Modelación de series temporales en el sector productivo del Norte de Santander

Descargas

PDF FLIP

Publicado

March 10, 2022

Categorías

Licencia

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Derechos de autor 2022 editorial-ufps

Detalles sobre esta monografía

ISBN

9789588489889

ISBN

http://doi.org/10.22463/9789588489889

Cómo citar

Gallardo Pérez, H. D. J. ., Rojas Suárez, J. P. ., & Gallardo Pérez, O. A. . (2022). Modelación de series temporales en el sector productivo del Norte de Santander. editorial-ufps. https://doi.org/10.22463/9789588489889

Autores/as

Henry De Jesús Gallardo Pérez
Universidad Francisco de Paula Santander
https://orcid.org/0000-0001-8285-2968
Jhan Piero Rojas Suárez
Universidad Francisco de Paula Santander
https://orcid.org/0000-0003-2682-9880
Oscar Alberto Gallardo Pérez
Universidad Francisco de Paula Santander
https://orcid.org/0000-0001-7639-6564
DOI: https://doi.org/10.22463/9789588489889

Palabras clave:

Econometría – Casos - Norte de Santander

Norte de Santander - Aspectos económicos

Modelos econométricos I

Resumen

Luego de un arduo y tesonero trabajo se publica la primera edición del libro Modelación de series cronológicas en el sector productivo. Este libro está constituido  por tres grandes tópicos que abordan, estadísticamente, la definición, la simulación
y el análisis de las denominadas series temporales. La presente obra reúne diversas contribuciones de estudiantes, docentes y colaboradores,  las cuales permitieron que un grupo de expertos profesionales liderados por los profesores Henry De Jesús, Jhan Piero y Oscar Alberto llevaran a cabo,  muy acertadamente, todos los procesos implícitos en la producción de una obra
de esta envergadura.  Uno de los aspectos más relevantes de este libro viene dado por el versátil desarrollo  didáctico-metodológico utilizado para presentar los contenidos relativos a  series cronológicas. Como consecuencia de ello, destaca la excelsa sencillez con la  que se introducen los conceptos, definiciones y aplicaciones. Este aspecto, indudablemente, constituye  una manera interesante de facilitar a los lectores la apropiación de la información incluida en cada una de las secciones del libro.  El lector puede tener la certeza de que el presente libro NO es un constructo  meramente teórico que versa sobre los registros históricos (series temporales) de entes vinculados con el sector productivo. Por el contrario, este libro SÍ es una obra auto-contenida que representa una perfecta conjugación de teoría y práctica  en el contexto de las series cronológicas, es decir, se trata de una obra elaborada con base en un lenguaje ameno que, sin menoscabo de la rigurosidad, implementa aplicaciones (con datos simulados o reales) basadas en los fundamentos teóricos propios de las mencionadas series. Las referidas aplicaciones permiten la emisión de pronósticos útiles para tomar decisiones de una manera más racional que puede contribuir al buen desempeño de las personas naturales o jurídicas que hacen parte del mencionado sector. Finalmente, se espera que los lectores puedan disfrutar de este excelente libro  conformado por saberes y prácticas que pretenden elevar la calidad del proceso  denominado toma de decisiones el cual debe estar apoyado en la caracterización de fenómenos, propios del sector productivo en los que son protagonistas las  series cronológicas. Miguel Vera, PHD en investigación e Innovación Universidad Simón Bolívar, Facultad de Ciencias Básicas y Bio

Capítulos

Descargas

Los datos de descargas todavía no están disponibles.

Referencias

Alonso, A. (s.f.). Introducción al análisis de series temporales. Madrid: Universidad Carlos III de Madrid.

Barnsley, M. (1988). Fractals Everywhere. New York: Academic Press.

BANREP. (2019). Índice de Precios al Consumidor. Bogotá

Box, G. y Jenkins, G. (1969). Time Series Analysis, Forecasting and Control. San Francisco: Holden Day.

Burgos, T. y Pérez, E. (1999). Estimation of the Fractal Dimension of a RainfallTime Series over a Zone Relevant to the Agriculture in Havana. SOMETCUBA Bulletin. 5(1).

Departamento Administrativo Nacional de Estadística (DANE). (2017). Ficha metodológica. Índice de costos de construcción de vivienda. Bogotá.

DANE. (2019a). Boletín técnico. Encuesta de sacrificio de ganado. Bogotá.

DANE. (2019b). Boletín técnico. Índice de precios al consumidor. Bogotá.

DANE. (2019c). Boletín técnico. Movimiento del parque urbano automotor de pasajeros. Bogotá.

Fernández, S. (s.f.). Series temporales. Madrid: Universidad Carlos III de Madrid.

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.

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.

Gras, J. (2001). Diseño de series temporales: técnicas de análisis. Barcelona: EUB.

Guerrero, V. (2003). Análisis estadístico de series de tiempo económicas. México: Universidad Autónoma Metropolitana.

González, V. y Guerrero, C. (2001). Fractales: fundamentos y aplicaciones, parte I: concepción geométrica en la ciencia e ingeniería. Ingenierías, 4(10), 53-59.

Mandelbrot, B. (1985). The Fractal Geometry of Nature. New York: W. H. Freeman.

Mandelbrot, B. (1993). Los objetos fractales: forma, azar, dimensión. (3ª ed.). Barcelona: Tusquets Editores S.A.

Nova, A. (2013). Procesamiento de series de tiempo. México: Fondo de Cultura Económica.

Peña, D. (1990). Estadística modelos y métodos: 2. Modelos lineales y series temporales. Barcelona: Alianza Editorial.

Peña, D. (2010). Análisis de series temporales. Barcelona: Alianza Editorial.

Peña, D. y Maravall, A. (1991). Interpolation, Outliers and Inverse Auto-Correlations. Communication in Statistics - Theory Meth, 20(10),3175-3186.

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.

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.

Unidad de Planeación Minero-Energética (UPME). (2019). Boletín estadístico de minas y energía. Bogotá: Minminas.

UPME. (2019). Sistema de información minero energético colombiano. Bogotá: SIMEC.