es necesario el supuesto de estacionariedad
para asumir que los patrones que determinan a las variables
no son dependientes del tiempo, por lo que
seguirían presentes en el futuro
-
enfoque moderno
la aleatoriedad ya no se
considera un elemento independiente
de los componentes sistémicos, sino que
afecta a cada uno de ellos
la predicción ya no es determinística,
sino que depende de la longitud del
intervalo. \( \sigma^{2} \) ya no es constante, sino
que aumento a mayor distancia del punto de pronóstico