Tendencia central

Tendencia: es el patrón básico de crecimiento o disminución de la serie tiempo a largo plazo

Ciclo: se refiere al movimiento ondulatorio de la serie de Tiempo a mediano plazo que resulta de los cambios en la actividad económica y competitiva, estos pueden ser o no ser periódicas

Estacionalidad: Son fluctuaciones periódicas en una serie de tiempo, cuya frecuencia es menor a un año 

Ruido estático: son movimientos esporádicos o de corto plazo que se deben a una infinidad de factores no identificables, ocasionales o impredecibles

diferencia entre series de tiempo y pronósticos

Una serie de tiempo es una colección de datos numéricos al cual se asocia con un instante específico de tiempo, la cual para pronosticar se utiliza una serie de datos puntuales del pasado en periodo regulares. En cambio, un pronóstico se entiende como el arte y ciencia de predecir futuros utilizando información del presente y del pasado

modelos de descomposición clásica y combinaciones

Esta metodología consiste en descomponer la serie histórica en tendencia, ciclo, componente estacional y componente irregular. Éstos cuatro componentes pueden ser combinados en componentes de manera auditiva o multiplicativo

Manera auditiva: se expresa como ... , Sin embargo se considera estos componentes como independientes y esto ocurre rara vez en la vida real.

Manera multiplicativo: se expresa como,,, sólo la se expresa en unidades originales, y ese, se he y

nombre los pasos de los modelos de descompresión clásica, y mencione cuál es el elemento que no participa en los pronósticos

Estimación de la componente estacional, análisis de tendencias, estimación de la variable cíclica, pronósticos: en esta parte no participa la variable Lt

suavizamiento exponencial simple y su diferencia con el modelo adictivo sin tendencia 

el suavizameinto exponencial siemple tiene el efecto de suavizar una serie ,se utiliza cuando no hay ningún patrón de tendencia, en cambio el modelo aditivo sin tendencia se diferencia del primero, debido a que adicionalmente cada pronosticoes mejorado a través de un componente eswtacional aditivo, el cual es suavizado independientemente.

Los números ganadores de la lotería corresponden a un proceso de ruido blanco? Fundamente su respuesta 

Sí, corresponde a un proceso de ruido blanco, porque cada número es independiente de lo anterior, y además no hay dependencia ni correlación entre los números Del pasado y del futuro

7-defina los procesos estocastigos. 

Los procesos esto castigos son sesiones de variables, siendo su índice el tiempo (Xt). Dichos procesos están compuestos por observaciones tomadas en intervalos iguales con los que las aplicaciones frecuentes corresponden a datos observados en el tiempo, cómo hacer cada año, mes, hora, etc.

8- Indique los pasos de los modelos de Box And Jenkins modelo arima, Y su principal uso

Formulación de un modelo arrima, identificación de un modelo para los datos observados, estimación de parámetros y contrastes, crítica y diagnosis del modelo, pronósticos.

Además este modelo es el que mejor predice el corto plazo, debido a que no existe nada mejor que el pasado de la propia serie de datos para saber su evolución futura

 heterocedssticidad 

La heterocedasticidad, es un término usado para la varianza de una variable a través del tiempo, esta situación se produce cuando la varianza del término de error es distinta de unas observaciones a otras, en este caso los elementos de la diagonal principal de la matriz de convarianzas no serán iguales entre si 

10- cuál es la clave de los modelos ARCH

La clave de estos modelos están considera la información pasada de la variable y su volatilidad observada como factor altamente explicativo de su comportamiento presente y por extensión lógica, de su futuro predecible