Modelo para el pronóstico del consumo mensual de energía eléctrica, de la provincia Bagua Grande, mediante la metodología de Box y Jenkins, para el año 2016

• Autores: Vásquez Díaz, Kelly Yovany, Gamonal Sánchez, Magda Estefany
• Formato: tesis de grado
• Fecha de Publicación: 2019
• Institución: Universidad Nacional Pedro Ruiz Gallo
• Repositorio: UNPRG-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unprg.edu.pe:20.500.12893/7985
• Enlace del recurso: https://hdl.handle.net/20.500.12893/7985
• Nivel de acceso: acceso abierto
• Materia: Servicio de electricidad; Distribución de energía; Comercialización de energía; http://purl.org/pe-repo/ocde/ford#1.01.03

El presente trabajo de investigación tuvo como objetivo estimar un modelo para pronosticar el consumo mensual de energía eléctrica de la Provincia Bagua Grande, la serie histórica del consumo de energía eléctrica es registrada en el área comercial de la Empresa Municipal de Servicios Eléctricos Utcubamba SAC, durante el periodo enero 2009 a diciembre 2015. Con la ayuda del software estadístico SPSS, se realizó el análisis exploratorio de los datos del consumo mensual de energía eléctrica de la provincia Bagua grande del periodo de enero 2009 a diciembre 2015. Posteriormente se aplicó la metodología Box y Jenkins para identificar el modelo autorregresivo de media móvil que mejor se adecue a los retornos del consumo de energía eléctrica. Finalmente las técnicas econométricas proporcionaron posibles modelos de los cuales se determinaron en la investigación, para determinar la normalidad de los errores se usó la prueba de Kolmogorov – Smirnov, la prueba de Ljung-Box para la aleatoriedad de los residuales, y se determinó que el modelo que mejor describe es el Modelo Autorregresivo de Media Móvil ARIMA (4, 2,0), denotado de la siguiente manera: ARIMA (4, 2, 0) con un coeficiente de determinación R2 = 0.996 indicando una buena bondad de ajuste del modelo. ���� ���� = 4.24 +1.257���� ����−1 – 0.804���� ����−2 +0.181���� ����−3 +0.123���� ����−4 +0.243���� ����−5 + ���� ����