Upload
dax-mancilla
View
215
Download
0
Embed Size (px)
Citation preview
8/15/2019 Ejemplo Aplicativo3
1/7
EJERCICIO APLICATIVO
Para el ejemplo aplicativo, se tomara como variable endógena la prodcción
de lec!e "prodlec!#, en la $igra %&' se pede observar (e no e)iste n
comportamiento estacional por s tendencia negativa en general, con na
variabilidad (e se acent*a al inicio, en la parte central se redce + !acia laparte nal con n nevo incremento-
.ediante la constrcción del correlograma de la variable en s /orma
original se revisara la estacionalidad- En la !ipótesis de no estacionalidad
"presencia de na ra01 nitaria# para la variable prodlec!e, el resltado de la
preba 2ic3e+ $ller amentada para n modelo con intercepto + tendencia
/e de rec!a1o de H
o a n nivel de signicancia de 4-4', por lo (e este
resltado en nión con la condcta antes anali1ada + s correlograma nos
indican n comportamiento estacional + por lo tanto la obtención deprimeras di/erencias de la serie se !i1o necesaria-
La /ase de identicación continó con la selección + evalación de n grpo
de posibles procesos con di/erentes combinaciones p + q mediante la
revisión de ss correlogramas- Los par5metros de los modelos de regresión
candidatos /eron estimados + sometidos a na preba de !ipótesis de
igaldad con cero- Con base en estos resltados + de la aplicación de los
modelos AR.A "','# 6 AR.A "7,7#"tablas 7 + 8#-
Con el n de iniciar el proceso de selección del modelo nal, se llevó a cabo
an5lisis de los coecientes + estad0sticos de ambos modelos encontr5ndose(e el modelo AR.A"','# presenta en general mejores resltados +
8/15/2019 Ejemplo Aplicativo3
2/7
destacan el menor valor tanto del error est5ndar de la regresión como para
los valores de los criterios de A3ai3e t de 9c!:ar1-
En el an5lisis de los residales de ambos modelos "Tabla ; +
8/15/2019 Ejemplo Aplicativo3
3/7
8/15/2019 Ejemplo Aplicativo3
4/7
Estos resltados sgieren (e el modelo AR.A "','# pede ser la mejor
opción para representar el proceso generados de in/ormación de inter>s,
coincidiendo con lo reportado por 9at+a et al-"744?# (ienes denen
ordenes p@' + q@' como la estrctra de re1agos m5s conveniente, con lasdi/erencias en (e el modelo de 9at+a se integró de orden '- En la
conrmación de la calidad de ajsta del modelo seleccionado, se evaló s
capacidad prodctiva a partir de la generación de na serie de pronósticos
para los datos originales "prodlec!e/# sando na predicción est5tica, la
comparación de la serie original + la pronosticada mestra (e el modelo
seleccionado permite la obtención de na crva de prediccion (e logra
captrar el comportamiento de la serie adecadamente e)cepto en el caso
de los picos + crestas pronnciadas "$igra7#-
8/15/2019 Ejemplo Aplicativo3
5/7
Como elemento adicional para respaldar la selección del modelo (e de
mejor manera representaba al PI se llevó a cabo na evalación de la
capacidad predictiva de los dos modelos estimados tili1ando n grpo
estad0stico- Los resltados se mestran en la Tabla B-
El modelo AR.A "','# mostró n mejor ajste de acerdo al criterio aplicado
por %anda "'DD# para determinar el desempeo predictivo de n modeloF
menores valores tanto para el coeciente de desigaldad de T!eil como
para la ra01 cadr5tica media del error, la cal es respaldada por el valor
m5s pe(eo de P9- Adem5s, por el valor m5s bajo para PV, el modelo
8/15/2019 Ejemplo Aplicativo3
6/7
AR.A "','# mostró na ma+or capacidad de r>plica en la viabilidad del PI-
Tambi>n, en el valor menor para el error promedio porcental absolto en el
primer modelo respalda s selección- 9in embargo, el valor ligeramente
ma+or en PCV des/avorable para el primer modelos pdiera ser indicador de
na baja correlación entre las estimaciones + los valores reales, sitación
(e pede ser respaldada al observar la $igra7-
En lo (e respecta a la capacidad predictiva del modelos, Enders "744;#
recomienda reali1ar na predicción de valores (e no /eron tili1ados en la
estimación, considerando (e los modelos ARI.A son tili1ados para
predicciones de corto pla1o + atendiendo el objetivo de este trabajo se
reali1ó el pronóstico de la prodcción para noviembre del 744, los
resltados se mestran en la Tabla?-
Como se observa el modelo sobrestimo la prodcción po 878-??, esta
sobrestimación si bien representa n di/erencial de solo 7,;G al revisar la
$igra 7 es posible observar (e en s parte nal, la crva de predicción
tiende a sobrestimar la prodcción, por lo (e predicciones a m5s largo
pla1o tender5n a presentar di/erenciales ma+ores con respecto a los valores
reales-
Los resltados de este trabajo mestran (e el so de modelos ARI.A son
na bena opción para representar la o/erta de prodcción de lec!e +
establecer pronósticos de bena calidad- 2ebido a (e la /ase de
identicación del modelo se /ndamenta en la evalación del correlograma,
se est5 !aciendo so de la metodolog0a Ho) + Jen3ins-
La aplicación de esta metodolog0a permitió generar n modelo ARI.A para
describir + establecer pronósticos de la prodcción lec!era a corto pla1o,
an cando la serie en estdio presenta gran variabilidad- Es importante
evalar e)!astivamente la presencia de n comportamiento estacional de
toda serie pes la selección e(ivocada de n modelo integrado o de n
modelo no integrado prodcir0a
resltados predictivos inadecados-
8/15/2019 Ejemplo Aplicativo3
7/7