Estaística III

DOCENTE: MARCO ANTONIO OLIVERA VILLA

Unidad 1. Procesos y series de tiempo

Actividad 1.
Estacionariedad

Alumno: Luis Gerardo Aguilar Cruz

Matricula: ES1511108497

julio de 2018

UnADM | Matemáticas
0
1. ¿Qué es una serie de tiempo?
Una serie de tiempo es un conjunto de observaciones de una variable medida en
puntos sucesivos en el tiempo o en periodos de tiempo sucesivos. (Anderson,
Sweeney, & Williams, 2008). Los periodos de tiempo sucesivos se refieren a periodos
de tiempo con la misma duración, por ejemplo, cada día, cada semana, cada mes,
cada año, etcétera.

2. ¿Qué significa la estacionariedad en una serie de tiempo?

De acuerdo con (Anderson, Sweeney, & Williams, 2008) “…al componente de las series
de tiempo que representan la variabilidad en los datos debida a la influencia estacional
se le conozca como componente estacional. Aunque por lo general se considera que
las variaciones estacionales son variaciones que se presentan durante el lapso de un
año, el componente estacional también se usa para representar cualquier variación
que se presente con regularidad en un lapso menor que un año.” Por ejemplo, un
fabricante de bloqueador solar esperará sus mayores ventas en los meses de
primavera y verano.

UnADM | Matemáticas
1
3. Descarga el software R para windows de https://cran.r-
project.org/bin/windows/base/R-3.4.3-win.exe
Pega el siguiente código en la ventana de R

#Ruido blanco
ruido=rnorm(1000,0,1)
plot.ts(ruido)

#Otro modo de hacer la gráfica es definiendo la series de tiempo

ruido<-ts(ruido)
plot(ruido,col="2")

Comenta respecto a la gráfica de la salida computacional, ¿Cómo se observa la

estacionariedad?

Se puede observar que los valores de la serie tienden a oscilar alrededor de una media
constante (en este caso cero) y la variabilidad con respecto a esa media (varianza igual a
1) también permanece constante en el tiempo.

UnADM | Matemáticas
2
4. Sea un proceso Xt que está determinada por Xt-1, además de que εt es un proceso de
ruido blanco, demostrar que Xt es estacionario en la media si es diferente de 1

“Un proceso estocástico se dice que es estacionario si su media y su varianza son

constantes en el tiempo y si el valor de la covarianza entre dos periodos depende
solamente de la distancia o rezago entre estos dos periodos de tiempo” (Villavicencio)
Media 𝐸(𝑋𝑡 ) = 𝐸(𝑋𝑡+𝑘 ) = 𝜇
Varianza 𝑉(𝑋𝑡 ) = 𝑉(𝑋𝑡+𝑘 ) = 𝜎 2
Covarianza 𝛾𝑘 = 𝐸[(𝑋𝑡 − 𝜇)(𝑋𝑡+𝑘 − 𝜇)

Demostración.

𝐸(𝑋𝑡 ) = 𝐸(𝑋𝑡 = 𝜙𝑋𝑡−1 + 𝜀𝑡 ) = 𝐸(𝑋𝑡 = 𝜙𝑋𝑡−1 + 0) = 𝜙𝐸(𝑋𝑡−1 )

Es decir, la media permanece constante.
Luego
𝐸(𝑋𝑡 ) = 𝜙𝐸(𝑋𝑡−1 )
𝐸(𝑋𝑡 ) − 𝜙𝐸(𝑋𝑡−1 ) = 0
(1 − 𝜙)𝐸(𝑋𝑡 ) = 0
0
𝐸(𝑋𝑡 ) = = 0, 𝜙≠1
1−𝜙
Es decir, para que el proceso sea estacionario el parámetro 𝜙 ≠ 1
Por lo tanto 𝑋𝑡 es estacionario en la media 𝜇, si 𝜙 es diferente de 1, 𝑋𝑡 = 𝜙𝑋𝑡−1 + 𝜀𝑡 ∎

UnADM | Matemáticas
3
Referencias
Anderson, D., Sweeney, D., & Williams, T. (2008). Estadística para administración y
economía (10a ed.). México: CENGAGE Learning. Retrieved julio 15, 2018, from
https://mega.nz/#!iBEmjS5Q!ZwI5xHv1yb9DZ5Acs8MPMTzEmM8h_fsH6Rr4_IZw
LhA
The R Foundation. (2018, julio 02). R version 3.5.1 [software].
Villavicencio, J. (n.d.). Introducción a series de tiempo. Puerto Rico: Instituto de
Estadísticas de Puerto Rico. Retrieved julio 15, 2018, from
http://www.estadisticas.gobierno.pr/iepr/LinkClick.aspx?fileticket=4_BxecUaZmg
%3D

UnADM | Matemáticas
4