1

ECONOMETRA
MODELO BOX -
JENKINS ARIMA
TRABAJO APLICATIVO
INTEGRANTES:

ALEJANDRA MAMANI CHURA
LUZ DIANA MAMANI AQUINO
YESICA MANCILLA CORNEJO
HEIDY MICHELA APAZA CASO
DIANA FLORES FLORES



UNIVERSIDAD PRIVADA DE
TACNA
>>Escuela Profesional de Ingeniera
Comercial<<


2
INDICE
INTRODUCCIN .................................................................................................... 3
CAPTULO I ............................................................................................................ 4
MARCO TERICO .................................................................................................. 4
1.1. CONCEPCCIN DEL MODELO ................................................................... 4
1.2. CONCEPTO .................................................................................................. 4
1.3. FRMULA Y ELEMENTOS........................................................................... 6
1.4. CARACTERSTICAS ..................................................................................... 6
a) MODELOS AR (P): ........................................................................................ 6
b) MODELOS MA (Q): ....................................................................................... 6
c) MODELOS ARMA (P,Q): ............................................................................... 6
d) MODELOS ARI (P,D) E IMA(D,Q): ................................................................ 6
1.5 FINALIDAD Y PROPSITO .............................................................................. 7
1.6 SOFTWARE UTILIZADO .................................................................................. 7
CAPTULO II ........................................................................................................... 8
METODOLOGA DEL MODELO ............................................................................. 8
2.1 RECOLECCIN DE DATOS ............................................................................. 8
2.2 PROCEDIMIENTO ............................................................................................ 9
2.3 INTERPRETACIN ......................................................................................... 11
CAPTULO III ........................................................................................................ 12
APLICACIN A LA INGENIERA COMERCIAL .................................................... 12
3.1 CASO PRCTICO 1 ........................................................................................ 12
3.2 CASO PRCTICO 2 ........................................................................................ 13
3.3 CASO PRCTICO 3 ........................................................................................ 20
CONCLUSIONES ..................................................... Error! Bookmark not defined.


3

INTRODUCCIN

En 1970, Box y Jenkins desarrollaron un cuerpo metodolgico destinado a
identificar, estimar y diagnosticar modelos dinmicos de series temporales en
los que la variable tiempo juega un papel fundamental. En parte, los
procedimientos que vamos a analizar se contraponen a la "forma tradicional" de
identificar y especificar un modelo apoyndonos en las teoras subyacentes al
fenmeno analizado aunque, convenientemente utilizados, los conceptos y
procedimientos que examinaremos constituyen una herramienta til para ampliar
y complementar los conocimientos economtricos bsicos.

La ventaja radica en el hecho de no necesitar distintas series de datos (distintas
variables) referidas al mismo perodo de tiempo (caracterstica comn a todos
los modelos univariantes) y, al mismo tiempo, ahorrarnos la identificacin y
especificacin del modelo en el sentido de la econometra tradicional. El
inconveniente es que, al renunciar a la inclusin de un conjunto ms amplio de
variables explicativas, no atendemos a las relaciones que sin duda existen
entre casi todas las variables econmicas perdiendo capacidad de anlisis al
tiempo que renunciamos, implcitamente, al estudio terico previo del fenmeno
y a su indudable utilidad.

Dentro de estos modelos univariantes se desarrollarn suficientemente los
conocidos con el nombre de ARIMA. Posteriormente se complementar esta
perspectiva univariante aadindose a la especificacin una o ms variables
exgenas al modelo "tradicional" aproximndonos al estudio de los conocidos
como modelos de transferencia. Se comenzar analizando los modelos en los
que una variable es explicada utilizando exclusivamente una "exgena": su propio
pasado. Podemos decir que la consideracin exclusiva de los valores pasados de
una determinada variable para explicar su evolucin presente y futura supone, al
mismo tiempo, una ventaja y un inconveniente.

4



CAPTULO I
MARCO TERICO

1.1. CONCEPCCIN DEL MODELO
La metodologa Box Jenkins es distinta a la mayora ya existente, porque
es una tcnica que no asume ningn patrn particular en los datos
histricos de la serie a pronosticar.
Esta metodologa le permite al analista seleccionar el modelo que mejor se
ajuste a sus datos; este modelo incluye a los modelos AR (slo con
trminos autorregresivos), modelos MA (slo con trminos de promedio
mvil y los modelos mixtos ARIMA (Modelos de promedio mvil de
autorregresivos integrados), nos centraremos en el anlisis de este ltimo.
1.2. CONCEPTO
Es un modelo autorregresivo integrado de media mvil o ARIMA (acrnimo
del ingls autoregressive integrated moving average) es un modelo
estadstico que utiliza variaciones y regresiones de datos estadsticos con
el fin de encontrar patrones para una prediccin hacia el futuro. Se trata de
un modelo dinmico de series temporales, es decir, las estimaciones
futuras vienen explicadas por los datos del pasado y no por variables
independientes.

5


6
1.3. FRMULA Y ELEMENTOS



p como el orden del componente auto regresivo.
q el orden del componente de media mvil.
d el nmero de diferencias que la serie tiene que ser
transformada para ser estacionaria.
1.4. CARACTERSTICAS
a) MODELOS AR (P):
La prediccin tiende a m (media del proceso) a medida que aumenta el
horizonte temporal de la prediccin.
b) MODELOS MA (Q):
Dada la memoria limitada que caracteriza a estos procesos, la
prediccin es igual a m (media del proceso) cuando el horizonte
temporal de la prediccin es mayor que el orden del proceso (q).
c) MODELOS ARMA (P,Q):
A partir de "q" perodos futuros la prediccin tiende a m (media del
proceso) a medida que aumenta el horizonte temporal de la prediccin.
d) MODELOS ARI (P,D) E IMA(D,Q):
La prediccin ya no tiende a m sino que ser una lnea recta que parte
de Y(1) 88con pendiente igual a la media del proceso wT (serie
resultante de las transformaciones necesarias para hacerla estacionaria)



7
1.5 FINALIDAD Y PROPSITO

El modelo ARIMA, tiene como finalidad le permitirle al analista
seleccionar el modelo que mejor se ajuste a sus datos, con el propsito
de poder predecir escenarios futiros, con respecto a datos histricos.
1.6 SOFTWARE UTILIZADO
STATGRAFHICS
SPSS


8



CAPTULO II

METODOLOGA DEL MODELO
2.1 RECOLECCIN DE DATOS

Se har el anlisis de la serie de tiempo con los datos histricos proporcionados
por la empresa, correspondiente a siete aos, comprendidos de Enero 2003 a
Diciembre 2009, con el objeto de observar el comportamiento del producto Niboten
en sus ventas


9
2.2 PROCEDIMIENTO (SPSS)


Tambin se encontr que para mediados de 2006, especficamente para Junio,
julio y agosto se present una disminucin significativa en la venta de ste
producto, asociada a factores administrativos del laboratorio, lo que genera ruido
al momento de realizar proyecciones dada su naturaleza atpica, por lo que es
necesario realizarles una imputacin a stos valores con el fin de disminuir los
errores en el resultado de los clculos de los valores proyectados de la serie de
venta.
La identificacin del modelo se confirma con el resultado del modelador experto
del SPSS, el cual arrojo el mismo resultado, modelo ARIMA(1,1,0).
En la interpretacin del modelo, El valor uno (1) indica que se trata de un proceso
autorregresivo de orden 1, esto es, que cada valor de la fac est correlacionado
significativamente con el valor inmediatamente anterior; el segundo valor uno (1)
representa el nivel de integracin- diferenciacin de la serie y nos indica que
estamos analizando las diferencias entre cada valor y el valor inmediatamente
precedente; el ltimo valor cero (0) indica que no consideramos ningn efecto
considerable de medias mviles.
Estimacin del Modelo: Para el modelo ARIMA(1,1,0), el SPSS estadsticos de
ajuste, arroj la siguiente salida:

10

Donde, el coeficiente de autocorrelacin R2 es significativo y el ajuste es del
80.4%, mostrando que cada valor de la fca est correlacionado significativamente
con el valor inmediatamente anterior. Respecto al contraste conjunto de Ljung-
Box, tambin acepta la nula de correlaciones iguales a cero para distintos valores
de k (observar tabla 6).
Vemos pues que los estadsticos anteriores favorecen al modelo ARMA(1,1,0), ya
que en todos se acepta la nula de que el residuo es un ruido blanco.


11
2.3 INTERPRETACIN
Pronstico Modelo ARIMA. En la tabla se presentan los resultados del pronstico
para el modelo ARIMA (1,1,0); La fila 1 corresponde al encabezado de los
periodos a pronosticar; La fila 2 presenta los valores del pronstico; la fila 3
contiene los lmites superiores (LCS) y la fila 4 contienen los lmites inferiores (LCI)
para cada uno de los periodos.







12



CAPTULO III

APLICACIN A LA INGENIERA COMERCIAL

3.1 CASO PRCTICO 1
La empresa VIAJECITO S.A. se dedica a la prestacin de servicios tursticos,
y nos presenta las siguientes ventas trimestrales en el periodo 2005 2013:
TRIMESTRES
VENTAS ANUALES
2005 2006 2007 2008 2009 2010 2011 2012 2013
Primero 46927 46581 49377 54233 65378 68490 80529 87775 105207
segundo 49306 50830 49174 61190 70628 76948 83214 96399 113225
Tercero 52193 52414 49556 68333 75874 81865 93789 103137 117651
Cuarto 50304 50881 58817 75841 73036 85710 83209 110274 117196
TOTALES 198730 200706 206924 259597 284916 313013 340741 397585 453279

FUENTE: PORTAL WEB DE LA BVL


Se desea pronosticar las ventas que tendra la empresa para el ao 2014,
segn los datos brindados:



13
RESOLUCIN
1 INGRESAR LOS DATOS AL PAQUETE ESTADSTICO












2 AGREGAR COLUMNAS DE TIEMPO







14
3 OBTENEMOS






4 ELEGIMOS LA OPCION PREDECIR CREAR MODELO




15
5 AHORA PREDECIMOS INGRESAR DATOS


6 ELEGIMOS EL PERIODO HASTA EL QUE DESEAMOS PREDECIR




16

7 ANALIZAMOS RESULTADOS

MODELO:

Descripcin del modelo

Tipo de modelo
ID del modelo VENTAS TRIMESTRALES Modelo_1 ARIMA(0,1,0)(1,1,0)

R CUADRADO:

17

8 PREDICCIN











9 INTERPRETACIN
Las ventas para el primer trimestre del ao 2014 ascendern a 117885.94
nuevos soles, para el segundo trimestre sern de 126266.10 nuevos soles,
para el tercer trimestre se alcanzar 132073,81 soles y para el cuarto
trimestre 136155,99 soles, con un nivel de confianza del 95% con el modelo
ARIMA(0,1,0)(1,1,0).





18
3.2 CASO PRCTICO 2

La empresa LAS VEGAS S.R.L. se dedica a la comercializacin de prendas
de vestir, se presentan los datos de sus ventas trimestrales desde 1997-
2013, se desea predecir las ventas para el ao 2014.
AO TRIMESTRE
VENTAS EN MILES DE
NUEVOS SOLES
2001 1 1016
2001 2 921
2001 3 934
2002 4 976
2002 1 930
2002 2 1052
2002 3 1184
2003 4 1089
2003 1 1087
2003 2 1154
2003 3 1330
2004 4 1980
2004 1 2223
2004 2 2203
2004 3 2514
2005 4 2726
2005 1 3185
2005 2 3352
2005 3 3438
2006 4 2917
2006 1 2359
2006 2 2240
2006 3 2196
2007 4 2111
2007 1 1806
2007 2 1644
2007 3 1814
2008 4 1770
2008 1 1518
2008 2 1103
2008 3 1266

19
2008 4 1473
2009 1 1423
2009 2 1767
2009 3 2161
2009 4 2336
2010 1 2602
2010 2 2518
2010 3 2637
2010 4 2117
2011 1 1920
2011 2 1910
2011 3 1984
2011 4 1787
2012 1 1689
2012 2 1866
2012 3 1896
2012 4 1684
2013 1 1633
2013 2 1657
2013 3 1569
2013 4 1390

1 INGRESAR LOS DATOS AL PAQUETE ESTADSTICO

20
2 VAMOS A LA PESTAA PRONSTICOS PRONSTICOS AUTOMTICOS


3 INGRESAMOS LOS DATOS


4 ANALIZAMOS LOS RESULTADOS

21





22



MODELO: ARIMA (2,0,2)x(1,0,1)4



23
5 PRONSTICOS

6 INTERPRETACIN
Las ventas de la empresa LAS VEGAS S.R.L. con un 95% de confianza
alcanzarn como mnimo en el primer trimestre 977.30 miles de nuevos soles y
como mximo 1754.2 miles de nuevos soles, esperando que oscilen en promedio
en 977.30 miles de nuevos soles. 3.3 CASO PRCTICO 3
Se pide predecir los gastos de compras para el ao 2014, en los 4 trimestres. La
empresa posee la siguiente base de datos:
AO TRIMESTRE COMPRAS

AO TRIMESTRE COMPRAS
1984
1 134.38

1999
1 44.53
2 69.39

2 49.58
3 67.63

3 57.39
4 51.25

4 76.76
1985
1 103.97

2000
1 104.57
2 133.83

2 125.41
3 162.37

3 143.11
4 172.91

4 136.35
1986
1 163.01

2001
1 135.15
2 151.5

2 131.7
3 111.73

3 96.87
4 88.58

4 70.63
1987
1 74.29

2002
1 66.29
2 63.98

2 63.49
3 61.18

3 62.97
4 76.48

4 66.43
1988
1 107.98

2003
1 101.49
2 124.97

2 127.69

24
3 145.57

3 133.21
4 140.2

4 158.72
1989
1 143.84

2004
1 148.61
2 138.8

2 134.31
3 104.06

3 100.99
4 74.7

4 75.16
1990
1 60.18

2005
1 59.74
2 55.16

2 52.87
3 35.62

3 52.07
4 56.18

4 57.38
1991
1 85.44

2006
1 79.43
2 114.08

2 101.4
3 133.64

3 120.19
4 67.14

4 134.38
1992
1 95.58

2007
1 135.97
2 89.37

2 113.83
3 75.24

3 84.38
4 69.18

4 70.28
1993
1 54.49

2008
1 65.96
2 57.5

2 56.36
3 62.16

3 49.57
4 76.67

4 68.33
1994
1 110.04

2009
1 90.32
2 127.38

2 117.06
3 156.47

3 134.69
4 167.56

4 131.67
1995
1 153.54

2010
1 129.25
2 124.08

2 118.77
3 100.97

3 88.44
4 79.17

4 76.79
1996
1 68.13

2011
1 75.28
2 61.77

2 73.89
3 54.31

3 76.24
4 60.3

4 88.58
1997
1 84.18

2012
1 105.83
2 104.05

2 115.84
3 114.66

3 127.76
4 105.55

4 131.75
1998
1 96.61

2013
1 119.63
2 70.94

2 93.38
3 63.91

3 75.55
4 58.61

4 51.79


25

1 INTRODUCIR LOS DATOS


2 DEFINIR LA FECHA PERIODO DE LOS DATOS



26
3 INGRESAR DATOS


4 OBTENEMOS LAS COLUMNAS DE LOS PERIODOS




27
5 ELEGIMOS LA OPCIN PREDECIR CREAR MODELO










6 COMPLETAMOS LOS DATOS



28

7 PREDECIMOS - RESULTADOS


MODELO:

Descripcin del modelo

Tipo de modelo
ID del modelo Ventas trimestrales Modelo_1 ARIMA(0,0,2)(1,0,1)



29
8 DATOS PREDECIDOS 2014

9 INTERPRETACION
Con un 95% de confianza, los gastos incurridos en compras para el primer
trimestre del ao 2014 ascendern a 7450 nuevos soles, para el segundo trimestre
7237.11, para el tercer trimestre 8730.67 y para el cuarto trimestre 8540.77
usando el modelo ARIMA(0,0,2)(1,0,1)