estadistica

Question 1

Componentes de una serie temporal

Answer 1

• Tendencia: tendencia con mov. suave de la serie a LP
• Estacional: Muchas series temporales presentan cierta periodicidad/variacion cada cierto periodo
• Aleatoria: No hay patron – es el resultado de factores aleatorios que inciden de forma aislada en una serie de tiempo

Question 2

Proceso estocástico

Answer 2

Es una sucesión de variables aleatorios

Question 3

Serie temporal

Answer 3

Es una realización de un proceso estocástico

Question 4

Ruido blanco

Answer 4

Es una sucesión de variables aleatorias con una esperanza igual a 0, varianza constante y covarianzas iguales a 0 para distintos valores de t

Question 5

Proceso estocástico estacionaria y tipos de series

Answer 5

si las funciones de distribución conjuntas son invariantes con respecto a un desplazamiento en el tiempo

-serie estacionaria: media y esperanza = 0 y se usa para obtener pronósticos con ARIMA

-serie no estacionaria: tendencia cambian en el tiempo, creciente/decreciente – para usar arima se debe cambiar a estacionaria

Question 6

Orden de integracion

Answer 6

numero de veces que la serie ha sido diferenciada hasta convertirla en estacionaria

Question 7

Tipos de modelos

Answer 7

-Modelos autorregresivos: AR(p) — ARIMA (p,d,0)
-Modelos de medias móviles: MA(q) — ARIMA (0,d,q)
-Modelos mixtos autorregresivos-medias móviles – ARIMA (p,d,q)

Question 8

Pruebas de normalidad

Answer 8

-Shapiro: Muestra menor a 50
-Kolmogorv: Muestra mayor a 50
-Anderson-Darling: bondad y ajuste

Question 9

cual es el modelo que se escoge

Answer 9

el modelo tentativo

Question 10

Supuestos del análisis multivariado

Answer 10

-cada var. dependiente (Consecuente) es una función de multiples determinantes
-cualquier var. independiente (antecedente) tiene multiples consecuentes
-el estudio de relaciones multiples provee un modelo util para la organización de sistema complejos

Question 11

Tipos de matrices de datos

Answer 11

Matrices de individuos por variable:
1. Matrices de datos cuanti.: Var. son cuanti.
2. Matrices de datos ordinales: Var son cuali
3. Matrices de datos lógicos y disyuntivas complejas: Var. son nominales
———————-
Matrices de variables por variables
1. Matriz de valores medios: Cada elemento de la matriz corresponde al valor medio de las puntuaciones
2. Matriz de valores absolutos: Repartición de los individuos de la muestra según dos variables que se están analizando
3. Matrices de distancia/similitud: cuanto mas se parezcan, menos sera la distancia entre los dos individuos — mas se parecen, mayor similitud
4. Matriz de covarianzas: diagonal son varianzas iguales todas
5. Matriz de correlaciones: diagonal son variadas igual a 1

Question 12

proximidad

Answer 12

mayor o menor semejanza que existe entre dos variables

Question 13

distancia

Answer 13

-axima del signo: d entre ayb es mayor o igual a 0, distancia entre aya es 0
-axioma de simetria: distancia entre ab y aa es igual
-axima de desigualdad triangular: distancia de ayc es menor igual a la distancia de ayb más aya

Question 14

similitudes

Answer 14

(+similitud, - distancia)
-axioma del signo: similitud entre aya es igual a byb – todo eso es mayor igual a la similitud de ayb
-axioma de simetria: similitud de ayb es igual a byb

Question 15

Valores de la co-varianza

Answer 15

• ## si x es mayor o igual de +- 0.6 la correlación es alta entre xi y x2si es - = su dirección es inversa
  si es + = su dirección es directa

Question 16

si sumas los autovalores

Answer 16

es igual a la traza

Question 17

si multiplicas los autovalores

Answer 17

es igual al determinante

Question 18

si el determinante es igual o aproximado a ______ no se puede hacer el análisis de vectores

Answer 18

0