SERIES DE TIEMPO - ARIMA

¿Cuándo la serie de tiempo es estacionaria?

• Presentan cierta periodicidad o variación de cierto período

• Es el resultado de factores fortuitos o aleatorios que inciden de forma aislada en una serie de tiempo

• Es estable a lo largo del tiempo, es decir, cuando la media y varianza son constantes en el tiempo

• La tendencia y/o variabilidad cambian en el tiempo

Recoge una serie de etapas y procedimientos para la identificación, estimación, contraste y predicción de los modelos ARIMA con datos de series temporales

• Prueba de Dickey Fuller

• Metodología de Box - Jenkins

• Prueba de Normalidad

• Prueba de Ljung - Box

La hipótesis nula en la Prueba de Dickey Fuller es:

• La serie de tiempo no es estacionaria

• El modelo es adecuado

• La serie de tiempo es estacionaria

• El modelo no es adecuado

Si la serie de tiempo no es estacionaria, entonces se debe proceder:

• El modelo sea el adecuado.

• Buscar el mejor modelo

• Aplicar las diferencias necesarias a la serie de tiempo

• Los coeficientes del modelo sean significativos.

Para el análisis de los dos modelos ARIMA tentativos, su selección fue por:

• Tener los valores AIC más altos

• Tener sus coeficientes no significativos

• Tener sus coeficientes significativos

• Por tener los valores AIC menores

Si el modelo tentativo seleccionado se le aplicó dos diferencias a la serie, presenta un coeficiente estimado AR y dos coeficientes estimados MA, entonces es un modelo:

• ARIMA(2,2,1)

• ARIMA(1,2,2)

• ARIMA(2,2,2)

• ARIMA(2,1,2)

Si la serie de tiempo presenta un periodo desde enero 2023 hasta marzo 2024, y se quiere hacer el pronóstico para Octubre 2024, entonces el valor de h es igual a:

• 6

• 7

• 8

• 9