El texto que se presenta busca dar un fundamento sobre el anlisis de series de tiempo a aquellos profesionales que requieren de la aplicacin de estas tcnicas. Est dirigido a Ingenieros, Economistas, Actuarios, Administradores y cualquier otra profesin que requiere un conocimiento suficiente para aplicar las tcnicas de pronsticos en su campo. Los modelos que se tratan en este texto introductorio son tanto univariantes como multivariantes en el dominio del tiempo, haciendo nfasis ms en las aplicaciones que en el desarrollo terico del anlisis de series de tiempo, pero tratando de no descuidar este aspecto. Para la lectura del texto se requiere conocer los tpicos relacionados con clculo matricial y diferencial, inferencia estadstica y clculo de probabilidades a un nivel bsico a intermedio.El texto contiene los siguientes captulos: Captulo I: En este captulo se da la introduccin de los conceptos tales como: definicin de una serie de tiempo univariante y los primeros ejemplos de series de tiempo multivariantes. Conceptos de estacionariedad, invertibilidad ergodicidad, teorema de Wold. Adems, se repasa algunos mtodos de estimacin de los parmetros tales como: mxima verosimilitud, bayesianos, no paramtricos, mnimos cuadrados lineal y no lineal, mtodos exactos y condicionados. Captulo II: Trata de una introduccin de procesos estocsticos lineales, funciones de autocorrelacin ordinaria o simple y parcial. Ecuaciones de Yule Walker, AR(p), MA(q), y ARIMA(p, d, q). Metodologa de Box-Jenkins. Captulo III: Se estudia, estacionalidad ARIMA(p, d, q)(P, D, Q). El problema de las races unitarias. Contraste de Dickey-Fuller y sus aplicaciones. Contraste de Phillips-Perron. Variable de intervencin y valores atpicos. Captulo IV: Trata sobre modelos de series de tiempo no lineales, modelo bilineal. Modelos no lineales en media y varianza condicionales: Modelos ARCH y GARCH. Estimacin, Contrastes de hiptesis. Modelos relacionados ARCH-M, TARCH, AR-ARCH. INGARCH, Contraste: DBS, Coeficiente de Hurt, modelo ARFIMA. Problemas. Captulo V: Trata muy brevemente de series de tiempo multivariante, definicin de series de tiempo multivariante uniecuacional: ARMAX, definicin de series de tiempo vectoriales VAR(p). Cointegracin, estimacin, contraste y Vectores Autoregresivos VAR: seleccin, estimacin, validacin y pronsticos. VECM. En todos los captulos se dan ejemplos reales usando SAS(c) y SPSS(c) y terminan con un conjunto de problemas y observaciones.
El texto que se presenta busca dar un fundamento sobre el anlisis de series de tiempo a aquellos profesionales que requieren de la aplicacin de estas tcnicas. Est dirigido a Ingenieros, Economistas, Actuarios, Administradores y cualquier otra profesin que requiere un conocimiento suficiente para aplicar las tcnicas de pronsticos en su campo. Los modelos que se tratan en este texto introductorio son tanto univariantes como multivariantes en el dominio del tiempo, haciendo nfasis ms en las aplicaciones que en el desarrollo terico del anlisis de series de tiempo, pero tratando de no descuidar este aspecto. Para la lectura del texto se requiere conocer los tpicos relacionados con clculo matricial y diferencial, inferencia estadstica y clculo de probabilidades a un nivel bsico a intermedio.El texto contiene los siguientes captulos: Captulo I: En este captulo se da la introduccin de los conceptos tales como: definicin de una serie de tiempo univariante y los primeros ejemplos de series de tiempo multivariantes. Conceptos de estacionariedad, invertibilidad ergodicidad, teorema de Wold. Adems, se repasa algunos mtodos de estimacin de los parmetros tales como: mxima verosimilitud, bayesianos, no paramtricos, mnimos cuadrados lineal y no lineal, mtodos exactos y condicionados. Captulo II: Trata de una introduccin de procesos estocsticos lineales, funciones de autocorrelacin ordinaria o simple y parcial. Ecuaciones de Yule Walker, AR(p), MA(q), y ARIMA(p, d, q). Metodologa de Box-Jenkins. Captulo III: Se estudia, estacionalidad ARIMA(p, d, q)(P, D, Q). El problema de las races unitarias. Contraste de Dickey-Fuller y sus aplicaciones. Contraste de Phillips-Perron. Variable de intervencin y valores atpicos. Captulo IV: Trata sobre modelos de series de tiempo no lineales, modelo bilineal. Modelos no lineales en media y varianza condicionales: Modelos ARCH y GARCH. Estimacin, Contrastes de hiptesis. Modelos relacionados ARCH-M, TARCH, AR-ARCH. INGARCH, Contraste: DBS, Coeficiente de Hurt, modelo ARFIMA. Problemas. Captulo V: Trata muy brevemente de series de tiempo multivariante, definicin de series de tiempo multivariante uniecuacional: ARMAX, definicin de series de tiempo vectoriales VAR(p). Cointegracin, estimacin, contraste y Vectores Autoregresivos VAR: seleccin, estimacin, validacin y pronsticos. VECM. En todos los captulos se dan ejemplos reales usando SAS(c) y SPSS(c) y terminan con un conjunto de problemas y observaciones.
