Técnicas de pronósticos : aplicaciones con R
Se presentan dos tipos básicos de modelos para pronósticos con series de tiempo univariadas: el modelo de componentes y los modelos Arima-Sarima, con el objetivo de exponer las ventajas de cada uno. Todos los procedimientos, pruebas de hipótesis, etc se implementan con varias librerías de lenguaje R...
- Autores:
-
Giraldo Gómez, Norman Diego
- Tipo de recurso:
- Work document
- Fecha de publicación:
- 2006
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/76272
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/76272
http://bdigital.unal.edu.co/72438/
- Palabra clave:
- series de tiempo
pronósticos
Probabilidades
medias móviles
modelos arma
modelos arima
modelos sarima
modelos para estacionalidad
pruebas de raíz unitaria
pruebas para raíz unitaria estacional
software R para series de tiempo
Estadistica
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
| Summary: | Se presentan dos tipos básicos de modelos para pronósticos con series de tiempo univariadas: el modelo de componentes y los modelos Arima-Sarima, con el objetivo de exponer las ventajas de cada uno. Todos los procedimientos, pruebas de hipótesis, etc se implementan con varias librerías de lenguaje R. El contenido es el siguiente: los capítulos 1-6 exponen el modelo de componentes e incluyen: modelos para la tendencia y la estacionalidad, suavizadores y medias móviles. Los capítulos 7,8,9, 10 exponen los modelos arma para los residuos, los modelos arima y sarima. En este ultimo capitulo se incluyen varias pruebas para raiz unitaria ordinaria y estacional. |
|---|