Reconstrucción de datos de series de tiempo: una aplicación a la demanda horaria de la electricidad
Generalmente, la identificación y estimación de modelos ARIMA parten del supuesto de que las series que se van a analizar no contienen datos faltantes, ni observaciones atípicas, ni existen intervenciones en el período de estudio. Sin embargo, en la práctica, estos problemas pueden ocurrir simultáne...
- Autores:
-
Castaño, Elkin
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2007
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/40600
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/40600
http://bdigital.unal.edu.co/30697/
- Palabra clave:
- observaciones atípicas
observaciones faltantes
intervención
función de transferencia
ARIMA
Atypical observations
Missing observations
Intervention
Transfer function
ARIMA
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
Summary: | Generalmente, la identificación y estimación de modelos ARIMA parten del supuesto de que las series que se van a analizar no contienen datos faltantes, ni observaciones atípicas, ni existen intervenciones en el período de estudio. Sin embargo, en la práctica, estos problemas pueden ocurrir simultáneamente, afectando la identificación del modelo adecuado y por tanto su capacidad de pronóstico. Este artículo presenta un procedimiento que permite estimar el efecto de las intervenciones, de las observaciones atípicas, estimar las observaciones faltantes y simultáneamente identificar el modelo ARIMA. El procedimiento se aplica a una serie de demanda horaria de electricidad en la cual ocurren los tres eventos mencionados. |
---|