Estadistica

Solo disponible en BuenasTareas
  • Páginas : 8 (1780 palabras )
  • Descarga(s) : 0
  • Publicado : 16 de febrero de 2011
Leer documento completo
Vista previa del texto
(calificación sobre 100 serie de tiempo no estacional,

2. Con los datos del punto anterior se debe aplicar el Método Box-Jenkins. (65 puntos)

I. Identificación.
a) Evaluar con la Función de Autocorrelación (SAC) que la serie de tiempo sea estacionaria, en caso contrario aplicar diferencias hasta que sea estacionaria.

Autocorrelation Function: Temperatura

Lag ACF TLBQ
1 0.770681 6.02 38.04
2 0.481021 2.54 53.11
3 0.213218 1.02 56.13
4 0.061638 0.29 56.38
5 0.059368 0.28 56.62
6 0.099128 0.47 57.31
7 0.194812 0.91 60.01
8 0.200660 0.93 62.93
9 0.152515 0.70 64.65
10 0.094393 0.43 65.32
11 0.075444 0.34 65.76
12 0.050390 0.23 65.96
13 0.028291 0.1366.02
14 0.079962 0.36 66.54
15 0.074516 0.33 67.01
16 0.066884 0.30 67.39
17 -0.014059 -0.06 67.41
18 -0.138048 -0.62 69.11
19 -0.192132 -0.85 72.49
20 -0.167831 -0.74 75.13
21 -0.068110 -0.30 75.57
22 0.037216 0.16 75.71
23 0.093449 0.41 76.59
24 0.084294 0.37 77.33
25 0.002822 0.01 77.33
26 -0.123880 -0.5479.02
27 -0.202192 -0.87 83.64
28 -0.195999 -0.83 88.11
29 -0.162130 -0.68 91.27
30 -0.113730 -0.47 92.87
31 -0.084612 -0.35 93.79
32 -0.067566 -0.28 94.40
33 -0.068697 -0.28 95.04
34 -0.079774 -0.33 95.95
35 -0.102147 -0.42 97.49
36 -0.109799 -0.45 99.34
37 -0.096426 -0.40 100.83
38 -0.093015 -0.38 102.28
39 -0.101349-0.41 104.07
40 -0.133878 -0.55 107.35
41 -0.181257 -0.73 113.67
42 -0.241892 -0.97 125.50
43 -0.272585 -1.08 141.36
44 -0.188545 -0.73 149.40
45 -0.086148 -0.33 151.18
46 0.012096 0.05 151.22
47 0.023249 0.09 151.37
48 0.013942 0.05 151.43
49 -0.025545 -0.10 151.64
50 -0.096535 -0.37 154.89
51 -0.113689 -0.44 159.86
52 -0.110083-0.42 165.03
53 -0.070848 -0.27 167.44
54 -0.025912 -0.10 167.81
55 0.025219 0.10 168.22
56 0.070609 0.27 172.05
57 0.069613 0.26 176.71
58 0.051768 0.20 180.14
59 0.025854 0.10 181.42
60 0.015361 0.06 182.33


Autocorrelation for Temperatura

Partial Autocorrelation Function: Temperatura

Lag PACF T
1 0.770681 6.022 -0.278110 -2.17
3 -0.123478 -0.96
4 0.079608 0.62
5 0.178185 1.39
6 -0.018768 -0.15
7 0.164237 1.28
8 -0.131578 -1.03
9 -0.005186 -0.04
10 0.046904 0.37
11 0.112646 0.88
12 -0.145630 -1.14
13 0.011325 0.09
14 0.181499 1.42
15 -0.160255 -1.25
16 0.017175 0.13
17 -0.134910 -1.05
18 -0.180639 -1.41
190.094372 0.74
20 0.181342 1.42
21 -0.093794 -0.73
22 0.017739 0.14
23 0.036550 0.29
24 -0.016560 -0.13
25 -0.104143 -0.81
26 -0.074658 -0.58
27 -0.029508 -0.23
28 0.014211 0.11
29 0.030160 0.24
30 -0.083263 -0.65
31 -0.076752 -0.60
32 0.104105 0.81
33 0.029028 0.23
34 -0.027003 -0.21
35 -0.115554 -0.90
36 -0.041259-0.32
37 0.072187 0.56
38 -0.033438 -0.26
39 -0.111615 -0.87
40 -0.039628 -0.31
41 -0.041204 -0.32
42 -0.062218 -0.49
43 0.002107 0.02
44 0.116710 0.91
45 -0.127506 -1.00
46 0.096063 0.75
47 -0.034180 -0.27
48 0.028104 0.22
49 -0.047168 -0.37
50 -0.019293 -0.15
51 -0.010466 -0.08
52 0.011190 0.09
53 -0.002785 -0.02
540.031723 0.25
55 0.016809 0.13
56 0.029792 0.23
57 -0.016842 -0.13
58 -0.041126 -0.32
59 0.041798 0.33
60 -0.101933 -0.80 s


Partial Autocorrelation for Temperatura

b) Determinar con la Función de Autorrelación Parcial (SPAC) y la SAC, el modelo o modelos tentativos para pronosticar la serie de tiempo.

ARIMA Model: Temperatura

Estimates at each...
tracking img