Análisis de Series Temporales: Técnicas y Aplicaciones en Administración de Empresas

Question 1

¿Cuál es la interpretación del término "d" en un modelo ARIMA(p,d,q)?

Accepted Answer

Número de diferencias aplicadas

Answer

Número de retardos autorregresivos

Answer

Número de retardos de medias móviles

Answer

Número de valores atípicos detectados

Question 2

El estadístico ACF se emplea principalmente para:

Accepted Answer

Detectar patrones de autocorrelación

Answer

Estimar parámetros de modelos ARMA

Answer

Predecir valores futuros

Answer

Eliminar valores atípicos

Question 3

El modelo GARCH(p,q) está diseñado para capturar:

Accepted Answer

Heteroscedasticidad condicional

Answer

Autocorrelación condicional

Answer

Tendencias no lineales

Answer

Valores atípicos

Question 4

En un modelo ARIMA(p,d,q), ¿qué representa el término 'd'?

Accepted Answer

Orden de diferenciación

Answer

Número de rezagos de media móvil (q)

Answer

Constante

Answer

Número de rezagos autorregresivos (p)

Question 5

Un modelo SARIMA difiere de un modelo ARIMA principalmente al incluir:

Accepted Answer

Estacionalidad

Answer

Autocorrelación de orden mayor

Answer

No linealidad

Answer

Heteroscedasticidad

Question 6

Para diagnosticar la presencia de heteroscedasticidad en un modelo de series temporales, ¿qué prueba estadística se utiliza habitualmente?

Accepted Answer

Prueba ARCH

Answer

Prueba de Shapiro-Wilk

Answer

Prueba de Dickey-Fuller

Answer

Prueba de Ljung-Box

Question 7

La función de autocorrelación en una serie temporal mide:

Accepted Answer

Dependencia entre valores rezagados

Answer

Heteroscedasticidad

Answer

Estacionalidad

Answer

Tendencia

Question 8

Entre las siguientes técnicas de transformación, ¿cuál NO se utiliza típicamente para series temporales?

Accepted Answer

Regresión múltiple

Answer

Estacionalización

Answer

Logaritmación

Answer

Diferenciación

Question 9

En un modelo GARCH(p,q), ¿qué representa el parámetro 'p'?

Accepted Answer

Orden de los rezagos autorregresivos en la varianza condicional

Answer

Constante

Answer

Orden de los rezagos de media móvil en la varianza condicional

Answer

Valor inicial de la varianza condicional

Question 10

Para garantizar la fiabilidad de las predicciones de series temporales, es esencial que la serie:

Accepted Answer

Sea estacionaria

Answer

Sea homocedástica

Answer

Sea normal

Answer

Sea lineal

Question 11

Un modelo SARIMA se utiliza para series temporales que:

Accepted Answer

Exhiben estacionalidad

Answer

Tienen una tendencia lineal

Answer

Siguen una distribución normal

Answer

Son estacionarias

Question 12

La transformación logarítmica se utiliza para:

Accepted Answer

Estabilizar varianzas

Answer

Quitar tendencia

Answer

Aumentar la autocorrelación

Answer

Eliminar estacionalidad

Question 13

El criterio de información de Akaike (AIC) se utiliza para:

Accepted Answer

Seleccionar el mejor modelo entre varios candidatos

Answer

Probar la significancia estadística de los parámetros del modelo

Answer

Estimar el error de predicción

Answer

Calcular la autocorrelación

Question 14

El análisis de gráficos de correlogramas ayuda a:

Accepted Answer

Identificar patrones de autocorrelación

Answer

Detectar outliers

Answer

Estimar parámetros de modelos ARIMA

Answer

Predecir valores futuros

Question 15

Un modelo GARCH se utiliza para modelar:

Accepted Answer

Heterocedasticidad condicional

Answer

Autocorrelación condicional

Answer

Estacionalidad

Answer

No linealidad

Question 16

La estimación de máxima verosimilitud es un método utilizado para:

Accepted Answer

Encontrar los parámetros del modelo que mejor se ajustan a los datos

Answer

Predecir valores futuros

Answer

Identificar patrones de autocorrelación

Answer

Probar la significancia estadística de los parámetros del modelo

Question 17

El análisis de series temporales es particularmente importante en:

Accepted Answer

Pronóstico y toma de decisiones

Answer

Diseño experimental

Answer

Análisis estadístico descriptivo

Answer

Investigación teórica

Question 18

En un modelo SARIMA, la 'S' representa:

Accepted Answer

Estacionalidad

Answer

Media móvil

Answer

Integración

Answer

Autocorrelación

Question 19

¿Cuál de los siguientes modelos sería apropiado para predecir la demanda diaria de un producto que muestra una clara tendencia creciente y estacionalidad anual?

Accepted Answer

SARIMA (p, 1, q)(P, 1, Q)s

Answer

ARIMA (p, 1, q) con p > 1

Answer

ARIMA (p, 1, q) con p = 0

Answer

GARCH (p, q)

Question 20

¿Cuál es la diferencia clave entre los modelos ARMA y ARIMA?

Accepted Answer

Los modelos ARIMA permiten la presencia de una tendencia o estacionalidad en los datos

Answer

Los modelos ARIMA requieren un mayor número de datos

Answer

Los modelos ARMA son más complejos que los modelos ARIMA

Question 21

¿Cuál de los siguientes es un beneficio de utilizar un modelo GARCH?

Accepted Answer

Mejor modelado de la heterocedasticidad en los datos

Answer

Menor número de parámetros estimados

Answer

Predicciones más precisas para datos estables

Question 22

¿Cuál de los siguientes pasos NO forma parte del proceso de análisis de series temporales?

Accepted Answer

Transformación de los datos a un espacio de características

Answer

Modelado

Answer

Estabilización de la serie temporal

Question 23

Al predecir con un modelo de series temporales, ¿cuál es la principal limitación?

Accepted Answer

Las predicciones pueden volverse menos precisas a medida que aumenta el horizonte de predicción

Answer

Los modelos de series temporales requieren datos extensos

Answer

Los modelos de series temporales pueden ser computacionalmente costosos

Question 24

¿Cuál de los siguientes criterios se utiliza para seleccionar el orden de los modelos ARIMA?

Accepted Answer

Criterio de información de Akaike (AIC)

Answer

Prueba de Ljung-Box

Answer

Prueba de Bartlett

Answer

Prueba de Dickey-Fuller aumentada