Box jenkins
Páginas: 4 (983 palabras)
Publicado: 28 de abril de 2011
Héctor Andrés Álvarez Uribe
Ana María Hernández
Juan Camilo González
Duvan Ortiz Restrepo
Lina Valencia Monsalve
Estefanía Montoya
Carlos Stevenson
TALLER MODELOS LINEALES CON ERRORESAUTOCORRELACIONADOS. JUEVES, 7 DE ABRIL.
Docente: Marisol Valencia Cárdenas
Objetivo: Analizar el modelo de regresión con errores autocorrelacionados.
Descripción del problema.
Se tienen 99 datosdiarios de la oferta y la inversión en recursos energéticos de un pueblo. Se requiere pronosticar la oferta y la inversión para los siguientes 3 días. Se cree que existe una asociación lineal entrela oferta y la demanda.
Estime un modelo de regresión, con tendencia para la oferta, que incluya la variable explicativa inversión y el tiempo lineal, analice los supuestos de los residuales,normalidad e incorrelación.
Si los residuales están correlacionados, analice si es posible estimar un modelo para estos con un modelo ARIMA adecuado.
Pronostique puntualmente 2 datos hacia adelante.MODELO DE LA OFERTA
Modelo
y=β0+β1Inversión+β2t+εt
y=50,4585+0.5772 Inversión-0.0376 t+εt
Significancia de parámetros
Ho: βi=0 con i= 0, 1, 2. El parámetro no es significativo
H1: βi≠0 Elparámetro es significativo
Según la tabla anterior, todos los parámetros tienen un valor p menor que el nivel de significancia 0.05, por lo cual se rechaza la hipótesis nula, afirmando que todoslos parámetros son significativos para el modelo.
Lo anterior indica que el modelo es adecuado para realizar el pronóstico de la oferta en los dos periodos siguientes.
Prueba Durbin Watson:Prueba de Hipótesis:
Ho: ρ=0 Los residuales son incorrelacionados
H1: ρ≠0 Los residuales no son incorrelacionados
Según la prueba de Durbin Watson, los residuales son correlacionados ya que con elnivel de significancia 0.05, el valor p es menor que 2α, por lo cual se rechaza la hipótesis nula, afirmando que los residuales no son incorrelacionados.
Del análisis anterior, es evidente que los...
Ana María Hernández
Juan Camilo González
Duvan Ortiz Restrepo
Lina Valencia Monsalve
Estefanía Montoya
Carlos Stevenson
TALLER MODELOS LINEALES CON ERRORESAUTOCORRELACIONADOS. JUEVES, 7 DE ABRIL.
Docente: Marisol Valencia Cárdenas
Objetivo: Analizar el modelo de regresión con errores autocorrelacionados.
Descripción del problema.
Se tienen 99 datosdiarios de la oferta y la inversión en recursos energéticos de un pueblo. Se requiere pronosticar la oferta y la inversión para los siguientes 3 días. Se cree que existe una asociación lineal entrela oferta y la demanda.
Estime un modelo de regresión, con tendencia para la oferta, que incluya la variable explicativa inversión y el tiempo lineal, analice los supuestos de los residuales,normalidad e incorrelación.
Si los residuales están correlacionados, analice si es posible estimar un modelo para estos con un modelo ARIMA adecuado.
Pronostique puntualmente 2 datos hacia adelante.MODELO DE LA OFERTA
Modelo
y=β0+β1Inversión+β2t+εt
y=50,4585+0.5772 Inversión-0.0376 t+εt
Significancia de parámetros
Ho: βi=0 con i= 0, 1, 2. El parámetro no es significativo
H1: βi≠0 Elparámetro es significativo
Según la tabla anterior, todos los parámetros tienen un valor p menor que el nivel de significancia 0.05, por lo cual se rechaza la hipótesis nula, afirmando que todoslos parámetros son significativos para el modelo.
Lo anterior indica que el modelo es adecuado para realizar el pronóstico de la oferta en los dos periodos siguientes.
Prueba Durbin Watson:Prueba de Hipótesis:
Ho: ρ=0 Los residuales son incorrelacionados
H1: ρ≠0 Los residuales no son incorrelacionados
Según la prueba de Durbin Watson, los residuales son correlacionados ya que con elnivel de significancia 0.05, el valor p es menor que 2α, por lo cual se rechaza la hipótesis nula, afirmando que los residuales no son incorrelacionados.
Del análisis anterior, es evidente que los...
Leer documento completo
Regístrate para leer el documento completo.