Uno de los mayores retos en el análisis de datos es seleccionar el modelo más adecuado para un conjunto de datos determinado. En la práctica, la especificación errónea de los modelos ha dado lugar a menudo a conclusiones incorrectas en la ciencia de datos. Este estudio compara la eficiencia de modelar una serie temporal con propiedades de memoria larga estacional utilizando los modelos SARIMA, ARFIMA y SARFIMA. Para la ilustración se utilizaron datos de la temperatura media mensual global. La serie de temperaturas mostraba signos de memoria larga, ya que el gráfico ACF se atenuaba lentamente tras una inspección más detallada. El exponente de Hurst obtenido del análisis R/S confirmó la presencia de memoria larga. El ACF mostró una atenuación exponencial y un patrón sinusoidal, lo que sugiere tanto no estacionariedad como estacionalidad. Se realizaron pruebas de estacionariedad y estacionalidad para verificar estas observaciones. Por último, se aplicaron los criterios AIC y BIC para evaluar la eficiencia de los tres modelos, y los resultados indicaron que, en presencia tanto de estacionalidad como de memoria larga, el modelo SARFIMA era el más eficiente.
Bitte wählen Sie Ihr Anliegen aus.
Rechnungen
Retourenschein anfordern
Bestellstatus
Storno







