PREDICCION BAYESIANA DE SERIES TEMPORALES MEDIANTE MODELOS MULTIVARIANTES DE SUA...
PREDICCION BAYESIANA DE SERIES TEMPORALES MEDIANTE MODELOS MULTIVARIANTES DE SUAVIZADO EXPONENCIAL
ESTE PROYECTO SE ORIENTARA A INVESTIGAR Y DESARROLLAR UNA METODOLOGIA PARA LA PREDICCION DE SERIES TEMPORALES MULTIVARIANTES CON ERRORES CORRELADOS EN BASE AL MODELO MULTIVARIANTE DE HOLT-WINTERS (HW) DESDE UNA PERSPECTIVA BAYESIA...
ver más
Fecha límite participación
Sin fecha límite de participación.
Financiación
concedida
El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto
el día 2008-01-01
No tenemos la información de la convocatoria
0%
100%
Información adicional privada
No hay información privada compartida para este proyecto. Habla con el coordinador.
¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video
Fecha límite de participación
Sin fecha límite de participación.
Descripción del proyecto
ESTE PROYECTO SE ORIENTARA A INVESTIGAR Y DESARROLLAR UNA METODOLOGIA PARA LA PREDICCION DE SERIES TEMPORALES MULTIVARIANTES CON ERRORES CORRELADOS EN BASE AL MODELO MULTIVARIANTE DE HOLT-WINTERS (HW) DESDE UNA PERSPECTIVA BAYESIANA, ASUMIENDO QUE CADA UNA DE LAS SERIES TEMPORALES UNIVARIANTES SE COMPORTA SEGUN EL MODELO UNIVARIANTE HW, Y QUE HAY UNA CORRELACION CONTEMPORANEA ENTRE LOS ERRORES CORRESPONDIENTES EN LOS MODELOS UNIVARIANTES, PRETENDEMOS EXTENDER NUESTRA FORMULACION LINEAL HETEROCEDASTICA AL MODELO MULTIVARIANTE CON ESTACIONALIDAD ADITIVA Y ERRORES ADITIVOS, NOS PLANTEAMOS LA POSIBILIDAD DE ENCONTRAR MODELOS ALTERNATIVOS, FORMULADOS COMO MODELOS MULTIVARIANTES DE REGRESION, DEPENDIENDO DE QUE CONSIDEREMOS QUE LOS VALORES DE LOS PARAMETROS DE SUAVIZADO COINCIDAN PARA CADA UNA DE LAS SERIES UNIVARIANTES (SERIES HOMOGENEAS) O QUE PUEDA HABER DIFERENCIAS ENTRE ESOS VALORES PARA TODAS LAS SERIES, EL ANALISIS DEL MODELO MULTIVARIANTE DESDE UNA PERSPECTIVA BAYESIANA PERMITIRA INCORPORAR LA INCERTIDUMBRE DEBIDA AL DESCONOCIMIENTO DEL VALOR DE LOS PARAMETROS DE SUAVIZADO Y CONDICIONES INICIALES, DADO QUE EN EL CASO UNIVARIANTE LA DISTRIBUCION FINAL NO ES TRATABLE ANALITICAMENTE, TAMPOCO LO SERA LA DE LOS MODELOS MULTIVARIANTES, POR LO QUE SE NECESITARA RECURRIR A LOS METODOS DE SIMULACION PARA OBTENER UNA MUESTRA DE LA MISMA, LA DISTRIBUCION PREDICTIVA SE APROXIMARA TAMBIEN MEDIANTE TECNICAS DE INTEGRACION MONTE CARLO, ASIMISMO, PARA ESTUDIAR SI LOS PARAMETROS DE SUAVIZADO DE LAS DISTINTAS SERIES PUEDEN CONSIDERARSE IGUALES SE REALIZARAN INFERENCIAS SOBRE LA SELECCION DEL MODELO ADECUADO, MEDIANTE TECNICAS BAYESIANAS DE COMPARACION Y VALIDACION DE MODELOS,FINALMENTE, SE EVALUARA LA BONDAD DE NUESTRA PROPUESTA COMPARANDO NUESTROS RESULTADOS CON LOS OBTENIDOS POR OTROS AUTORES SOBRE FAMILIAS DE SERIES ECONOMICO-FINANCIERAS Y SE APLICARA A SERIES DE DEMANDA DE PRODUCTOS, EN ENTORNOS DE PRODUCCION Y/O DISTRIBUCION, CON DATOS REALES DE EMPRESAS DE LA COMUNIDAD VALENCIANA, Series temporales multivariantes\Predicción Bayesiana\método de Holt-Winters\intervalos de predicción\optimización no lineal\sistemas de ayuda a la toma de decisione