trabajo modelos
DESCRIPTION
MODELOS DE PRONOSTICOSTRANSCRIPT
PRESENTACION DE LA SERIE 21
IDENTIFICACION DEL MODELOGRAFICA 1 - RESIDUOS vs TIEMPO
GRAFICA 1-2 CORRELOGRAMA
De acuerdo al grfico observado se propone un modelo ARIMA (2.0, 2) CUYA forma paramtrica ser :
Yt = et + 0+ 1yt-1 +2yt-2 + 1ut-1+ 2ut-1 ESTIMACIN DEL MODELOSALIDA GRETEL
COMENTARIO : El modelo es invertible porque hay una raz de valor absoluto es mayor que 1
El modelo ya lo podemos escribir as :
Yt = 16.078+ 1.999 yt-1 -0.999 yt-2 + -1.47474ut-1+ 0.5048ut-2
DIAGNOSTICO DEL MODELOSUPUESTO DE NO AUTOCORRELACIONH0 : Los residuos no estn autocorrelacionados H1 : Los residuos estn autocorrelacionados
Teniendo un valor p de 5 % no hay suficiente evidencia para rechazar H0 y concluimos que no hay autocorrelacin en los residuos.
SUPUESTO DE HOMOCEDASTICIDAD O VARIANZAS CONSTANTES
H0 : Los residuos son homocedsticos
H1 : Los residuos NO son homocedsticosUtilizamos el contraste ARCH de orden 1Teniendo un =0.01 y un p=0.76siendo el valor p (chi-cuadrado = 0.76742) >> No tenemos suficientes argumentos para rechazar H0 y debemos concluir que los residuos son homocedsticos.
SUPUESTO DE NORMALIDAD DE RESIDUOS
H0 : Los residuos se distribuyen normalmente con media 0H1 : Los residuos NO se distribuyen normalmente con media 0
UTILIZAMOS EL ESTADISTICO CHI-CUADRADO
De acuerdo al valor Chi cuadrado siendo este valor mayor que 0.01 no tenemos argumentos para rechazar H0 debiendo aceptar la hiptesis nula que establece que los residuos se distribuyen normalmente con media de cero. Los residuos constituirn ruido blanco normal.
PREDICCIONES
PRESENTACION DE LA SERIE 23
IDENTIFICACION DEL MODELO GRAFICA 1 - RESIDUOS vs TIEMPO
GRAFICA 1-2 CORRELOGRAMA
De acuerdo al grfico observado se propone un modelo ARIMA (0.0, 2) CUYA forma paramtrica ser :
Yt = et + 1ut-1+ 2ut-2
ESTIMACIN DEL MODELOSALIDA GRETEL
COMENTARIO : El modelo es invertible porque hay una raz de valor absoluto es mayor que 1 .El modelo ya lo podemos escribir as Yt = 0.9974 + + 0.4993ut-1+ 0.208753 8ut-2
DIAGNOSTICO DEL MODELOSUPUESTO DE NO AUTOCORRELACIONH0 : Los residuos no estn autocorrelacionados H1 : Los residuos estn autocorrelacionados
Teniendo un valor p de 5 % no hay suficiente evidencia para rechazar H0 y concluimos que no hay autocorrelacin en los residuos.
SUPUESTO DE HOMOCEDASTICIDAD O VARIANZAS CONSTANTES
H0 : Los residuos son homocedsticos H1 : Los residuos NO son homocedsticosUtilizamos el contraste ARCH de orden 1
Teniendo un =0.01 y un p=0.76siendo el valor p (chi-cuadrado = 0.642377) >> No tenemos suficientes argumentos para rechazar H0 y debemos concluir que los residuos son homocedsticos.
SUPUESTO DE NORMALIDAD DE RESIDUOS H0 : Los residuos se distribuyen normalmente con media 0 H1 : Los residuos NO se distribuyen normalmente con media 0
UTILIZAMOS EL ESTADISTICO CHI-CUADRADO
De acuerdo al valor Chi cuadrado siendo este valor mayor que 0.01 no tenemos argumentos para rechazar H0 debiendo aceptar la hiptesis nula que establece que los residuos se distribuyen normalmente con media de cero. Los residuos constituirn ruido blanco normal.
PREDICCIONES