Trabajo Modelos

Click here to load reader

  • date post

    10-Nov-2015
  • Category

    Documents

  • view

    7
  • download

    0

Embed Size (px)

description

MODELOS DE PRONOSTICOS

Transcript of Trabajo Modelos

PRESENTACION DE LA SERIE 21

IDENTIFICACION DEL MODELOGRAFICA 1 - RESIDUOS vs TIEMPO

GRAFICA 1-2 CORRELOGRAMA

De acuerdo al grfico observado se propone un modelo ARIMA (2.0, 2) CUYA forma paramtrica ser :

Yt = et + 0+ 1yt-1 +2yt-2 + 1ut-1+ 2ut-1 ESTIMACIN DEL MODELOSALIDA GRETEL

COMENTARIO : El modelo es invertible porque hay una raz de valor absoluto es mayor que 1

El modelo ya lo podemos escribir as :

Yt = 16.078+ 1.999 yt-1 -0.999 yt-2 + -1.47474ut-1+ 0.5048ut-2

DIAGNOSTICO DEL MODELOSUPUESTO DE NO AUTOCORRELACIONH0 : Los residuos no estn autocorrelacionados H1 : Los residuos estn autocorrelacionados

Teniendo un valor p de 5 % no hay suficiente evidencia para rechazar H0 y concluimos que no hay autocorrelacin en los residuos.

SUPUESTO DE HOMOCEDASTICIDAD O VARIANZAS CONSTANTES

H0 : Los residuos son homocedsticos

H1 : Los residuos NO son homocedsticosUtilizamos el contraste ARCH de orden 1Teniendo un =0.01 y un p=0.76siendo el valor p (chi-cuadrado = 0.76742) >> No tenemos suficientes argumentos para rechazar H0 y debemos concluir que los residuos son homocedsticos.

SUPUESTO DE NORMALIDAD DE RESIDUOS

H0 : Los residuos se distribuyen normalmente con media 0H1 : Los residuos NO se distribuyen normalmente con media 0

UTILIZAMOS EL ESTADISTICO CHI-CUADRADO

De acuerdo al valor Chi cuadrado siendo este valor mayor que 0.01 no tenemos argumentos para rechazar H0 debiendo aceptar la hiptesis nula que establece que los residuos se distribuyen normalmente con media de cero. Los residuos constituirn ruido blanco normal.

PREDICCIONES

PRESENTACION DE LA SERIE 23

IDENTIFICACION DEL MODELO GRAFICA 1 - RESIDUOS vs TIEMPO

GRAFICA 1-2 CORRELOGRAMA

De acuerdo al grfico observado se propone un modelo ARIMA (0.0, 2) CUYA forma paramtrica ser :

Yt = et + 1ut-1+ 2ut-2

ESTIMACIN DEL MODELOSALIDA GRETEL

COMENTARIO : El modelo es invertible porque hay una raz de valor absoluto es mayor que 1 .El modelo ya lo podemos escribir as Yt = 0.9974 + + 0.4993ut-1+ 0.208753 8ut-2

DIAGNOSTICO DEL MODELOSUPUESTO DE NO AUTOCORRELACIONH0 : Los residuos no estn autocorrelacionados H1 : Los residuos estn autocorrelacionados

Teniendo un valor p de 5 % no hay suficiente evidencia para rechazar H0 y concluimos que no hay autocorrelacin en los residuos.

SUPUESTO DE HOMOCEDASTICIDAD O VARIANZAS CONSTANTES

H0 : Los residuos son homocedsticos H1 : Los residuos NO son homocedsticosUtilizamos el contraste ARCH de orden 1

Teniendo un =0.01 y un p=0.76siendo el valor p (chi-cuadrado = 0.642377) >> No tenemos suficientes argumentos para rechazar H0 y debemos concluir que los residuos son homocedsticos.

SUPUESTO DE NORMALIDAD DE RESIDUOS H0 : Los residuos se distribuyen normalmente con media 0 H1 : Los residuos NO se distribuyen normalmente con media 0

UTILIZAMOS EL ESTADISTICO CHI-CUADRADO

De acuerdo al valor Chi cuadrado siendo este valor mayor que 0.01 no tenemos argumentos para rechazar H0 debiendo aceptar la hiptesis nula que establece que los residuos se distribuyen normalmente con media de cero. Los residuos constituirn ruido blanco normal.

PREDICCIONES