Descripción

La teoría y la práctica del análisis de series de tiempo se han desarrollado rápidamente desde la aparición en 1970 del trabajo seminal de George E. P. Box y Gwilym M. Jenkins, Time Series Analysis: Forecasting and Control, ahora disponible en su tercera edición (1994) con coautor Gregory C. Reinsel. Desde entonces han aparecido muchos libros sobre series de tiempo, pero algunos de ellos dan muy poca aplicación práctica, mientras que otros dan muy poca base teórica. Este libro intenta presentar tanto la aplicación como la teoría a un nivel accesible para una amplia variedad de estudiantes y profesionales. Nuestro enfoque es mezclar la aplicación y la teoría a lo largo del libro, ya que son naturalmente necesarios. El libro fue desarrollado para un curso de un semestre al que suelen asistir estudiantes de estadística, economía, negocios, ingeniería y ciencias sociales cuantitativas. Se supone estadística básica aplicada a través de regresión lineal múltiple.

El cálculo se asume solo hasta el punto de minimizar las sumas de cuadrados, pero es necesaria una introducción a la estadística basada en el cálculo para una comprensión completa de parte de la teoría. Sin embargo, los hechos requeridos relacionados con la expectativa, la varianza, la covarianza y la correlación se revisan en los apéndices. Además, las propiedades de expectativa condicional y la predicción del error cuadrático medio mínimo se desarrollan en los apéndices. A lo largo del libro se utilizan datos de series temporales reales extraídos de varias disciplinas para ilustrar la metodología. El libro contiene temas adicionales de naturaleza más avanzada que se pueden seleccionar para su inclusión en un curso si el instructor así lo decide. Todas las gráficas y los resultados numéricos que se muestran en el libro se produjeron con el software R, que está disponible en R Project for Statistical Computing en www.r-project.org. Parte de la salida numérica se ha editado para mayor claridad o simplicidad.

R está disponible como software libre bajo los términos de la Licencia Pública General GNU de la Free Software Foundation en forma de código fuente. Se ejecuta en una amplia variedad de plataformas UNIX y sistemas similares, Windows y MacOS. R es un lenguaje y entorno para computación y gráficos estadísticos, proporciona una amplia variedad de técnicas estadísticas (p. ej., análisis de series de tiempo, modelos lineales y no lineales, pruebas estadísticas clásicas) y técnicas gráficas, y es altamente extensible. El extenso apéndice Introducción a R proporciona una introducción al software R especialmente diseñado para este libro. Uno de los autores (KSC) ha producido una gran cantidad de funciones R nuevas o mejoradas adaptadas específicamente a los métodos descritos en este libro. Se enumeran en la página 468 y están disponibles en el paquete denominado TSA en el sitio web de R Project en www.r-project.org. También hemos creado archivos de script de comando R para cada capítulo.

Estos están disponibles para su descarga en www.stat.uiowa.edu/ ~kchan/TSA.htm. También mostramos el código R requerido debajo de casi todas las tablas y pantallas gráficas del libro. Los conjuntos de datos requeridos para los ejercicios se nombran en cada ejercicio con un nombre de archivo apropiado, por ejemplo, larain para los datos de lluvia de Los Ángeles. Sin embargo, si está utilizando el paquete TSA, los conjuntos de datos son parte del paquete y se puede acceder a ellos a través de los datos del comando R (larain), por ejemplo. Todos los conjuntos de datos también están disponibles en el sitio web del libro de texto como archivos ASCII con nombres de variables en la primera fila. Creemos que muchos de los gráficos y cálculos descritos en el libro también podrían obtenerse con otro software, como SAS©, Splus©, Statgraphics©, SCA©, EViews©, RATS©, Ox© y otros. Este libro es una segunda edición del libro Time Series Analysis de Jonathan Cryer, publicado en 1986 por PWS-Kent Publishing (Duxbury Press).

Esta nueva edición contiene casi todo el original bien recibido, además de material nuevo considerable, numerosos conjuntos de datos nuevos y ejercicios nuevos. Algunos de los nuevos temas que se integran con el original incluyen pruebas de raíz unitaria, funciones de autocorrelación extendidas, modelos ARIMA de subconjuntos y arranque. Los capítulos completamente nuevos cubren los temas de modelos de regresión de series temporales, modelos de series temporales de heteroscedasticidad, análisis espectral y modelos de umbral. Aunque el nivel de dificultad de estos nuevos capítulos es un poco más alto que en el material más básico, creemos que la discusión se presenta de una manera que hará que el material sea accesible y bastante útil para una amplia audiencia de usuarios. El Capítulo 15, Modelos de umbral, se coloca en último lugar, ya que es el único capítulo que trata sobre modelos de series de tiempo no lineales. Podría cubrirse antes, digamos después del Capítulo 12. Además, los Capítulos 13 y 14 sobre análisis espectral podrían cubrirse después del Capítulo 10.