Actividad 1. Presentacin de datos y un modelo.

Karla Judith Andrew Mndez.

AL12509552.
Tomando los datos que se encuentran en la plataforma Datos y
presentacin de un modelo los introducimos en R y nos arroj la siguiente
grafica

Correlogramas ACF y PACF

Conforme a las grficas de ACF y PACF podemos darnos cuenta que la serie
de tiempo no es estacionaria, la variabilidad no es estable pues se puede
apreciar en las grficas que al principio tienden a incrementar y disminuye
considerablemente pues en general presenta una tendencia positiva.
En la media podemos darnos cuenta que hay un cambio con el tiempo por la
tendencia positiva que existe en los datos.
Primeramente podramos hacer un ajuste, pero como los datos es decir la
serie tiene datos negativos, consideraremos un mtodo de diferencia a los
datos

Y t = X t

con

X t= X t X t 1

Aplicando la funcin diff ()

Entonces tenemos la siguiente grafica

Obtuvimos la grafica con el software R en la cual podemos apreciar el

comportamiento de de los datos que es estacionario, pues los datos se
distribuyen alrededor de la media a lo largo del tiempo, con esto tenemos la
siguiente medida:

REalizando nuevos correlogramas:

Teniendo el ajuste se puede apreciar que

los correlogramas tienen muchas lneas no nulas, si comparamos ambos
podemos darnos cuenta que estos son nulos despus de Lag 4, entonces se
considera proponer un modelo MA (4) o AR (4) para ajustar mejor el modelo.
Entonces tenemos que
AIC es el modelo con el coeficiente menor AIC el cual ser ms adecuado.

Podramos proponer un AR (4) para ajustar mejor el modelo, usando la

funcin ar ()podramos darnos cuenta que AR (p) es mejor para nuestro
modelo, pues obtendremos el orden como los coeficientes del modelo en
cuestin de MLE

Obteniendo la prediccin junto con los correlogramas y el AIC podemos

darnos cuenta que son iguales a los que arrojo ar () pues

1 con lo

que el modelo de los datos seria:

X t =0.1051 X t 1 +0.0229 X t2+ 0.0886 X t 3 + 0.1191 X t4 + t

Donde

t es un ruido blanco con media 0 y varianza 1.

Haciendo la simulacin con el modelo ya obtenido, para hacer una

comparacin tenemos que:

Conclusin
Realizamos un ajuste de los datos que se nos dieron el archivo de la
plataforma, para convertir nuestra serie a estacionaria, los pasos para
modificar la tendencia fueron los siguientes:
Utilizamos el software R
1. Utilizamos datos

Y t = X t

con X t= X t X t 1

2. Graficamos
3. Calculamos los correlogramas
4. Nos basamos de los correlogramas para estimar el modelo ARMA (p,q) el cual
mejor se ajustara para la serie estacionaria.
5. Con las grficas nuevas y correlogramas dados pudimos darnos cuenta que el
modelo que representa nuestra serie es el AR(4)
Por lo consiguiente se ha hecho una simulacin de donde podemos ver de los
resultados obtenidos que los datos y los correlogramas presentan comportamientos
iguales a los de los datos originales, con ello podemos concluir que nuestra simulacin
es la adecuada para nuestra serie.