Académique Documents
Professionnel Documents
Culture Documents
Autocorrelacin
La metodologa Box y Jenkins utiliza el clculo de coeficientes de autocorrelacin que
describe la asociacin de los valores de una misma variable, un coeficiente de
autocorrelacin es similar a un coeficiente de correlacin con la excepcin de que
describe la asociacin (relacin mutua) entre valores de la misma variable; pero en
diferentes periodos, supngase que se construyen algunas variables artificiales a partir
de una variable nica al cambiar el origen temporal de los datos como se muestran en
la figura , en la cual se puede observar que la variable Y1 es exactamente la misma que
la variable Y , excepto que Y1 empieza con el segundo valor de Y o sea -2 , tambin se
puede ver que Y2 es otra variable artificial que empieza en el tercer valor de Y es decir
5 , al continuar de esta forma se pude construir Y3 empezando con el cuarto valor de Y.
Se pude considerar ahora a Y y Y1 como dos variables y calcular su coeficiente de
correlacin, para cada unos de estos conjuntos o pares de variables existe un coeficiente
de correlacin correspondiente, sin embargo puesto que las variables Y1, Y2, todas
estn realmente derivadas de la misma variable original Y, a tal asociacin se le llama
auto(es decir misma) correlacin, as pues la autocorrelacin es una medida de
asociacin entre valores sucesivos de la misma variable.
Una medida estadstica, semejante a la autocorrelacin y que pose varias caractersticas
que son de gran ayuda para identificar modelos es la autocorrelacin parcial.
(Ecuacin 1)
No
Etapa 1
Etapa 2
Verificar el diagnostico:
Es adecuado el modelo?
Si
Usar los modelos para generar
pronsticos
Etapa 3
Antes de intentar identificar a p y q los datos en la ecuacin 3, los datos deben ser
horizontales (sin tendencia), si la serie de datos contiene una tendencia se puede
remover mediante toma de diferencia sucesivas o por algn otro mtodo para remover
tendencias
Identificacin de p y q
Una vez que los datos son estacionarios, se identifica a p y q por la observacin de las
autocorrelaciones y las autocorrelaciones parciales de los datos diferenciados. Como
regla general, cuando las autocorrelaciones se acercan exponencialmente a 0, el modelo
es AR y su orden se determina por el nmero de autocorrelaciones parciales que son
diferentes de 0, si las autocorrelaciones parciales se acercan exponencialmente a 0 el
modelo es MA y su orden se determina por el numero de autocorrelaciones
estadsticamente significativa, cunado tanto las autocorrelaciones como las
autocorrelaciones parciales se acercan exponencialmente a 0, el modelo es ARMA
mixto.
Datos estacinales
Cunado los datos son estacinales, la ecuacin 3 podra no ser suficiente y debe
completarse con parmetros estacinales como con la ecuaciones 4 a 8 los modelos
estacinales pueden ser AR, MA, ARMA con datos mensuales.
Un modelo AR estacional sera:
Yt = 12Yt - 12 + et
(Ecuacin 9)