Presentacion Modelos ARIMA
Presentacion Modelos ARIMA
Presentacion Modelos ARIMA
Modelo
Autorregresivo
Integrado de
Media Móvil
(ARIMA)
Erika Alvarez
Dilsy Nicole Bueno
Origen
A finales del siglo XX diversos investigadores comenzaron a
desarrollar y aplicar nuevas propuestas para la modelación de
series de tiempo, capaces de tratar con cualquier patron de datos
y producir pronósticos precisos en base a la descripción de
patrones históricos de datos.
A
Modelo de medias móviles
Una determinada observación está condicionada por los errores de
las observaciones anteriores.
Modelo Autorregresivo Integrado de Medias
Móviles (ARIMA)
Ventaja principal
Proporciona predicciones optimas en el plazo y en el corto plazo.
Los conceptos que se utilizan se derivan de solidas teorías de la probabilidad clásica y
de la estadística matemática.
Los modelos ARIMA son una familia de modelos, no simplemente un único modelo Box
y Jenkins desarrollaron una completa estrategia que sirve de guía para escoger un
apropiado modelo dentro de esta gama de modelos.
Un apropiado modelo ARIMA produce óptimas predicciones.
Ventajas y desventajas
Desventaja principal
La ejecución de la metodología Box-Jenkins es un arte, y se necesita habilidad, debido
a que las técnicas básicas en la modelación de los procesos ARIMA son fácilmente
accesibles y ajustables.
La determinación del modelo que mejor se adecua a la serie de datos no es trivial, por
lo que se necesita de un personal que realice las predicciones.
Pasos a seguir para el análisis de
datos
Recogida de Identificación del
datos modelo
Estimación de los
Representación
coeficientes y
gráfica
Validez del modelo
Selección del
Eliminación de la
modelo
tendencia
Predicción.
Diagnostico, validación o contraste