Author: Maria Perez Marques Publisher: CreateSpace ISBN: 9781495346934 Category : Business & Economics Languages : es Pages : 152
Book Description
Dentro de las estructuras de datos más importantes, típicas en el trabajo econométrico aplicado, tenemos los datos de series temporales. Un conjunto de datos de series temporales consiste en observaciones sobre una variable o distintas variables a lo largo del tiempo. Ejemplos típicos de datos de series temporales son el producto interior bruto, la oferta monetaria, los índices de precios al consumo, las tasas anuales de homicidios, las cifras de ingresos y gastos de las empresas o las cifras de venta de automóviles. Dado que los acontecimientos pasados pueden tener influencia sobre acontecimientos futuros, y los efectos retardados en el comportamiento de los individuos son frecuentes en ciencias sociales, el tiempo es un parámetro importante en los conjuntos de series temporales. El libro comienza tratando los conceptos iniciales de series temporales para la predicción, para posteriormente profundizar en la mayoría de las técnicas para la obtención de predicciones, tanto condicionales como incondicionales. Se abordan, tanto los métodos autoproyectivos deterministas (Holt, Brown, Winters, etc.), como los modelos de Box Jenkins a través de la metodología ARIMA univariante y multivariante para la obtención de predicciones (modelos VAR y VARMA). En cuanto al soporte computacional para el desarrollo de modelos de predicción se utiliza el software STATGRAPHICS CENTURION.En cuanto a la metodología, se presentarán conceptos teóricos concretos y concisos al principio de los temas ilustrándolos con ejemplos que se adecuen convenientemente a la metodología y en índice creciente de dificultad.
Author: Maria Perez Marques Publisher: CreateSpace ISBN: 9781495347825 Category : Business & Economics Languages : es Pages : 134
Book Description
Dentro de las estructuras de datos más importantes, típicas en el trabajo econométrico aplicado, tenemos los datos de series temporales. Un conjunto de datos de series temporales consiste en observaciones sobre una variable o distintas variables a lo largo del tiempo. Ejemplos típicos de datos de series temporales son el producto interior bruto, la oferta monetaria, los índices de precios al consumo, las tasas anuales de homicidios, las cifras de ingresos y gastos de las empresas o las cifras de venta de automóviles. Dado que los acontecimientos pasados pueden tener influencia sobre acontecimientos futuros, y los efectos retardados en el comportamiento de los individuos son frecuentes en ciencias sociales, el tiempo es un parámetro importante en los conjuntos de series temporales. El libro comienza tratando los conceptos iniciales de series temporales para la predicción, para posteriormente profundizar en la mayoría de las técnicas para la obtención de predicciones, tanto condicionales como incondicionales. Se abordan, tanto los métodos autoproyectivos deterministas (Holt, Brown, Winters, etc.), como los modelos de Box Jenkins a través de la metodología ARIMA. En cuanto al soporte computacional para el desarrollo de modelos de predicción se utiliza el software STATGRAPHICS.En cuanto a la metodología, se presentarán conceptos teóricos concretos y concisos al principio de los temas ilustrándolos con ejemplos que se adecuen convenientemente a la metodología y en índice creciente de dificultad.
Author: Csar Lpez Prez Publisher: Createspace Independent Publishing Platform ISBN: 9781534981980 Category : Languages : es Pages : 196
Book Description
Las t�cnicas predictivas especifican el modelo para los datos en base a un conocimiento te�rico previo. Entre este grupo de t�cnicas se encuentran los modelos de series temporales. Formalmente, la aplicaci�n de todo modelo debe superar las fases de identificaci�n objetiva (a partir de los datos se aplican reglas que permitan identificar el mejor modelo posible que ajuste los datos), estimaci�n (proceso de c�lculo de los par�metros del modelo elegido para los datos en la fase de identificaci�n), diagnosis (proceso de contraste de la validez del modelo estimado) y predicci�n (proceso de utilizaci�n del modelo identificado, estimado y validado para predecir valores futuros de las variables dependientes). Este texto profundiza en todas esta fases mediante la metodolog�a de BOX-JENKINS de los modelos ARIMA. Asimismo, tambi�n se tratan los modelos del an�lisis de la intervenci�n y de la funci�n de transferencia. Todas las t�cnicas mencionadas se desarrollan en este libro a trav�s de STATGRAPHICS CENTURION y se ilustran con numerosos ejercicios resueltos que clarifican los conceptos.
Author: Maria Perez Marques Publisher: CreateSpace ISBN: 9781495337512 Category : Business & Economics Languages : es Pages : 252
Book Description
Dentro de las estructuras de datos más importantes, típicas en el trabajo econométrico aplicado, tenemos los datos de series temporales. Un conjunto de datos de series temporales consiste en observaciones sobre una variable o distintas variables a lo largo del tiempo. Ejemplos típicos de datos de series temporales son el producto interior bruto, la oferta monetaria, los índices de precios al consumo, las tasas anuales de homicidios, las cifras de ingresos y gastos de las empresas o las cifras de venta de automóviles. Dado que los acontecimientos pasados pueden tener influencia sobre acontecimientos futuros, y los efectos retardados en el comportamiento de los individuos son frecuentes en ciencias sociales, el tiempo es un parámetro importante en los conjuntos de series temporales. El libro comienza tratando los conceptos iniciales de series temporales para la predicción, para posteriormente profundizar en la mayoría de las técnicas para la obtención de predicciones, tanto condicionales como incondicionales. Se abordan, tanto los métodos autoprotectivos deterministas (Holt, Brown, Winters, etc.), como los modelos de Box Jemkins a través de la metodolgía ARIMA univariante y multivariante para la obtención de predicciones (modelos VAR y VARMA). En cuanto al soporte computacional para el desarrollo de modelos de predicción, se utiliza el software SAS.En cuanto a la metodología, se presentarán conceptos teóricos concretos y concisos al principio de los temas ilustrándolos con ejemplos que se adecuen convenientemente a la metodología y en índice creciente de dificultad.
Author: Cesar Lopez Publisher: CreateSpace ISBN: 9781483937175 Category : Languages : es Pages : 182
Book Description
La clasificación inicial de las técnicas de análisis de datos distingue entre técnicas predictivas, en las que las variables pueden clasificarse inicialmente en dependientes e independientes (similares a las técnicas del análisis de la dependencia o métodos explicativos del análisis multivariante), técnicas descriptivas, en las que todas las variables tienen inicialmente el mismo estatus (similares a las técnicas del análisis de la interdependencia o métodos descriptivos del análisis multivariante) y técnicas auxiliares. Las técnicas predictivas especifican el modelo para los datos en base a un conocimiento teórico previo. Entre este grupo de técnicas se encuentran los modelos de series temporales. Formalmente, la aplicación de todo modelo debe superar las fases de identificación objetiva (a partir de los datos se aplican reglas que permitan identificar el mejor modelo posible que ajuste los datos), estimación (proceso de cálculo de los parámetros del modelo elegido para los datos en la fase de identificación), diagnosis (proceso de contraste de la validez del modelo estimado) y predicción (proceso de utilización del modelo identificado, estimado y validado para predecir valores futuros de las variables dependientes). Este texto profundiza en todas esta fases mediante la metodología de BOX-JENKINS de los modelos ARIMA. Asimismo, también se trata el Análisis de la Correlación Canónica.Por otra parte, entre las técnicas descriptivas destacan las técnicas de reducción de la dimensión, incluyendo Análisis de Componentes Principales, Análisis Factorial y Análisis de Correspondencias, así como las técnicas de clasificación y segmentación, que incluyen Análisis Clúster y Análisis Discriminante. Todas las técnicas mencionadas se tratan en este libro y se ilustran con numerosos ejercicios resueltos que clarifican los conceptos.
Author: Libros Cientificos Publisher: CreateSpace ISBN: 9781514820971 Category : Languages : es Pages : 152
Book Description
Toda predicción es un intento de anticipar el futuro. En el contexto temporal, y tratándose de procedimientos cuantitativos, puede hablarse de dos clases de predicciones: condicionales e incondicionales. Las predicciones condicionales son las que se realizan mediante modelos causales. Por ejemplo, en un modelo de regresión que relaciona dos variables, una dependiente, Y, y otra independiente, X, las predicciones de Y están condicionadas a X, es decir, se predice Y dada X. Las predicciones incondicionales son las que se hacen mediante métodos autoproyectivos. Estos métodos pueden estar basados en dos enfoques alternativos: el determinista, o clásico, y el estocástico, o moderno. El enfoque determinista utiliza, tendencias, medias móviles y otras herramientas similares para predecir el futuro de una serie temporal y el enfoque estocástico se basa en el análisis de series temporales mediante la Metodología de Box-Jenkins. El enfoque determinista es más adecuado cuando se dispone de un número limitado de observaciones, mientras que el enfoque estocástico es más adecuado cuando las series son de mayor tamaño. Este libro desarrolla los diferentes tipos de predicciones a través del software STATGRAPHICS CENTURION
Author: Maria Perez Marques Publisher: CreateSpace ISBN: 9781495342097 Category : Business & Economics Languages : es Pages : 206
Book Description
Dentro de las estructuras de datos más importantes, típicas en el trabajo econométrico aplicado, tenemos los datos de series temporales. Un conjunto de datos de series temporales consiste en observaciones sobre una variable o distintas variables a lo largo del tiempo. Ejemplos típicos de datos de series temporales son el producto interior bruto, la oferta monetaria, los índices de precios al consumo, las tasas anuales de homicidios, las cifras de ingresos y gastos de las empresas o las cifras de venta de automóviles. Dado que los acontecimientos pasados pueden tener influencia sobre acontecimientos futuros, y los efectos retardados en el comportamiento de los individuos son frecuentes en ciencias sociales, el tiempo es un parámetro importante en los conjuntos de series temporales. El libro comienza tratando los conceptos iniciales de series temporales para la predicción, para posteriormente profundizar en la mayoría de las técnicas para la obtención de predicciones, tanto condicionales como incondicionales. Se abordan, tanto los métodos autoproyectivos deterministas (Holt, Brown, Winters, etc.), como los modelos de Box Jenkins a través de la metodología ARIMA univariante y multivariante para la obtención de predicciones. En cuanto al soporte computacional para el desarrollo de modelos de predicción ,se utiliza el software SPSS.En cuanto a la metodología, se presentarán conceptos teóricos concretos y concisos al principio de los temas ilustrándolos con ejemplos que se adecuen convenientemente a la metodología y en índice creciente de dificultad.
Author: Maria Perez Marques Publisher: CreateSpace ISBN: 9781495330551 Category : Business & Economics Languages : es Pages : 190
Book Description
Dentro de las estructuras de datos más importantes, típicas en el trabajo econométrico aplicado, tenemos los datos de series temporales. Un conjunto de datos de series temporales consiste en observaciones sobre una variable o distintas variables a lo largo del tiempo. Ejemplos típicos de datos de series temporales son el producto interior bruto, la oferta monetaria, los índices de precios al consumo, las tasas anuales de homicidios, las cifras de ingresos y gastos de las empresas o las cifras de venta de automóviles. Dado que los acontecimientos pasados pueden tener influencia sobre acontecimientos futuros, y los efectos retardados en el comportamiento de los individuos son frecuentes en ciencias sociales, el tiempo es un parámetro importante en los conjuntos de series temporales. El libro comienza tratando los conceptos iniciales de series temporales para la predicción, para posteriormente profundizar en la mayoría de las técnicas para la obtención de predicciones, tanto condicionales como incondicionales. Se abordan, tanto los métodos autoprotectivos deterministas (Holt, Brown, Winters, etc.), como los modelos de Box Jemkins a través de la metodolgía ARIMA univariante y multivariante para la obtención de predicciones (modelos VAR y VARMA). En cuanto al soporte computacional para el desarrollo de modelos de predicción ,se utliza EVIEWS y TRAMO/SEATS.En cuanto a la metodología, se presentarán conceptos teóricos concretos y concisos al principio de los temas ilustrándolos con ejemplos que se adecuen convenientemente a la metodología y en índice creciente de dificultad.
Author: César Pérez López Publisher: ISBN: 9788419034366 Category : Languages : es Pages : 0
Book Description
Descripción del editor: "El objetivo de este libro es presentar las técnicas de predicción modernas basadas en el análisis de series temporales.El contenido se dirige a docentes y estudiantes universitarios de todos los niveles que imparten o cursan materias relacionadas con las series temporales o modelos econométricos que tengan relación con las series de tiempo. Asimismo, es útil para los profesionales de la Economía, Ciencias Sociales, Ciencias Experimentales y otras ramas científicas en las que se aplican las técnicas de modelización temporal y la predicción.El libro comienza introduciendo al lector en los conceptos esenciales para el trabajo con series temporales, como el tratamiento de tendencias, variaciones estacionales y variaciones cíclicas y tratando los métodos deterministas de predicción y suavizado (medias móviles, Holt-Winters, etc.). A continuación, se abordan los métodos estocásticos de predicción presentando el análisis univariante de series temporales a través de los modelos ARIMA y la metodología de Box-Jenkins, incluyendo modelos estacionales y generales con sus etapas de identificación, estimación, diagnosis y predicción. Posteriormente se abordan temas más avanzados como el análisis de la intervención y los modelos de la función de transferencia. También se desarrollan métodos de predicción con series temporales a través de redes neuronales y espacio de los estados.Representa un valor añadido fundamental el análisis detallado de las posibilidades del software R para obtener predicciones a través de las series temporales. Se hace hincapié en los métodos de predicción automática que incorpora R en sus últimas versiones.En cuanto a la metodología docente, cada capítulo comienza con una exposición resumida de los conceptos teóricos y posteriormente se enfoca la parte práctica ilustrando cada concepto teórico con ejemplos desarrollados de forma muy detallada. Los capítulos finalizan con la resolución clara y precisa de problemas representativos del tema en estudio." (Garceta).
Author: Cesar Perez Lopez Publisher: Createspace Independent Pub ISBN: 9781483941820 Category : Mathematics Languages : es Pages : 182
Book Description
La clasificación inicial de las técnicas de análisis de datos distingue entre técnicas predictivas, en las que las variables pueden clasificarse inicialmente en dependientes e independientes (similares a las técnicas del análisis de la dependencia o métodos explicativos del análisis multivariante), técnicas descriptivas, en las que todas las variables tienen inicialmente el mismo estatus (similares a las técnicas del análisis de la interdependencia o métodos descriptivos del análisis multivariante) y técnicas auxiliares. Las técnicas predictivas especifican el modelo para los datos en base a un conocimiento teórico previo. Entre este grupo de técnicas se encuentran los modelos econométricos. Formalmente, la aplicación de todo modelo debe superar las fases de identificación objetiva (a partir de los datos se aplican reglas que permitan identificar el mejor modelo posible que ajuste los datos), estimación (proceso de cálculo de los parámetros del modelo elegido para los datos en la fase de identificación), diagnosis (proceso de contraste de la validez del modelo estimado) y predicción (proceso de utilización del modelo identificado, estimado y validado para predecir valores futuros de las variables dependientes). Precisamente el principal objeto de estudio de la econometría son las técnicas predictivas a través de las distintas tipologías de modelos econométricos.Este texto profundiza en la variedad de modelos econométricos habituales que se utilizan en la medición o cuantificación en la economía. Se abordan los modelos de regresión simple y múltiple con su problemática habitual (multicolinealidad, autocorrelación, heteroscedasticidad, normalidad, linealidad, etc,), los modelos de elección discreta (logit, probit, Poisson, etc.), los modelos de duración y supervivencia, los modelos de series temporales a través de la metodología de BOX-JENKINS para los modelos ARIMA y los modelos no lineales. Todas las técnicas econométricas mencionadas se tratan en este libro y se ilustran con numerosos ejercicios resueltos con el software STATGRAPHICS que clarifican los conceptos.
Author: Maria Perez Marques
Author: Maria Perez Marques
Author: Csar Lpez Prez
Author: Maria Perez Marques
Author: Cesar Lopez
Author: Libros Cientificos
Author: Maria Perez Marques
Author: Maria Perez Marques
Author: César Pérez López
Author: Cesar Perez Lopez