Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad

Análisis de Series de Tiempo: Conceptos Básicos y Aplicaciones, Ejercicios de Estadística

Una serie de tiempo es una secuencia de datos ordenados en función del tiempo. Los datos pueden estar recopilados en intervalos regulares (como horas, días, meses) y se utilizan para analizar patrones y tendencias a lo largo del tiempo.

Tipo: Ejercicios

2022/2023

Subido el 06/12/2023

Galador
Galador 🇲🇽

1 documento

1 / 12

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
Parte 1
1. Define los siguientes terminos
A) Serie de tiempo:
B) Componentes de una serie de tiempo
Las series de tiempo suelen descomponerse en tres componentes principales:
C) Correlación
D) Aautocorrelacion
A) ¿Qué significa el coeficiente de correlación?¿Para qué sirve?
B) Indica en que situaciones de la vida diaria se pueden aplicar estos conceptos , da un ejemplo de cada termino
Una serie de tiempo es una secuencia de datos ordenados en función del tiempo. Los datos
pueden estar recopilados en intervalos regulares (como horas, días, meses) y se utilizan
para analizar patrones y tendencias a lo largo del tiempo.
Tendencia: La dirección general en la que los datos están yendo a lo largo del tiempo.
Estacionalidad: Patrones repetitivos o cíclicos que pueden estar vinculados a ciertas estaciones, eventos o ciclos económicos.
Residual (o error): La variación aleatoria o no sistemática que no se explica por la tendencia o la estacionalidad.
La correlación es una medida estadística que describe la relación entre dos conjuntos de datos. Puede ser positiva
(ambos conjuntos de datos aumentan o disminuyen juntos), negativa (uno aumenta mientras el otro disminuye) o
nula (no hay relación aparente).
La autocorrelación se refiere a la correlación de una serie consigo misma, pero con un
desfase o retraso en el tiempo. Es útil para identificar patrones repetitivos en una serie
de tiempo.
El coeficiente de correlación es un número que indica la fuerza y la dirección de una relación lineal entre dos conjuntos de datos.
Varía entre -1 y 1. Un valor de 1 indica una correlación positiva perfecta, -1 indica una correlación negativa perfecta, y 0 indica
ausencia de correlación. Sirve para cuantificar la relación entre variables y prever cómo cambios en una variable pueden afectar a la
otra.
Correlación: Ejemplo: La correlación entre el tiempo dedicado a Internet y el rendimiento académico de
estudiantes. Si hay una correlación positiva, podría indicar que más tiempo en Internet se relaciona con
mejores o peores resultados académicos.
Autocorrelacion: Ejemplo: En finanzas, la autocorrelación podría aplicarse al estudio del comportamiento de precios de acciones en
relación con sus propios valores anteriores. Si hay autocorrelación positiva, podría sugerir que el precio tiende a seguir una
tendencia.
pf3
pf4
pf5
pf8
pf9
pfa

Vista previa parcial del texto

¡Descarga Análisis de Series de Tiempo: Conceptos Básicos y Aplicaciones y más Ejercicios en PDF de Estadística solo en Docsity!

Parte 1

  1. Define los siguientes terminos A) Serie de tiempo: B) Componentes de una serie de tiempo Las series de tiempo suelen descomponerse en tres componentes principales: C) Correlación D) Aautocorrelacion

A) ¿Qué significa el coeficiente de correlación?¿Para qué sirve?

B) Indica en que situaciones de la vida diaria se pueden aplicar estos conceptos , da un ejemplo de cada termino Una serie de tiempo es una secuencia de datos ordenados en función del tiempo. Los datos pueden estar recopilados en intervalos regulares (como horas, días, meses) y se utilizan para analizar patrones y tendencias a lo largo del tiempo. Tendencia: La dirección general en la que los datos están yendo a lo largo del tiempo. Estacionalidad: Patrones repetitivos o cíclicos que pueden estar vinculados a ciertas estaciones, eventos o ciclos económicos. Residual (o error): La variación aleatoria o no sistemática que no se explica por la tendencia o la estacionalidad. La correlación es una medida estadística que describe la relación entre dos conjuntos de datos. Puede ser positiva (ambos conjuntos de datos aumentan o disminuyen juntos), negativa (uno aumenta mientras el otro disminuye) o nula (no hay relación aparente).

La autocorrelación se refiere a la correlación de una serie consigo misma, pero con un

desfase o retraso en el tiempo. Es útil para identificar patrones repetitivos en una serie

de tiempo.

El coeficiente de correlación es un número que indica la fuerza y la dirección de una relación lineal entre dos conjuntos de dat Varía entre -1 y 1. Un valor de 1 indica una correlación positiva perfecta, -1 indica una correlación negativa perfecta, y 0 indica ausencia de correlación. Sirve para cuantificar la relación entre variables y prever cómo cambios en una variable pueden afect otra. Correlación: Ejemplo: La correlación entre el tiempo dedicado a Internet y el rendimiento académico d estudiantes. Si hay una correlación positiva, podría indicar que más tiempo en Internet se relaciona co mejores o peores resultados académicos. Autocorrelacion: Ejemplo: En finanzas, la autocorrelación podría aplicarse al estudio del comportamiento de precios de accion relación con sus propios valores anteriores. Si hay autocorrelación positiva, podría sugerir que el precio tiende a seguir una tendencia.

Autocorrelacion: Ejemplo: En finanzas, la autocorrelación podría aplicarse al estudio del comportamiento de precios de accion relación con sus propios valores anteriores. Si hay autocorrelación positiva, podría sugerir que el precio tiende a seguir una tendencia.

Serie de Tiempo: Ejemplo: Registro de Temperatura Diaria, se pueden observar patrones estacionales (mayor

temperatura en verano, menor en invierno), una tendencia general (posiblemente aumento de temperatura con el

tiempo debido al cambio climático), y componentes residuales que representan la variabilidad diaria no explicada p

tendencia y la estacionalidad.

Componentes de una seria de tiempo: Ejemplo: Ventas Mensuales de una Tienda, Puede haber una tendencia de crecimiento largo de los años debido al aumento de la popularidad de la tienda o a cambios en la economía local.

ortamiento de precios de acciones en el precio tiende a seguir una

es estacionales (mayor

mento de temperatura con el

abilidad diaria no explicada por la

er una tendencia de crecimiento a lo a local.

Nombre Edad Horas diarias en internet Diana 27 3 Aracely 26 5 Marta 20 6 Irma 25 4 Horas Monserrat 18 6 Promedio horas Laura 22 6 Promedio edad Luna 31 3 Media edad Micaela 45 2 Media horas Isabel 21 4 Desviacion estandar edad Joselin 29 3 varianza edad Oscar 26 3 Desviacion estandar horas Irvin 23 5 varianza horas Damian 21 2 Roberto 12 7 Jorge 17 5 Saul 43 3 Samuel 25 2 Carlos 24 5 Ruben 25 6 Eduardo 28 7

Banco de México

TIIE a 28 días Tasa de interés promedio mensual, en por ciento anual

(Yt-1-Y) (Yt-Y)^2 (Yt-Y)(Yt-1-Y)

  • 11/1/2022 FECHA TIEE (Yt-1) (TIIE-Y)
  • 12/1/2022 10.53 10 0.
    • 1/1/2023 10.78 10.53 0.
    • 2/1/2023 11.1 10.78 0.
    • 3/1/2023 11.34 11.1 0.
    • 4/1/2023 11.53 11.34 0.
    • 5/1/2023 11.54 11.53 0.
    • 6/1/2023 11.5 11.54 -0.
    • 7/1/2023 11.5 11.5
    • 8/1/2023 11.5 11.5
    • 9/1/2023 11.5 11.5
  • 10/1/2023 11.5 11.5
  • 11/2/2023 0 11.5 -11.
  • Total 134.
  • Y= 11.
  • r1= 0.
  • 0.922 es mayor que =2/raiz12=0.
  • No hay razon para descartar H0 pues no existe sufuciente evidencia que la aotocorrelacion sea diferente a
    • 10 110.8809 105.
    • 10.53 116.2084 113.
    • 10.78 123.21 119.
    • 11.1 128.5956 125.
    • 11.34 132.9409 130.
    • 11.53 133.1716 133.
    • 11.54 132.25 132.
    • 11.5 132.25 132.
    • 11.5 132.25 132.
    • 11.5 132.25 132.
    • 11.5 132.25 132.
      • 1506.2574 1389.
  • n sea diferente a
  • 11/1/2021 5. MESES Valor real Yt Pronóstico Ygorro Error del pronóstico
  • 12/1/2021 5.44 5.13 0.
    • 1/1/2022 5.72 5.44 0.
    • 2/1/2022 6.02 5.72 0.
    • 3/1/2022 6.33 6.02 0.
    • 4/1/2022 6.73 6.33 0.
    • 5/1/2022 7.01 6.73 0.
    • 6/1/2022 7.42 7.01 0.
    • 7/1/2022 8.04 7.42 0.
    • 8/1/2022 8.5 8.04 0.
    • 9/1/2022 8.89 8.5 0.
  • 10/1/2022 9.56 8.89 0.
  • 11/1/2022 10 9.56 0.
  • 12/1/2022 10.53 10 0.
    • 1/1/2023 10.78 10.53 0.
    • 2/1/2023 11.1 10.78 0.
    • 3/1/2023 11.34 11.1 0.
    • 4/1/2023 11.53 11.34 0.
    • 5/1/2023 11.54 11.53 0.
    • 6/1/2023 11.5 11.54 -0.
    • 7/1/2023 11.5 11.5
    • 8/1/2023 11.5 11.5
    • 9/1/2023 11.5 11.5
  • 10/1/2023 11.5 11.5 - 6. - n= - DAM 0. - ECM 0. - EPAM 0. - EPM 0.
  • 0.31 0.0961000000000003 0. Valor absoluto del error Error cuadrático Error absoluto porcentual
  • 0.279999999999999 0.0783999999999996 0.
  • 0.3 0.0899999999999999 0.
  • 0.31 0.0961000000000003 0.
  • 0.4 0.16 0.
  • 0.279999999999999 0.0783999999999996 0.
  • 0.41 0.1681 0.
  • 0.619999999999999 0.384399999999999 0.
  • 0.460000000000001 0.211600000000001 0.
  • 0.390000000000001 0.1521 0.
  • 0.67 0.4489 0.
  • 0.44 0.1936 0.
  • 0.529999999999999 0.280899999999999 0.
  • 0.25 0.0625 0.
  • 0.32 0.1024 0.
  • 0.24 0.0576000000000001 0.
  • 0.19 0.0360999999999998 0.
  • 0.00999999999999979 9.99999999999957E-05 0.
  • 0.0399999999999991 0.00159999999999993 0.
  • 6.45 2.6989 0.
    • Suavisamiento exponencial 0.
        1. Error porcentual K=3 K=5 Suavisamiento exponencial
  • 0.0176654411764706 5.
  • 0.0137062937062936 5.
  • 0.0149501661129568 5.43 5.
  • 0.0151816745655609 5.72666667 5.
  • 0.0237741456166419 6.02333333 5.728 5.
  • 0.0111840228245363 6.36 6.048 6.
  • 0.0226549865229111 6.69 6.362 6.
  • 0.0478109452736317 7.05333333 6.702 6.
  • 0.0248941176470589 7.49 7.106 7.
  • 0.0171091113610799 7.98666667 7.54 7.
  • 0.0469560669456067 8.47666667 7.972 8.
  • 0.01936 8.98333333 8.482 8.
  • 0.0266761633428299 9.48333333 8.998 8.
  • 0.00579777365491651 10.03 9.496 9.
  • 0.00922522522522524 10.4366667 9.952 10.
  • 0.00507936507936509 10.8033333 10.394 10.
  • 0.00313096270598437 11.0733333 10.75 10.
  • 8.66551126516428E-06 11.3233333 11.056 11.
  • 0.000139130434782603 11.47 11.258 11.
  • 0 11.5233333 11.402 11.
  • 0 11.5133333 11.482 11.
  • 0 11.5 11.514 11.
  • 0 11.5 11.508 11.