Nothing Special   »   [go: up one dir, main page]
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 12 vistas

    Traduccion Problema Series

    Cargado por

    Nynoo Carrasco
    Los datos de series de tiempo a menudo muestran autocorrelación o correlación serial de las perturbaciones a lo largo de períodos. Un gráfico de los residuales de mínimos cuadrados muestra un patrón donde el signo de un residuo en un período es un buen indicador del signo del residuo en el siguiente período, sugiriendo que el efecto de una perturbación se lleva a través de los períodos. Este tipo de "memoria" en las perturbaciones crea los cambios lentos de valores positivos a negativos evidenciados en la figura,

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Traduccion Problema Series

    Cargado por

    Nynoo Carrasco
    12 vistas1 página
    Los datos de series de tiempo a menudo muestran autocorrelación o correlación serial de las perturbaciones a lo largo de períodos. Un gráfico de los residuales de mínimos cuadrados muestra un patrón donde el signo de un residuo en un período es un buen indicador del signo del residuo en el siguiente período, sugiriendo que el efecto de una perturbación se lleva a través de los períodos. Este tipo de "memoria" en las perturbaciones crea los cambios lentos de valores positivos a negativos evidenciados en la figura,

    Descripción original:

    sdfghj

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Los datos de series de tiempo a menudo muestran autocorrelación o correlación serial de las perturbaciones a lo largo de períodos. Un gráfico de los residuales de mínimos cuadrados muestra un patrón donde el signo de un residuo en un período es un buen indicador del signo del residuo en el siguiente período, sugiriendo que el efecto de una perturbación se lleva a través de los períodos. Este tipo de "memoria" en las perturbaciones crea los cambios lentos de valores positivos a negativos evidenciados en la figura,

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    12 vistas1 página

    Traduccion Problema Series

    Cargado por

    Nynoo Carrasco
    Los datos de series de tiempo a menudo muestran autocorrelación o correlación serial de las perturbaciones a lo largo de períodos. Un gráfico de los residuales de mínimos cuadrados muestra un patrón donde el signo de un residuo en un período es un buen indicador del signo del residuo en el siguiente período, sugiriendo que el efecto de una perturbación se lleva a través de los períodos. Este tipo de "memoria" en las perturbaciones crea los cambios lentos de valores positivos a negativos evidenciados en la figura,

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 1

    Time-series data often display autocorrelation, or serial correlation of the disturbances across

    periods. Consider, for example, the plot of the least squares residuals in the following example

    A plot of the least squares residuals is shown in Figure 20.1. The pattern in the residuals suggests
    that knowledge of the sign of a residual in one period is a good indicator of the sign of the residual
    in the next period. This knowledge suggests that the effect of a given disturbance is carried, at
    least in part, across periods. This sort of memory in the disturbances creates the long, slow
    swings from positive values to negative ones that is evident in Figure 20.1. One might argue that
    this pattern is the result of an obviously naive model, but that is one of the important points in this
    discussion. Patterns such as this usually do not arise spontaneously; to a large extent, they are,
    indeed, a result of an incomplete or flawed model specification.

    Los datos de series de tiempo a menudo muestran autocorrelacin o correlacin serial de las
    perturbaciones a lo largo de perodos. Considere, por ejemplo, la grfica de los residuales de
    mnimos cuadrados en el siguiente ejemplo

    En la figura 20.1 se muestra un grfico de los residuales de mnimos cuadrados. El patrn en los
    residuos sugiere que el conocimiento del signo de un residuo en un perodo es un buen indicador
    del signo del residuo en el siguiente perodo. Este conocimiento sugiere que el efecto de una
    perturbacin dada se lleva, al menos en parte, a travs de los perodos. Este tipo de "memoria" en
    las perturbaciones crea los cambios largos y lentos de los valores positivos a los negativos que se
    evidencian en la figura 20.1. Se podra argumentar que este patrn es el resultado de un modelo
    obviamente ingenuo, pero ese es uno de los puntos importantes de esta discusin. Patrones como
    este usualmente no surgen espontneamente; en gran medida, son, de hecho, el resultado de una
    especificacin del modelo incompleta o defectuosa.

    También podría gustarte