Mostrar el registro sencillo del ítem
Modelación de series temporales en el sector productivo del norte de santander
dc.contributor.author | GALLARDO PÉREZ, HENRY DE JESÚS | |
dc.contributor.author | Rojas Suárez, Jhan Piero | |
dc.contributor.author | Gallardo Pérez, Oscar Alberto | |
dc.date.accessioned | 2021-11-11T19:15:13Z | |
dc.date.available | 2021-11-11T19:15:13Z | |
dc.date.issued | 2019-10 | |
dc.identifier.isbn | 9789588489889 | |
dc.identifier.uri | http://repositorio.ufps.edu.co/handle/ufps/897 | |
dc.description.tableofcontents | Prólogo Introducción Capítulo 1. Series temporales 1.1. Definición 1.2. Métodos para modelar series temporales 1.3. Método estructural para el análisis de series temporales. 1.3.1. Tendencia a largo plazo 1.3.2. Efecto ciclo 1.3.3. Efecto estacional 1.3.4. Variación irregular 1.3.5. Construcción del modelo 1.4. Método de Box y Jenkins para el análisis de series temporales 1.4.1. Procesos estocásticos 1.4.2. Procesos estacionarios 1.4.3. Modelo ARIMA 1.4.3.1. Modelo autorregresivo 1.4.3.2. Procesos de promedio móvil 1.4.3.3. Procesos ARIMA (p,d,q) 1.4.3.4. Comportamiento típico de la FAC y la FACP 1.4.3.5. Procesos no estacionarios 1.4.3.6. Procesos estacionales 1.4.3.7. Datos faltantes 1.4.4. Construcción de modelos para series univariadas 1.5. Estructura fractal de series temporales 1.5.1. Movimiento browniano 1.5.2. Distribuciones de probabilidad 1.5.2.1. Distribuciones estables 1.5.2.2. Distribuciones fractales 1.5.2.3. Movimiento browniano fraccional 1.5.3. Análisis R/S (rango estandarizado o reescalado) 1.5.3.1. Índice de escala temporal 1.5.3.2. Rango 1.5.3.3. Rango estandarizado 1.5.4. El exponente Hurst 1.5.5. Ciclos no periódicos y V-análisis 1.5.5.1. Ciclos no periódicos 1.5.5.2. La estadística V Capítulo 2. Simulación de series temporales 2.1. Proceso de ruido blanco gaussiano 2.2. Proceso caótico 2.3. Proceso AR(1) 2.4. Proceso MA(2) Capítulo 3. Análisis de series temporales 3.1. Índice de Precios al Consumidor (IPC) - Cúcuta 3.1.1. Ajuste de un modelo estructural 3.1.2. Ajuste de un modelo ARIMA 3.1.3. Estructura fractal 3.2. Índice de Precios al Consumidor (IPC) – Colombia 3.2.1. Ajuste de un modelo estructural 3.2.2. Ajuste de un modelo ARIMA 3.2.3. Estructura fractal 3.3. Consumo residencial de energía eléctrica en Cúcut 3.3.1. Ajuste de un modelo estructural 3.3.2. Ajuste de un modelo ARIMA 3.3.3. Estructura fractal 3.4. Consumo residencial de energía eléctrica en Norte de Santander 3.4.1. Ajuste de un modelo estructural 3.4.2. Ajuste de un modelo ARIMA 3.4.3. Estructura fractal 3.5. Sacrificio de ganado vacuno en Norte de Santander 3.5.1. Ajuste de un modelo estructural 3.5.2. Ajuste de un modelo ARIMA 3.5.3. Estructura fractal 3.6. Índice de Costos de Construcción de Vivienda (ICCV) en Cúcuta 3.6.1. Ajuste de un modelo estructural 3.6.2. Ajuste de un modelo ARIMA 3.6.3. Estructura fractal 3.7. Movimiento del parque urbano automotor de pasajeros en Cúcuta 3.7.1. Ajuste de un modelo estructural 3.7.2. Ajuste de un modelo ARIMA 3.7.3. Estructura fractal Conclusiones Bibliografía | spa |
dc.format.extent | 120 Páginas | spa |
dc.format.mimetype | application/pdf | spa |
dc.language.iso | spa | spa |
dc.publisher | Bogotá: Ecoe Ediciones Limitada | spa |
dc.relation.ispartof | ||
dc.title | Modelación de series temporales en el sector productivo del norte de santander | spa |
dc.type | Libro | spa |
dcterms.references | Alonso, A. (s.f.). Introducción al análisis de series temporales. Madrid: Universidad Carlos III de Madrid. | spa |
dcterms.references | Barnsley, M. (1988). Fractals Everywhere. New York: Academic Press. | spa |
dcterms.references | BANREP. (2019). Índice de Precios al Consumidor. Bogotá | spa |
dcterms.references | Box, G. y Jenkins, G. (1969). Time Series Analysis, Forecasting and Control. San Francisco: Holden Day. | spa |
dcterms.references | Burgos, T. y Pérez, E. (1999). Estimation of the Fractal Dimension of a Rainfall Time Series over a Zone Relevant to the Agriculture in Havana. SOMETCUBA Bulletin. 5(1). | spa |
dcterms.references | Departamento Administrativo Nacional de Estadística (DANE). (2017). Ficha metodológica. Índice de costos de construcción de vivienda. Bogotá. | spa |
dcterms.references | DANE. (2019a). Boletín técnico. Encuesta de sacrificio de ganado. Bogotá. | spa |
dcterms.references | DANE. (2019b). Boletín técnico. Índice de precios al consumidor. Bogotá. | spa |
dcterms.references | DANE. (2019c). Boletín técnico. Movimiento del parque urbano automotor de pasajeros. Bogotá. | spa |
dcterms.references | Fernández, S. (s.f.). Series temporales. Madrid: Universidad Carlos III de Madrid. | spa |
dcterms.references | Gallardo, H. y Nieto, F. (1996). Cálculo del número mínimo de datos necesarios para estimar el vector de observaciones faltantes en una serie temporal generada por un modelo AR (p). Revista Colombiana de Estadística. 33-34:57-76. | spa |
dcterms.references | Gao, J., Cao, Y., Tung, W. y Hu, J. (2007). Multiscale Analysis of Complex Time Series: Integration of Chaos and Random Fractal Theory, and Beyond. New Jersey: John Wiley & Sons. | spa |
dcterms.references | Gras, J. (2001). Diseño de series temporales: técnicas de análisis. Barcelona: EUB. | spa |
dcterms.references | Guerrero, V. (2003). Análisis estadístico de series de tiempo económicas. México: Universidad Autónoma Metropolitana. | spa |
dcterms.references | González, V. y Guerrero, C. (2001). Fractales: fundamentos y aplicaciones, parte I: concepción geométrica en la ciencia e ingeniería. Ingenierías, 4(10), 53-59. | spa |
dcterms.references | Mandelbrot, B. (1985). The Fractal Geometry of Nature. New York: W. H. Freeman. | spa |
dcterms.references | Mandelbrot, B. (1993). Los objetos fractales: forma, azar, dimensión. (3ª ed.). Barcelona: Tusquets Editores S.A. | spa |
dcterms.references | Nova, A. (2013). Procesamiento de series de tiempo. México: Fondo de Cultura Económica. | spa |
dcterms.references | Peña, D. (1990). Estadística modelos y métodos: 2. Modelos lineales y series temporales. Barcelona: Alianza Editorial. | spa |
dcterms.references | Peña, D. (2010). Análisis de series temporales. Barcelona: Alianza Editorial. | spa |
dcterms.references | Peña, D. y Maravall, A. (1991). Interpolation, Outliers and Inverse Auto-Correlations. Communication in Statistics - Theory Meth, 20(10),3175-3186. | spa |
dcterms.references | Nieto, F. y Martínez, J. (1994). A Recursive Approach for Estimating Missing Observations in a Time Series when the ARIMA Model for of Process Known. Communication in Statistics - Theory and Methods, 25(9),2101-2116. | spa |
dcterms.references | Quintero, O. y Ruiz, J. (2011). Estimación del exponente de Hurst y la dimensión fractal de una superficie topográfica a través de la extracción de perfiles. Geomática UD.GEO (5), 84-91. | spa |
dcterms.references | Unidad de Planeación Minero-Energética (UPME). (2019). Boletín estadístico de minas y energía. Bogotá: Minminas. | spa |
dcterms.references | UPME. (2019). Sistema de información minero energético colombiano. Bogotá: SIMEC. | spa |
dc.description.edition | 1th ed | spa |
dc.publisher.editor | Cúcuta: Universidad Francisco de Paula Santander | spa |
dc.publisher.place | Bogotá,Colombia | spa |
dc.rights.accessrights | info:eu-repo/semantics/openAccess | spa |
dc.subject.lemb | Econometría | spa |
dc.subject.lemb | Casos - Norte de Santander | spa |
dc.subject.lemb | Aspectos económicos | spa |
dc.subject.lemb | Modelos econométricos | spa |
dc.type.coar | http://purl.org/coar/resource_type/c_2f33 | spa |
dc.type.content | Text | spa |
dc.type.driver | info:eu-repo/semantics/book | spa |
dc.type.redcol | https://purl.org/redcol/resource_type/LIB | spa |
oaire.accessrights | http://purl.org/coar/access_right/c_abf2 | spa |
oaire.version | http://purl.org/coar/version/c_970fb48d4fbd8a85 | spa |
dc.type.version | info:eu-repo/semantics/publishedVersion | spa |