PDF superior Fundamentos matemáticos del análisis de series temporales

Fundamentos matemáticos del análisis de series temporales

Fundamentos matemáticos del análisis de series temporales

Esta memoria consta de cuatro cap´ıtulos. En el primer cap´ıtulo comenza- mos introduciendo algunas definiciones b´ asicas sobre procesos estacionarios. A continuaci´ on introducimos otras herramientas fundamentales en el an´ alisis de series temporales como la funci´ on de autocovarianza y las funciones de autocorrelaci´ on simple y parcial. Por ´ ultimo presentamos la clase de proce- sos lineales, que contiene la clase de los procesos ARMA. Tambi´ en se definen propiedades importantes de estos procesos, como son la causalidad y la inver- tibilidad, caracterizamos su funci´ on de autocovarianza y mostramos algunos ejemplos.
Mostrar más

85 Lee mas

Análisis de series temporales aplicado a intoxicaciones atendidas en urgencias hospitalarias

Análisis de series temporales aplicado a intoxicaciones atendidas en urgencias hospitalarias

Para alcanzar una adecuada calidad asistencial debemos conocer el pronóstico del comporta- miento de la demanda de servicios el cual condi- ciona la toma de decisiones a la hora de planificar y organizar el trabajo hospitalario. En el área de las intoxicaciones urgentes, este pronóstico hace refe- rencia al comportamiento futuro más probable de la demanda por este tipo de atención. Para cons- truir estos modelos se emplea la técnica de análisis de series temporales, de uso común en física, de- mografía, economía y bolsa, pero no tanto en me- dicina de urgencias. El objetivo del presente estu- dio es la construcción de un modelo de pronóstico de la tasa endémica acumulada semanal de intoxi- caciones atendidas en los SUH, empleando para ello el caso del Hospital Universitario Nuestra Se- ñora de la Candelaria de Tenerife.
Mostrar más

7 Lee mas

Reconocimiento automático de patrones . Análisis y clasificación automática de series temporales

Reconocimiento automático de patrones . Análisis y clasificación automática de series temporales

Este trabajo describe una línea de I/D y los resultados esperados de la misma. El objetivo principal es estudiar, desarrollar y evaluar sistemas de reconocimiento automático de patrones en modo supervisado y no supervisado. En modo supervisado el objetivo principal es optimizar la generalización del clasificador. Son estudiadas aplicaciones caracterizadas por medio de señales digitales y en particular series temporales. Se estudian sistemas de reconocimiento estadístico de patrones, métodos de extracción y selección de características, análisis de métricas, técnicas de optimización y clasificadores basados en máquinas de soporte vectorial (SVM).
Mostrar más

5 Lee mas

Análisis del caos en series temporales financieras vía el estudio de atractores

Análisis del caos en series temporales financieras vía el estudio de atractores

Tras realizar el cambio de base, se ha comprobado si era posible la presencia de atractor en las series temporales analizadas. Para ello se necesita, por un lado, que el espacio de estados sea un espacio métrico compacto, lo cual se cumple ya que siempre podemos albergar el conjunto de los estados en un cerrado y acotado y, por otro lado, que la función de cambio de estado sea continua, lo que ocurre en las series analizadas, pues se trabaja con el mercado continuo de valores. Además, gracias a la propiedad de la contractividad se ha podido concluir que los índices Standard & Poor’s 500, Dow Jones Industrial Average, NASDAQ Composite, Hang Seng, DAX 30 e IBEX 35 tienen un atractor y sólo uno, mientras que el FTSE 100 y el NIKKEI 225 pueden tener más de un atractor.
Mostrar más

262 Lee mas

Desarrollo de Modelos de Series Temporales para el Análisis de las Tendencias en el Ambito Institucional: ESPOCH

Desarrollo de Modelos de Series Temporales para el Análisis de las Tendencias en el Ambito Institucional: ESPOCH

El presente trabajo intenta mostrar las bondades de los métodos estadísticos y pronósticos en el campo institucional (ESPOCH), al constituir herramientas de gran valor en el proceso de dirección y administración, en el cual, uno de los aspectos a tomar en cuenta es la previsión de las situaciones a las que se enfrentarán las autoridades de la institución con el mayor nivel de incertidumbre. Son técnicas de amplio uso y de probada validez en el mundo contemporáneo y en todas las ramas de la ciencia y la técnica. Hoy en día es casi imposible operar una organización sin contar con pronósticos acerca del desarrollo futuro de la misma, tomando en cuenta, para ello, tanto el comportamiento del entorno en que se desarrolla la misma como sus problemas internos. Se realiza un análisis de series anuales de los ingresos de estudiantes, y el comportamiento del número de docentes, a la institución. Se emplean métodos de análisis de regresión y sus resultados constituyen un punto de partida para el diseño de estrategias futuras.
Mostrar más

306 Lee mas

ANÁLISIS DE SERIES TEMPORALES DE DATOS SONOROS

ANÁLISIS DE SERIES TEMPORALES DE DATOS SONOROS

d) Análisis de eventos excepcionales. El Ld(24h) y Le(4h) de la semana 24 así como el Ln(8h) de la semana 25 se han excluido del proceso. Las celebraciones por la consecución de Liga española de futbol 2007 por el Real Madrid C.F. suponen un evento totalmente excepcional, cuya inclusión modifica notablemente alguno de los índices. Como puede apreciarse en la figura 2 el lavor de Ln(8h) de esa semana tiene un valor 7 dBA por encima de los contiguos, con la consiguiente repercusión en el valor mensual y anual. Se retiran de la serie los datos que transcurren entre las 22:52 del 17 de junio y las 0:42 del 18 del mismo mes.
Mostrar más

6 Lee mas

Aceleración del análisis de series temporales en el procesador Intel Xeon Phi KNL

Aceleración del análisis de series temporales en el procesador Intel Xeon Phi KNL

to que son los valores m´ as usados en la literatura [8], adem´ as de los tama˜ nos de ventana m´ as comunes (m ). La tabla I muestra los resultados de ejecutar SCRIMP con DDR4 exclusivamente y estableciendo un orden aleatorio para las diagonales. Como sugie- ren los resultados, no hay una clara correlaci´ on entre el tama˜ no de la ventana y el tiempo de ejecuci´ on, pero depende del n´ umero de elementos que caben en las cach´ es. En caso de que establezcamos un orden secuencial para computar las diagonales, obtenemos tiempos de ejecuci´ on similares a los del caso anterior, como muestra la tabla II. No hay beneficios significa- tivos en el rendimiento para series temporales cortas, pero para m´ as largas podemos obtener hasta un 25 % de mejora en los tiempos de ejecuci´ on.
Mostrar más

7 Lee mas

Análisis multifractal de correlaciones en series temporales de sistemas económicos

Análisis multifractal de correlaciones en series temporales de sistemas económicos

Desde que Mandelbrot (Mandelbrot B., 1982) propuso la teor´ıa de los fractales, un amplio numero de estudios empr´ıricos se han realizado con la intenci´on de evaluar la dependencia de largo y corto alcance de series de tiempo financieras. Los trabajos de Peters son referentes bajo esta perspectiva (Peters E. 1991,1994). En ellos se estudian las propiedades no-lineales y las autocorrelaciones de largo-alcance de un conjunto de series financieras a la luz de la de la geometr´ıa fractal y elementos de teor´ıa del Caos. Posteriormente se extiende aquellas ideas en otros contextos financieros; nuevas y m´as recientes aproximaciones te´orico-fractal a distintos mercados stocks (Cajueiro D.O., Tabak B.M., 2007), mercados de renta varia- bles (Cajueiro D.O., Tabak B.M., 2008), los cuales proveen de suficiente evidencia emp´ırica de la ineficiencia de los mercados, esto es, del comportamiento fractal de los mercados(HMF). En la literatura existente, varias aproximaciones han sido desarrolladas para estudiar rasgos multifractales en mercados financieros. Los resultados muestran que algunos mercados finan- cieros son (multi)fractales, sus series stocks exhiben autocorrelaciones de largo-alcance (Hu K., et al. 2001; Chen Z., et al. 2002;), ademas que presentan entre ellas correlaciones(cross- correlation) igualmente de largo-alcance (Podobnik B.,2009a, Podobnik B., 2009b; Horvatic D.,et al.,2011),lo que a su vez representa una recusaci´on a la hip´otesis del mercado eficiente tradicional (HME).
Mostrar más

33 Lee mas

Modelos Arch: Un análisis de volatilidad de series temporales financieras

Modelos Arch: Un análisis de volatilidad de series temporales financieras

En segundo lugar, se puede observar que la curtosis de la serie diaria de rendimientos del tipo de cambio peseta/dólar es 5,640229, es decir, significativamente mayor que 3 y, por lo tan[r]

18 Lee mas

Supervisión multidistribuida de transportes refrigerados mediante redes de sensores: diagramas de fases, una nueva metodología de análisis

Supervisión multidistribuida de transportes refrigerados mediante redes de sensores: diagramas de fases, una nueva metodología de análisis

t(k+ ∆ i ) − t(k). Obsérvese que el tiempo de retardo no de- pende de k ya que el paso temporal es fijo. La recons- trucción del espacio de fases se consigue al representar la serie temporal frente a sí misma retrasada en el tiem- po. El valor del tiempo óptimo de retardo para la recons- trucción del espacio de fases se establece heurísticamente. Previamente a la reconstrucción del es- pacio de fases, las series temporales de temperatura se suavizaron con una ventana de 5 puntos. En este trabajo se ha realizado la reconstrucción de un espacio de fases bidimensional, representando la temperatura en el tiem- po t(k+ ∆ ) versus la temperatura en el tiempo t(k). El valor óptimo de ∆ es aquél en el que la representación de la variable temperatura en el espacio de fases permite la observación del atractor o trayectoria cíclica de mayor su- Maersk
Mostrar más

6 Lee mas

Modelo estocásticos para la predicción de la velocidad del viento

Modelo estocásticos para la predicción de la velocidad del viento

La mayor parte de estos modelos han si- do evaluados, como se mencionó anterior- mente, sobre la base de técnicas de análisis de series temporales, sin considerar ex[r]

7 Lee mas

Modelo de descubrimiento de conocimiento para series temporales numéricas aplicando métodos simbólicos

Modelo de descubrimiento de conocimiento para series temporales numéricas aplicando métodos simbólicos

Centrando la atención en el problema de conocer los comportamientos concretos de la serie temporal que tengan un significado especial en el dominio bajo estudio, parece lógico pensar que una buena solución al problema consiste en identificar las secciones o regiones de la serie temporal donde aparecen dichos comportamientos y dotarlas de contenido semántico en función del significado que tengan en la serie. Llegados a este punto, sería deseable analizar la serie temporal por el contenido semántico de estas secciones en vez de analizar el conjunto de los valores numéricos que tome la serie temporal en cada instante. Avanzando un poco más en esta idea, se podría traducir toda la serie temporal numérica a otra serie temporal simbólica donde cada uno de los símbolos tuviera un significado relevante en el dominio. Una secuencia temporal simbólica de este tipo aporta un valor añadido en el análisis de la serie al llevar implícito contenido semántico. Este contenido semántico permite caracterizar la propia secuencia temporal y, además, permite la definición de métodos de análisis y comparación de las series temporales que utilicen los mismos conceptos utilizados por el experto, lo que hace posible abordar el problema de una forma similar a como lo hace el experto y permite, por tanto, mejorar sustancialmente la explicación y justificación de los resultados obtenidos.
Mostrar más

286 Lee mas

Notas sobre fundamentos matemáticos

Notas sobre fundamentos matemáticos

Un problema se resuelve con el uso de las ecuaciones lineales y cuadráticas, compren- diendo conceptos del álgebra lineal como, por ejemplo, análisis de circuitos hidráulicos y eléctricos, estructuras de redes, movilidad en el transporte y diseño estructural, entre otros, es decir, para desarrollar el modelo matemá- tico de un fenómeno en ingeniería.

36 Lee mas

Cambios aditivos e innovativos en series temporales

Cambios aditivos e innovativos en series temporales

Correa (2000) menciona que una serie de tiempo es una sucesión de observaciones o de lecturas ordenadas, obtenidas al variar el tiempo u otra índole. Cabe destacar que existe una gran diferencia entre los datos manejados en series de tiempo y los empleados para realizar inferencias, en pruebas de hipótesis sobre parámetros, o en análisis de varianza, dicha diferencia radica en el orden cronológico o secuencial inducido por la forma como se obtienen las observaciones que generan la serie, este orden crea una estructura de correlación o de dependencia entre las observaciones no existente en los otros conjuntos de datos. En una serie de tiempo la observación que ocupa cierta posición está relacionada con las observaciones ubicadas en las posiciones anteriores, por esta razón si se altera la posición de una observación se alteran las relaciones entre las observaciones y por ende los pronósticos estimados. Ahora bien, si se considera que la observación z t es
Mostrar más

60 Lee mas

ANALISIS DE SERIES TEMPORALES – J  HAMILTON

ANALISIS DE SERIES TEMPORALES – J HAMILTON

Así, la regresión MCO de Y sobre X, produce un coeficiente de proyección lineal coherente. Obsérvese que este resultado sólo requiere que el proceso sea ergódico durante segundos momentos. Por el contrario, el análisis econométrico estructural requiere suposiciones mucho más fuertes sobre la relación entre X e Y. La diferencia surge porque el análisis estructural busca el efecto de X sobre Y. En el análisis estructural, los cambios en X están asociados con un evento estructural particular como un cambio En la política de la Reserva Federal, y el objetivo es evaluar las consecuencias para Y. Dado que es el objetivo, si es muy importante considerar la naturaleza de la correlación entre X e Y antes de confiar en las estimaciones de MCO. En el caso de la proyección lineal, sin embargo, la única preocupación es la predicción, para lo cual no importa si es X el que causa Y o Y que causa X. Sus connotaciones históricas observadas (resumidas por E) son todo lo que se necesita para Calcular un pronóstico. El resultado [4.1.20] muestra que la regresión por mínimos cuadrados ordinarios proporciona una base sólida para la predicción bajo suposiciones muy suaves.
Mostrar más

806 Lee mas

Supervisión multidistribuida de transportes refrigerados mediante tecnología inalámbrica: diagrama de fases una nueva metodología de análisis.

Supervisión multidistribuida de transportes refrigerados mediante tecnología inalámbrica: diagrama de fases una nueva metodología de análisis.

Se han desarrollado diferentes tipos de modelos para explicar y predecir los cambios de temperatura en el interior de contenedores refrigerados (Jedermann et al., 2013). La posibilidad de detectar comportamientos deterministas – caóticos o no -, o estocásticos – lineales o no – resulta de especial interés no sólo para justificar el uso de uno u otro tipo de modelos para la representación de las series temporales, sino como un incentivo adicional para seguir profundizando en el estudio de la estructura subyacente de los fenómenos estudiados. La certeza, o simplemente la evidencia débil, de la existencia de comportamientos caóticos en una serie temporal resulta también interesante para mejorar las predicciones sobre su evolución futura – por ejemplo usando los métodos de predicción por analogías. El análisis de si una serie de datos es aleatoria o presenta por el contrario caos determinista se traduce en investigar si sus elementos pueden considerarse muestreados en las trayectorias de un sistema determinista desconocido cuya dinámica converja a un atractor extraño (Fernández, 2012). Es decir, según demostraron Packard et al. (Packard et al., 1980), Takens (Takens, 1981), y Eckmann Ruelle (Eckmann and Ruelle, 1985) y otros autores, se trata de analizar una serie temporal asumiendo que ésta es una muestra observable de la trayectoria que describe la solución de un sistema dinámico. Para diagnosticar la presencia de caos a partir de una serie temporal se utilizan herramientas que tratan de encontrar evidencias de que el sistema dinámico generador de la serie temporal converge a atractores, es decir, se centran en la estimación de la estabilidad local del atractor. Para ello, un aspecto previo que tendremos que considerar será el de la reconstrucción del atractor a partir de la serie temporal de forma que se conserven las mismas propiedades cualitativas del sistema dinámico desconocido (Fernández, 2012).
Mostrar más

6 Lee mas

Modelos arima para la temperatura media anual en seis ciudades españolas

Modelos arima para la temperatura media anual en seis ciudades españolas

Análisis Univariable de Series Temporales, Método Box-Jenkins, Modelos Arima, Tempera- tura Media Anual.. Introducción.[r]

14 Lee mas

PRÁCTICAS DE SERIES TEMPORALES CON EXCEL

PRÁCTICAS DE SERIES TEMPORALES CON EXCEL

Paso 4: Situar el gráfico como ¿ Objeto en la hoja gráficos. Terminar Es necesario editar el gráfico, tal como se ha hecho con el anterior, para que la escala de ordenadas vaya desde cinco mil hasta siete mil. El resultado es el gráfico de la página 112. Con la nueva escala parece bastante claro que puede haber una tendencia cuadrática, por eso, se ha de proceder a ajustar un modelo parabólico con el bien entendido de que si el término cuadrático no fuese significativo ya se detectaría en el análisis de los resultados, y se procedería en consecuencia; es decir, se debería ajustar un nuevo modelo sin el término que ha resultado no significativo.
Mostrar más

56 Lee mas

Pronóstico de series temporales con estacionalidad

Pronóstico de series temporales con estacionalidad

Una serie temporal es una sucesión ordenada de valores de una variable (generalmente aleatoria) observados en intervalos de tiempo igualmente espaciados. Ejemplos de series temporales pueden ser: las exportaciones trimestrales de una compañía manufacturera, las ventas nacionales de vehículos subcompactos por mes, el número mensual de pasajeros de una compañía aeronáutica, etc. Pronóstico es la predicción o estimación de valores futuros de una serie temporal tomando como base valores pasados de la serie en cuestión o de otras variables. Si los datos observados en una serie temporal se ven influenciados por los meses, bimestres, trimestres, etc., diremos que la serie es estacional y diremos que las estaciones son los meses, bimestres o trimestres que afectan a la serie. Se dice que hay tendencia lineal cuando se supone que las observaciones «oscilan» alrededor de una línea recta. Si
Mostrar más

184 Lee mas

Descargar
			
			
				##common.downloadPdf##

Descargar ##common.downloadPdf##

d se conocen como los coeficientes de la transformada discreta wavelet (DWT) de la señal f(t). Estos coeficientes tienen la capacidad de describir la señal original y se pueden usar de manera similar a los coeficientes de Fourier para las operaciones de análisis, descripción, aproximación y filtrado de señales [12]. En un primer nivel de descomposición se realiza una bisección de los componentes de frecuencia (como dos filtros: uno pasa bajas y otro pasa altas). El primer bloque agrupa los componentes de frecuencia baja (aproximaciones) y el segundo bloque contiene los componentes de frecuencia alta (detalles). Este algoritmo se usa de manera reiterativa para formar bancos de filtrado, que dividen el espectro de la señal en bloques de frecuencia tantas veces como niveles de descomposición se tengan.
Mostrar más

5 Lee mas

Show all 10000 documents...