Universidad Católica Boliviana "San Pablo"

Universidad Católica Boliviana "San Pablo" Marco Teórico Sergio Paúl Pedraza Pacello 43  Variación transigente, accidental: De carácter errático debidos a fenómenos aislados que son capaces de modificar el comportamiento de la serie (tendencia, estacionalidad variaciones cíclicas y aleatoria). El análisis de las series temporales será de gran ayuda para la realización del estudio económico del impacto del coronavirus en las empresas, puesto que nos ayudara a conocer el comportamiento de las diferentes serie de datos que se analizaran a través del estudio, ya sean estas variables macroeconómicas o variables referentes y propias a cada sector y el análisis temporal de las mismas variables nos ayudaran a realizar pronósticos estadísticos con el que observaremos el impacto futuro que genera la emergencia sanitaria en la economía del país. • Modelo autor regresivo integrado de media móvil “ARIMA” Según el libro “ SERIES TEMPORALES: MODELO ARIMA ” realizado por De la Fuente Fernández, S. En el año 2015, un modelo ARIMA, es definido de la siguiente manera: En estadística y econometría, en particular en series temporales, un modelo autor regresivo integrado de promedio móvil o ARIMA (acrónimo del inglés autoregressive integrated moving average) es un modelo estadístico que utiliza variaciones y regresiones de datos estadísticos con el fin de encontrar patrones para una predicción hacia el futuro. (De la Fuente Fernández, S., 2015) Por lo tanto, podemos observar que se trata de un modelo dinámico de series temporales, es decir, las estimaciones futuras vienen explicadas por los datos del pasado y no por variables independientes. Fue desarrollado a finales de los sesenta del siglo XX. Box y Jenkins (1976) lo sistematizar El modelo ARIMA necesita identificar los coeficientes y número de regresiones que se utilizarán. Este modelo es muy sensible a la precisión con que se determinen sus coeficientes.