285785_es-ES

liliconcom

Análisis y pronóstico de series de tiempo

 

Vea cómo:

• Comprender e implementar la metodología de Box-Jenkins que utiliza JMP para el análisis de series de tiempo
• Construir modelos ARIMA (AutoRegressive Integrated Moving-Average), determinar si son adecuados, comparar modelos y modificar modelos
• Transformar datos usando la diferenciación, un método integrado en JMP para calcular las diferencias entre observaciones consecutivas, para hacer que la serie de tiempo sea estacionaria para que pueda ser modelada y utilizada para pronósticos.
• Guardar tabla que incluye los datos pronosticados

 

 

Vea cómo:

• Cree modelos ARIMA estacionales que manejen componentes de temporada, datos que tienen una variabilidad creciente a lo largo del tiempo o datos con un patrón de crecimiento que requiere transformación de datos
• Comprender cómo JMP calcula los modelos ARIMA
• Especifique el orden autorregresivo estacional, el orden de diferenciación estacional, el orden de promedio móvil estacional y el número de períodos por temporada

 

 

Vea cómo:

• Utilizar funciones de transferencia cuando se produce una intervención, como un cambio de política o un esfuerzo de marketing, durante la serie de tiempo durante la cual se construirá el modelo.
  • Construir un modelo ARIMA-X y ARIMA que tenga en cuenta la intervención
  • Modelo y pronóstico donde la intervención se muestra como binaria (1 para Sí, 0 para No)
  • Utilice las opciones de la función de transferencia y el pronóstico interactivo de JMP para modificar dinámicamente el pronóstico en función de los cambios de entrada ./li>
• Use X-11 Decomposition para eliminar tendencias y efectos estacionales utilizando el método X-11 desarrollado por la Oficina del Censo de EE. UU.
• Comprender los métodos de suavizado para pronósticos rápidos disponibles en JMP (exponencial simple, exponencial doble, exponencial lineal, exponencial lineal de tendencia amortiguada, exponencial estacional y método de Winters)

Recursos

• Materiales para la introducción y aplicación de conceptos de Series Temporales.  Proporcionado por el profesor Bob Stine, Wharton School of Business, Universidad de Pennsylvania.

16-30 min31+ min6-15 minSeries de tiempoVídeo