Series de tiempo

1.- Desarrolle y justifique un método de pronostico.
Se utilizara el método de Arima con estacionalidad, debido a que se observa en los datos un comportamiento estacionaly con tendencia positiva.
Se construye la serie

Observación de Estacionalidad

Se aplica Transformación de los Datos

Se calcula la tasa de crecimiento y segráfica

Identifica las ordenes de tendencia del modelo

Se estiman los parametros de orden 1
Call:
arima(x = gnpgr, order = c(1, 0, 0))
Coefficients:
ar1intercept
-0.0323 -0.0002
s.e. 0.1293 0.0722

sigma^2 estimated as 0.3278: log likelihood = -50.81, aic = 107.62

Se estiman los parametros de orden 2Call:
arima(x = gnpgr, order = c(0, 0, 2))

Coefficients:
ma1 ma2 intercept
-0.0242 0.0773 0.0010
s.e. 0.1273 0.1613 0.0782

sigma^2estimated as 0.3265: log likelihood = -50.7, aic = 109.4

Calculo de los estimadores PSI
[1] 3.500000e-01 1.225000e-01 4.287500e-02 1.500625e-02 5.252187e-03
[6]1.838266e-03 6.433930e-04 2.251875e-04 7.881564e-05 2.758547e-05

Analisis de residuos y comparacion de modelos

Residuo Estándar


Hacemos Test de EstacionalidadShapiro-Wilk normality test
data: gnpgr.ma$resid
W = 0.9502, p-value = 0.01719

Calculos de Sigma
> gnpgr.ar$aic
[1] 107.6237

> gnpgr.ma$aic
[1] 109.4001

>log(sar) + (n+kar)/(n-kar-2) #AICc del AR(1) -8.285
[1] -0.006368209

> log(sma) + (n+kma)/(n-kma-2) #AICc del MA(2) -8.288
[1] 0.02870508

> log(sar) + kar*log(n)/n#BIO del AR(1) -9.264
[1] -0.9772375

> log(sma) + kma*log(n)/n #BIC del MA(2) -9.252
[1] -0.9121107

2.- Promostique la demanda por mes para el año 2008. Comente