Investiga en bibliografía y la biblioteca digital los conceptos básicos de la metodología Box – Jenkins

Resultados:

• Investiga en bibliografía y la biblioteca digital los conceptos básicos de la metodología Box – Jenkins como son:

1. Definición de la metodología.

Es una técnica de pronósticos iterativa recomendada para series de datos históricos sin un patrón particular de comportamiento.

2. Historia de la metodología.

Es también conocido como ARIMA (AutoRegressive Integrated Moving Average: Promedio Móvil Autorregresivo Integrado), el nombre Box – Jenkins proviene de los investigadores estadísticos G.E.P. Box y G.M. Jenkins, quienes dedicaron gran parte de sus trabajos al perfeccionamiento de los procedimientos autor regresivos en las series de tiempo.

3. Proceso iterativo de la metodología.

Es un proceso productivo, repetitivo. Identifica los diferentes modelos posibles que se acerquen a la serie de datos que se desea pronosticar, hasta que se encuentre una estimación que sea suficientemente cercana a la realidad. Después encontrar los parámetros bajo los cuales funciona el modelo propuesto, y realizar el procedimiento iterativo de prueba y error hasta que se compruebe que el modelo es apropiado para la aplicación, lo cual significa que se puede pronosticar el futuro con él.

El proceso iterativo está compuesto de cinco pasos repetitivos:

Postular una clase general de modelo. Identificar el modelo tentativo que usaras. Estimar los parámetros en el modelo. Realizar un diagnóstico ¿este modelo es el adecuado? Utilizar el modelo para generar pronósticos.

4. Describe cuatro ejemplos en las empresas en los que el uso de Box – Jenkins favorece a la proyección de pronósticos acertados.

Telecomunicaciones de Vanguardia S.A. de C.V. Decidieron entrar al mercado de Internet por banda ancha móvil. Se analizaron los registros mensuales de usuarios de banda ancha móvil a nivel nacional desde hace cinco años. Apareció una serie con tendencia marcada y probablemente no estacionaria. Haciendo uso de Minitab, se obtuvo la autocorrelación de la muestra y se percató que se trataba de autocorrelación desvanecida. Se trataba de un modelo autorregresivo y se comprobó con las diferencias que convirtieron la serie en una estacionaria. El modelo que se utilizaría en los pronósticos sería Autorregresivo de primer orden, debido a que la autocorrelación se corta después de primer retraso. Con la ARIMA se eligió un modelo

...