| Popis: |
Las estructuras híbridas han demostrado ser una buena alternativa para modelar y pronosticar algunas series temporales, en las cuales los modelos tradicionales no presentan un buen desempeño. En este trabajo se realiza una revisión bibliográfica de los estudios reportados en la literatura en el periodo 2000-2018, sobre las tres metodologías híbridas existentes: paralelo, serie, serie-paralelo. A partir de los resultados hallados, se establece la base conceptual de cada metodología, bajo un procedimiento estadístico matemático, y sus respectivos casos de aplicación. Adicionalmente, empleando datos reales se muestra la ganancia en términos de precisión del pronóstico que se obtiene con éstas metodologías, con respecto a los modelos tradicionales. Resumen I Agradecimientos III Introducción 1 1. Revisión de la literatura 4 1.1. Etapa 1: proceso de búsqueda . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.2. Etapa 2: criterios de inclusión y exclusión . . . . . . . . . . . . . . . . . . . . 5 1.3. Etapa 3: resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.3.1. Resultados del proceso de la búsqueda . . . . . . . . . . . . . . . . . 6 1.3.2. Análisis de los artículos seleccionados . . . . . . . . . . . . . . . . . . 7 2. Estructura híbrida en paralelo 10 2.1. Formulación matemática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 2.2. Métodos de ponderación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 2.2.1. Enfoques de ponderación estáticos . . . . . . . . . . . . . . . . . . . . 13 2.2.2. Enfoques de ponderación dinámicos . . . . . . . . . . . . . . . . . . . 16 2.3. Aplicaciones reales reportadas en la literatura . . . . . . . . . . . . . . . . . . 19 3. Estructura híbrida en serie 24 3.1. Formulación matemática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 3.2. Aplicaciones reales reportadas en la literatura . . . . . . . . . . . . . . . . . . 27 4. Estructura híbrida en serie-paralelo 32 4.1. Formulación matemática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 4.2. Aplicaciones reales reportadas en la literatura . . . . . . . . . . . . . . . . . . 34 5. Aplicación de las metodologías híbridas 36 5.1. Metodología híbrida en paralelo . . . . . . . . . . . . . . . . . . . . . . . . . 37 5.2. Metodología híbrida en serie . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 5.2.1. Secuencia lineal-no lineal . . . . . . . . . . . . . . . . . . . . . . . . . 46 5.2.2. Secuencia no lineal-lineal . . . . . . . . . . . . . . . . . . . . . . . . . 47 Conclusiones 50 Bibliografía 53 Apéndice 60 A.1. Análisis de series temporales . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 B.2. Metodología de Box-Jenkins . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62 B.2.1. Modelo Autoregresivo (AR) de orden p . . . . . . . . . . . . . . . . . 63 B.2.2. Modelo de Medias Móviles (MA) de orden q . . . . . . . . . . . . . . 64 B.2.3. Modelos Autorregresivos de Medias Móviles ARMA (p,q) . . . . . . 66 B.2.4. Modelo Autorregresivo Integrado de Medias Móviles ARIMA de orden (p,d,q) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67 B.2.5. Modelo SARIMA (p, d, q)(P, D,Q)S . . . . . . . . . . . . . . . . . . . 68 C.3. Modelo Perceptrón Multicapa (MLP) . . . . . . . . . . . . . . . . . . . . . . . 68 D.4. Regresión automática de redes neuronales . . . . . . . . . . . . . . . . . . . . 70 E.5. Validación cruzada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 F.6. Métricas de desempeño . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 G.7. Código R para las aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . 73 Pregrado Estadístico(a) Monografías |
