Story Transcript
Análisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) Departamento de Probabilidad y Estad´ıstica I.I.M.A.S.-U.N.A.M.
´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 1/11
Datos Se pensó en estudiar el Aguacate Hass por ser un producto presente en mercados nacionales durante todo el año. Una de las bases de datos del SNIIM más completa, es para la presentacion en caja de 10 kilogramos.
´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 2/11
Datos Se pensó en estudiar el Aguacate Hass por ser un producto presente en mercados nacionales durante todo el año. Una de las bases de datos del SNIIM más completa, es para la presentacion en caja de 10 kilogramos. Para trabajar con la serie de tiempo correspondiente a precio frecuente, se calculó (en caso de ser posible) un promedio semanal de los precios frecuentes.
´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 2/11
Ejemplo: datos del precio promedio semanal, aguacate Hass.
´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 3/11
Ejemplo: datos del precio promedio semanal, aguacate Hass. Se tienen datos de varios años.
´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 3/11
Ejemplo: datos del precio promedio semanal, aguacate Hass. Se tienen datos de varios años. Hay datos faltantes, una semana en Enero de 2000 y otra semana en Septiembre de 2007
´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 3/11
Ejemplo: datos del precio promedio semanal, aguacate Hass. Se tienen datos de varios años. Hay datos faltantes, una semana en Enero de 2000 y otra semana en Septiembre de 2007
250 200 150 100 50
Series 1
300
350
400
Precio promedio semanal
1996
1998
2000
2002
2004
2006
2008
Figura 1
Aguacate Hass, precio promedio semanal
´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 3/11
Estacionalidad
6
7
8
thousands 9
10
11
12
Se puede pensar en un modelo para datos con componente estacional SARIMA((p, d, q) × (P, D, Q))s .
1973
1974
1975
1976
1977
1978
months
Datos con componente estacional ´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 4/11
Estacionalidad Dadas observaciones {Xt }, entonces si el proceso Yt = (1 − B)d (1 − B s )D Xt
(A)
es un proceso ARMA causal φp (B)ΦP (B s )Yt = θq (B)ΘQ (B s )εt ,
(B)
´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 5/11
Estacionalidad Dadas observaciones {Xt }, entonces si el proceso Yt = (1 − B)d (1 − B s )D Xt
(A)
es un proceso ARMA causal φp (B)ΦP (B s )Yt = θq (B)ΘQ (B s )εt ,
(B)
donde φp (z) = 1 − φ1 z − φ2 z 2 − . . . − φp z p , ΦP (z) = 1 − Φ1 z − Φ2 z 2 − . . . − ΦP z p , θq (z) = 1 + θ1 z + θ2 z 2 + . . . + θq z q , θQ (z) = 1 + Θ1 z + Θ2 z 2 + . . . + ΘQ z q y {εt } son v.a. no correlacionadas con distribucion normal(0, σε2 ) ´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 5/11
Proponemos usar los datos desde Enero de 2004 a la semana del 17 al 21 de Septiembre de 2007 (dato anterior al dato faltante).
´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 6/11
Proponemos usar los datos desde Enero de 2004 a la semana del 17 al 21 de Septiembre de 2007 (dato anterior al dato faltante). Ajustar un modelo estacional.
´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 6/11
Proponemos usar los datos desde Enero de 2004 a la semana del 17 al 21 de Septiembre de 2007 (dato anterior al dato faltante). Ajustar un modelo estacional. Predecir el dato faltante.
´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 6/11
2.4 2.3 2.2 2.1 1.9
2.0
Logaritmo de los datos
2.5
2.6
Proponemos usar los datos desde Enero de 2004 a la semana del 17 al 21 de Septiembre de 2007 (dato anterior al dato faltante). Ajustar un modelo estacional. Predecir el dato faltante.
2004
2005
2006
2007
Figura 2
Aguacate Hass, logaritmo del precio promedio semanal
´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 6/11
De la ecuación (A), se diferencia la serie de los logaritmos de los precios {Xt }, primero a lag 1 (d = 1) y luego a lag s = 52 (D = 1).
´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 7/11
De la ecuación (A), se diferencia la serie de los logaritmos de los precios {Xt }, primero a lag 1 (d = 1) y luego a lag s = 52 (D = 1). Para la serie resultante {Yt } se calcula la acf
´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 7/11
0.4 0.2 0.0 −0.2 −0.4
ACF
0.6
0.8
1.0
De la ecuación (A), se diferencia la serie de los logaritmos de los precios {Xt }, primero a lag 1 (d = 1) y luego a lag s = 52 (D = 1). Para la serie resultante {Yt } se calcula la acf
0
20
40
Lag
60
80
100
Figura 3
Autocorrelaciones sugieren posible modelo SARIMA(p = 0, d = 1, q = 7)×(P = 0, D = 1, Q = 1)52 ´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 7/11
Se estima el modelo vía máxima verosimilitud.
´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 8/11
Se estima el modelo vía máxima verosimilitud. Se analizan residuales
´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 8/11
Se estima el modelo vía máxima verosimilitud. Se analizan residuales
0.2 −0.2 2005.0
2006.0
2007.0
0
20
60
100
140
Normal Q−Q Plot
Histogram of residuals
Frequency
0.00
0
10 20 30 40 50
Lag
0.04
Time
−0.06
Sample Quantiles
0.6
ACF
0.04 0.00 −0.06
residuals
1.0
Series residuals
−2
−1
0
1
Theoretical Quantiles
2
−0.06
−0.02
0.02
0.06
residuals
Los residuales no presentan desviaciones significativas de los supuestos de normalidad y de no correlación. ´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 8/11
ˆ = 338.26. Usando el modelo predice del dato faltante X
´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 9/11
ˆ = 338.26. Los precios Usando el modelo predice del dato faltante X promedio de a una semana antes y una semana despues son 355 y 320.
´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 9/11
ˆ = 338.26. Los precios Usando el modelo predice del dato faltante X promedio de a una semana antes y una semana despues son 355 y 320. Con los datos completados (enero 2004 a julio 2008) {Xt } se vuelve a calcular Yt = (1 − B)d (1 − B s )D Xt
´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 9/11
0.4 −0.2
0.0
0.2
ACF
0.6
0.8
1.0
ˆ = 338.26. Los precios Usando el modelo predice del dato faltante X promedio de a una semana antes y una semana despues son 355 y 320. Con los datos completados (enero 2004 a julio 2008) {Xt } se vuelve a calcular Yt = (1 − B)d (1 − B s )D Xt
0
20
40
Lag
60
80
100
Figura 5
de nuevo, se sugiere un posible modelo SARIMA(p = 0, d = 1, q = 7)×(P = 0, D = 1, Q = 1)52 ´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 9/11
Se estima el modelo vía máxima verosimilitud.
´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 10/11
Se estima el modelo vía máxima verosimilitud. Se analizan residuales
´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 10/11
Se estima el modelo vía máxima verosimilitud. Se analizan residuales
2005.0
2006.5
2008.0
0
50
100
150
Time
Lag
Normal Q−Q Plot
Histogram of residuals
30 0 10
Frequency
50
−0.05 0.00 0.05
Sample Quantiles
0.4 0.0
ACF
0.8
−0.05 0.00 0.05
residuals
Series residuals
−3
−2
−1
0
1
2
Theoretical Quantiles
3
−0.10
−0.05
0.00
0.05
residuals
Los residuales no presentan desviaciones significativas de los supuestos de normalidad y de no correlación. ´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 10/11
400 300 250 200 150 100 2004
2005
2006
2007
2008
Figura 7
´ Analisis de datos del SNIIM correspondientes al Aguacate Hass (caja 10kg.) – p. 11/11