Libros ciclos formativos, grado superior de informática, ASIR, DAM, DAW, libros universitarios: libros ingeniería aeronáutica, libros ingeniería civil, ingeniería de caminos: ingeniería construcción, ingeniería sanitaria, ingeniería del transporte, ingeniería hidráulica, territorio, urbanismo, materiales de construcción, libros ingeniería geológica: geotecnia, expresión gráfica, proyectos, libros ingeniería mecánica: estructuras, resistencia de materiales, libros ingeniería eléctrica, libros ingeniería electrónica: labview, libros termodinámica, libros de electricidad, libros de construcción, libros arquitectura, libro de ciencias: matemáticas: álgebra, cálculo, matemáticas avanzadas, estadística, probabilidad, big data, tratamiento de datos, econometría, química, física, libros contabilidad, PGC, libros finanzas, organización empresas, marketing, libros economía, libros ciencias sociales, libros educación infantil, libros técnicos y reglamentos: eléctricos, construcción, libros informática, computación, libros ciencias de la salud

5% de descuento general para todos los libros
Series Temporales

César Pérez

Páginas: 564

Fecha: 2011

ISBN: 978-84-9281-288-2

Precio: 37,00€  35.15€ IVA incluido  

Material de apoyo

Recomienda este libro

Otros libros relacionados
El objetivo de este libro es presentar las técnicas de predicción modernas basadas en el análisis de series temporales. El contenido se dirige a docentes y estudiantes universitarios de todos los niveles que imparten o cursan materias relacionadas con las series temporales o modelos econométricos que tengan relación con las series de tiempo. Asimismo, es útil para los profesionales de la Economía, Ciencias Sociales, Ciencias Experimentales y otras ramas científicas en las que se aplican las técnicas de modelización temporal y la predicción.

El libro comienza introduciendo al lector en los conceptos esenciales para el trabajo con series temporales, como el tratamiento de tendencias, variaciones estacionales y variaciones cíclicas y tratando los métodos deterministas de predicción y suavizado (medias móviles, Holt, Brown, Winters, etc.) A continuación, se abordan los métodos estocásticos de predicción presentando el análisis univariante de series temporales a través de los modelos ARIMA y la metodología de Box Jenkins, incluyendo modelos estacionales y generales con sus etapas de identificación, estimación, predicción y diagnosis. Posteriormente se abordan temas más avanzados como el análisis de la intervención y los modelos de la función de transferencia. La última parte del libro desarrolla los modelos de series temporales en el contexto multivariante (modelos VAR, VARMA, etc.)

Representa un valor añadido fundamental el análisis detallado de las posibilidades del software actual para obtener predicciones a través de las series temporales. Se utilizan los programas Eviews, Tramo/Seats, SAS, SPSS y STATGRAPHICS. Se hace hincapié en los módulos de predicción automática que incorporan estos programas en sus últimas versiones. En cuanto a la metodología, cada capítulo comienza con una exposición resumida de los conceptos teóricos y posteriormente se enfoca la parte práctica ilustrando cada concepto teórico con ejemplos desarrollados de forma muy detallada. Los capítulos finalizan con la resolución clara y precisa de problemas representativos del tema en estudio.

Contenido

Capítulo 1. Series temporales y sus componentes
    Datos de series temporales
    Descomposición clásica de una serie temporal
    Tendencia de una serie temporal: ajuste analítico, medias móviles y diferencias
    Tendencia en series temporales con SPSS
    Tendencia en series temporales con STATGRAPHICS
    Tendencia en series temporales con STATGRAPHICS CENTURION
    Tendencia en series temporales con EVIEWS
    Tendencia en series temporales con SAS
    Variaciones estacionales: Medias móviles, diferencias, diferencias estacionales y variables ficticias
    Variaciones estacionales con SPSS. Descomposición de una serie en sus componentes
    Procedimiento descomposición estacional en STATGRAPHICS. Componentes de una serie
    Descomposición estacional y componentes de una serie en STATGRAPHICS CENTURION
    Descomposición estacional y componentes de una serie en SAS
    Variaciones cíclicas
    Variaciones cíclicas y estacionales con SPSS: Periodograma y densidad espectral
    Variaciones cíclicas y estacionales con STATGRAPHICS: Periodograma
    Variaciones cíclicas y estacionales con STATGRAPHICS CENTURIÓN: Periodograma
    Variaciones cíclicas y estacionales con SAS

Capítulo 2. Métodos autoproyectivos deterministas de predicción
    Predicción y suavizado de series temporales
    Métodos autoproyectivos deterministas de predicción
    Predicciones incondicionales deterministas con el modelizador de SPSS. Suavizado
    Predicciones incondicionales deterministas con STATGRAPHICS
    Procedimientos de suavizado en STATGRAPHICS
    Predicciones incondicionales deterministas con el modelizador de STATGRAPHICS CENTURION
    Procedimientos de suavizado en STATGRAPHICS CENTURION
    Predicciones incondicionales deterministas y suavizado con EVIEWS
    Predicciones incondicionales deterministas y suavizado con SAS. Procedimiento FORECAST
    Predicciones incondicionales deterministas y suavizado con el modelizador de SAS

Capítulo 3. Métodos autoprotectivos estocásticos de predicción. Metodología de Box-Jenkins
    Predicciones incondicionales estocásticas
    Modelos ARIMA: Primeros conceptos
    Series temporales estacionales. Detección de la estacionalidad a partir de las funciones de autocorrelación y autocorrelación parcial
    Análisis de la estacionariedad y estacionalidad con SPSS
    Análisis de la estacionariedad y estacionalidad con STATGRAPHICS y STATGRAPHICS CENTURION
    Análisis de la estacionariedad y estacionalidad con EVIEWS
    Análisis de la estacionariedad y estacionalidad con SAS
    Modelos autorregresivos AR(p)
    Modelos de medias móviles MA(q)
    Modelos ARMA(p,q)
    Modelos ARIMA(p,d,q)
    La metodología de Box Jenkins en modelos ARIMA
    Modelos ARIMA con SPSS. Identificación, estimación, diagnosis y predicciones
    Modelos ARIMA con STATGRAPHIS. Identificación, estimación, diagnosis y predicciones
    Modelos ARIMA con STATGRAPHIS CENTURION. Identificación, estimación, diagnosis y predicción
    Modelos ARIMA con EVIEWS
    Modelos ARIMA con SAS. Identificación, estimación, diagnosis y predicciones

Capítulo 4. Metodología de Box-Jenkins. Predicción automática
    Métodos automáticos de identificación
    Modelo de espacio de los estados. Filtro de Kalman
    Modelos ARIMA con el modelizador automático de SPSS
    Modelos ARIMA con el modelizador automático de STATGRAPHICS
    Modelos ARIMA con el modelizador automático de STATGRAPHICS CENTURION
    Modelos ARIMA con el modelizador automático de SAS
    Modelos ARIMA con el modelizador automático de EVIEWS. Programas TRAMO/SEATS

Capítulo 5. Modelos ARIMA estacionales y generales. Identificación, estimación, diagnosis y predicción
    Series temporales estacionales. Detección de la estacionalidad Modelos estacionales puros
    Modelos estacionales generales
    SPSS y la identificación de modelos ARIMA(p,d,q)(P,D,Q)s
    SPSS y la estimación, validación y predicción de modelos ARIMA(p,d,q)(P,D,Q)s
    STATGRAPHICS y la identificación de modelos ARIMA(p,d,q)(P,D,Q)s
    STATGRAPHICS y la estimación, validación y predicción de modelos ARIMA(p,d,q)(P,D,Q)s
    STATGRAPHICS CENTURION y los modelos ARIMA(p,d,q)(P,D,Q)s
    EVIEWS y la identificación, estimación, validación y predicción de modelos ARIMA(p,d,q)(P,D,Q)s
    SAS y la identificación, estimación, validación y predicción de modelos ARIMA(p,d,q)(P,D,Q)s

Capítulo 6. Modelos ARIMA estacionales y generales. Predicción automática
    Modelos ARIMA estacionales y generales con el modelizador automático de SPSS
    Modelos ARIMA estacionales y generales con el modelizador automático de STATGRAPHICS CENTURION
    Modelos ARIMA estacionales y generales con el modelizador automático de STATGRAPHICS
    Modelos ARIMA estacionales y generales con el modelizador automático de EVIEWS
    Modelos ARIMA estacionales y generales con el modelizador automático de SAS

Capítulo 7. Análisis de la intervención y modelos de la función de transferencia
    Modelos de intervención
    Identificación de modelos de intervención
    Valores atípicos (Outliers)
    Modelo univariante de la función de transferencia
    Eviews y los modelos de intervención. Los programas TRAMO/SEATS
    SAS y los modelos de intervención y función de transferencia
    SPSS y los modelos de intervención

Capítulo 8. Modelos multivariantes de series temporales
    Modelos ARMA vectoriales
    Proceso VAR(1)
    Procesos VAR(p)
    Procesos VMA(q)
    Procesos VARMA(p,q)
    Construcción de modelos VARMA para series estacionarias
    Procesos SVAR, PVAR y BVAR. Modelos de corrección del error
    Estimación de modelos VAR en Eviews a través de menús
    Cointegración en modelos VAR en Eviews a través de menús
    Modelo de vector de corrección del error en modelos VAR con Eviews
    SAS Y los modelos VAR. Contrastes de causalidad y cointegración.
    Test de Johansen
    Contraste de Johansen en modelos VAR con SAS
    Modelo de vector de corrección del error en modelos VAR con SAS
    Modelos VAR con variables exógenas (VARX) en SAS


Libros técnicos y Reglamentos para profesionales, Ingenieros, Arquitectos e Instaladores del sector eléctrico (electricidad), construcción, climatización Contabilidad, Plan general de Contabilidad y Pymes. Libros para Ciclos Formativos y Programas de Cualificación Profesional Inicial, PCPI, de Peluquería e Informática. Libros universitarios de Ciencias, físico-química, químico-física, Ingeniería, Matemáticas, Estadística, Software SPSS

Política de Cookies

Utilizamos cookies propias y de terceros para mejorar nuestros servicios y mostrarle publicidad relacionada con sus preferencias mediante el análisis de sus hábitos de navegación.
Puede obtener más información consultando nuestra Política de Cookies y puede cambiar su configuración editando las Preferencias.

Cookies necesarias para el correcto uso de la web, como por ejemplo inicio de sesión, autenticación o seguridad.

Permiten medir, de forma anónima, el número de visitas o la actividad. Gracias a ellas podemos mejorar constantemente introduciendo mejoras en función del análisis de los datos de uso que hacen los usuarios del servicio.