Universidad Católica Boliviana "San Pablo"

72 observación en un momento dado, es modelada en función de los valores anteriores, y estos análisis se basan en un modelo explícito. Los modelos se conocen por el nombre genérico ARIMA “ AutoRegresive Integrated Moving Average ”, que deriva de tres componentes:  AR: Autoregresivo  I: Integrado  MA: Medias Móviles El modelo ARIMA permite describir un valor como una función lineal de datos anteriores y errores debidos al azar, además, puede incluir un componente cíclico o estacional. Es decir, debe contener todos los elementos necesarios para describir el fenómeno. La metodología Box y Jenkins de resume en cuatro fases:  1° Fase: Identificar el posible modelo ARIMA que sigue la serie de datos.  2° Fase: Al seleccionar provisionalmente un modelo para la serie, se pasa a la etapa de estimación, donde los parámetros AR y MA se estiman por máxima verosimilitud y se obtienen los márgenes de error y residuos del modelo.  3° Fase: el diagnostico, donde se comprueba que, si los residuos del modelo tienen o no una estructura de dependencia, con el fin de determinar el modelo más adecuado para la predicción.  4° Fase: la predicción, una vez que se obtiene el modelo adecuado se realizan las predicciones. (DE LA FUENTE , pág. 1) La familia de modelos ARIMA son: ARMA, ARIMA y SARIMA. Pero, además, se encuentras otros modelos de predicción, entre ellos, Promedio Móvil Simple, Suavizado Exponencial Simple y Tendencia Desechada no Estacional. Todos ellos serán explicados a continuación. Los Procesos Auto regresivos y de Medias Móviles (ARMA) consisten en la combinación formada por procesos auto regresivos y de medias móviles, también