Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1. GRAFICO DE SECUENCIA:
A primera vista se observa que la serie tiene cierta tendencia creciente y además
presenta estacionalidad, por lo tanto podemos inferir que la serie se ajusta a una modelo
ARIMA (p, d, q) (P, D, Q).
Para cerciorarnos que los que estamos deduciendo si es cierto debemos de analizar la
serie.
Comencemos por el análisis de varianzas constantes a través de la prueba de Levene
para determinar la homogeneidad de las varianzas y concluir si son estables o no.
2. Prueba de homogeneidad de la varianza
Ahora tenemos que determinar cuáles eran los valores de los demás parámetros del
modelo ARIMA (p, d, q) (P, D, Q).
La serie observada presenta tendencia y a la vez estacionalidad de período s=12, y los
valores de d=1 y D=1 lo que la hacen una serie con varianzas constantes, estable en
medias y sin estacionalidad.
Solo nos falta hallar los valores de p, q, P y Q que se calcularán a partir del análisis de
las la FAS y FAP de la parte regular y estacional de la serie.
Tanto en la una como en la otra (figura superior e inferior) todos los coeficientes están
dentro, o muy próximos, a los límites de la banda de confianza para el cero, por lo que
no hay evidencia de ninguna estructura estacional.
Por ello inicialmente consideraremos que la serie diferenciada estacionalmente no
presenta ninguna estructura en la parte estacional y, en consecuencia ajustaremos un
modelo ARIMA(1,0,1)(0,1,0)12.
Una vez ajustado, analizaremos la fas y la fap de los residuos en busca de alguna
estructura en la parte estacional.
En caso de no encontrarla, el análisis proseguiría sobre el modelo identificado.
El último paso es validar el modelo, para ellos se debe comprobar que los errores tienen
ruido blanco, sean constante en varianzas y con una distribución normal.
Autocorrelaciones
Serie:Ruido residual de Ventas-Modelo_1
Retardo Autocorrelaci Estadístico de Box-Ljung
a
ón Típ. Error Valor gl Sig.b
1 ,003 ,098 ,001 1 ,975
2 -,018 ,097 ,037 2 ,982
3 ,039 ,097 ,201 3 ,977
4 ,169 ,096 3,305 4 ,508
d
5 ,076 ,096 3,940 5 ,558
i
m6 ,128 ,095 5,747 6 ,452
e 7 ,054 ,095 6,077 7 ,531
n 8 -,058 ,094 6,455 8 ,596
s 9 ,073 ,094 7,057 9 ,631
i 10 -,056 ,093 7,423 10 ,685
o 11 ,040 ,093 7,613 11 ,747
n
12 -,061 ,092 8,057 12 ,781
1
13 ,004 ,092 8,059 13 ,840
14 ,038 ,091 8,237 14 ,877
15 -,041 ,091 8,446 15 ,905
16 ,098 ,090 9,627 16 ,885
a. El proceso subyacente asumido es la independencia (ruido
blanco).
b. Basado en la aproximación chi cuadrado asintótica.
7. CONCLUSIONES:
Se pronostica que las ventas mínimas serán en el mes de enero 2016 y aumentaran a
al máximo en noviembre del 2016.
Al haber aplicado la metodología de Box Jenkins, concluimos que el modelo ARIMA
(1,0,1) (0,1,0) tiene errores con distribución normal, ruido blanco. Además, tiene
varianzas constantes.