Modelo de pronóstico de la cantidad de producción de electricidad con la Metodología de Box Jenkins de la región Lambayeque en el periodo 2005–2017

Descripción del Articulo

Nuestra investigación tuvo como finalidad determinar el Modelo óptimo de Pronóstico de la Cantidad de Producción de Electricidad con la Metodología de Box Jenkins, Región Lambayeque del periodo 2005– 2017, obtenida de la página web del Banco Central de Reserva del Perú (BCRP). La muestra de observac...

Descripción completa

Detalles Bibliográficos
Autores: Arévalo Cabrera, Silvia Esther, Santisteban Morales, Christian Ronald
Formato: tesis de grado
Fecha de Publicación:2020
Institución:Universidad Nacional Pedro Ruiz Gallo
Repositorio:UNPRG-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.unprg.edu.pe:20.500.12893/9022
Enlace del recurso:https://hdl.handle.net/20.500.12893/9022
Nivel de acceso:acceso abierto
Materia:Producción de electricidad
Serie de tiempo
SARIMA
http://purl.org/pe-repo/ocde/ford#1.01.03
id UPRG_527359bfa138901f6ce75c25b6c8f051
oai_identifier_str oai:repositorio.unprg.edu.pe:20.500.12893/9022
network_acronym_str UPRG
network_name_str UNPRG-Institucional
repository_id_str 9404
dc.title.es_PE.fl_str_mv Modelo de pronóstico de la cantidad de producción de electricidad con la Metodología de Box Jenkins de la región Lambayeque en el periodo 2005–2017
title Modelo de pronóstico de la cantidad de producción de electricidad con la Metodología de Box Jenkins de la región Lambayeque en el periodo 2005–2017
spellingShingle Modelo de pronóstico de la cantidad de producción de electricidad con la Metodología de Box Jenkins de la región Lambayeque en el periodo 2005–2017
Arévalo Cabrera, Silvia Esther
Producción de electricidad
Serie de tiempo
SARIMA
http://purl.org/pe-repo/ocde/ford#1.01.03
title_short Modelo de pronóstico de la cantidad de producción de electricidad con la Metodología de Box Jenkins de la región Lambayeque en el periodo 2005–2017
title_full Modelo de pronóstico de la cantidad de producción de electricidad con la Metodología de Box Jenkins de la región Lambayeque en el periodo 2005–2017
title_fullStr Modelo de pronóstico de la cantidad de producción de electricidad con la Metodología de Box Jenkins de la región Lambayeque en el periodo 2005–2017
title_full_unstemmed Modelo de pronóstico de la cantidad de producción de electricidad con la Metodología de Box Jenkins de la región Lambayeque en el periodo 2005–2017
title_sort Modelo de pronóstico de la cantidad de producción de electricidad con la Metodología de Box Jenkins de la región Lambayeque en el periodo 2005–2017
author Arévalo Cabrera, Silvia Esther
author_facet Arévalo Cabrera, Silvia Esther
Santisteban Morales, Christian Ronald
author_role author
author2 Santisteban Morales, Christian Ronald
author2_role author
dc.contributor.advisor.fl_str_mv Antón Pérez, Juan Manuel
dc.contributor.author.fl_str_mv Arévalo Cabrera, Silvia Esther
Santisteban Morales, Christian Ronald
dc.subject.es_PE.fl_str_mv Producción de electricidad
Serie de tiempo
SARIMA
topic Producción de electricidad
Serie de tiempo
SARIMA
http://purl.org/pe-repo/ocde/ford#1.01.03
dc.subject.ocde.es_PE.fl_str_mv http://purl.org/pe-repo/ocde/ford#1.01.03
description Nuestra investigación tuvo como finalidad determinar el Modelo óptimo de Pronóstico de la Cantidad de Producción de Electricidad con la Metodología de Box Jenkins, Región Lambayeque del periodo 2005– 2017, obtenida de la página web del Banco Central de Reserva del Perú (BCRP). La muestra de observaciones de la cantidad de producción de electricidad durante el periodo de estudio fue de 156 por mes. La investigación fue de tipo observacional y predictiva, mientras que el diseño fue de serie de tiempo longitudinal. La metodología utilizada para encontrar el mejor modelo de pronóstico fue la de Box – Jenkins, utilizando un nivel de confiabilidad del 95% para las pruebas de hipótesis contrastadas en el proceso de estimación. El modelo óptimo de pronóstico analizó una serie estacionaria diferenciada en 1 periodo, con estacionalidad de 12 meses, con coeficientes estimados de los parámetros significativos, con coeficientes de autocorrelación de los residuales independientes y con errores con distribución normal. El modelo óptimo de pronóstico se eligió teniendo en cuenta el criterio de parsimonia y con el menor BIC (758.49), el cual fue un SARIMA (2,1,2)(1,1,0)12 cuya ecuación general es: (1 −∝1 L −∝2 L 2 )(1 − β1L 12)((Yt − Yt−1 ) − (Yt−12 − Yt−13) = (1 − ∅1L − ∅2L 2 )et y su ecuación específica es: Yt = 1.2858 Yt−1 + 0.7365 Yt−2 − 0.4507 Yt−3 + 0.5022 Yt−12 − 0.07412876 Yt−13 − 0.81858722 Yt−14 + 0.22634154 Yt−15 + 0.4978 Yt−24 − 0.35552876 Yt−25 − 0.08208722 Yt−26 + 0.22435846 Yt−27 + et + 0.5496 et−1 + 0.4345 et−2
publishDate 2020
dc.date.accessioned.none.fl_str_mv 2021-03-02T16:58:02Z
dc.date.available.none.fl_str_mv 2021-03-02T16:58:02Z
dc.date.issued.fl_str_mv 2020
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.uri.es_PE.fl_str_mv https://hdl.handle.net/20.500.12893/9022
url https://hdl.handle.net/20.500.12893/9022
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.es_PE.fl_str_mv http://creativecommons.org/licenses/by-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-sa/4.0/
dc.publisher.es_PE.fl_str_mv Universidad Nacional Pedro Ruiz Gallo
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.none.fl_str_mv reponame:UNPRG-Institucional
instname:Universidad Nacional Pedro Ruiz Gallo
instacron:UNPRG
instname_str Universidad Nacional Pedro Ruiz Gallo
instacron_str UNPRG
institution UNPRG
reponame_str UNPRG-Institucional
collection UNPRG-Institucional
bitstream.url.fl_str_mv http://repositorio.unprg.edu.pe/bitstream/20.500.12893/9022/1/Ar%c3%a9valo_Cabrera_Silvia_Esther_y_Santisteban_Morales_Christian_Ronald.pdf
http://repositorio.unprg.edu.pe/bitstream/20.500.12893/9022/2/license.txt
bitstream.checksum.fl_str_mv b2386fcd9f42925d405344ce0bf10b7d
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositorio Institucional - UNPRG
repository.mail.fl_str_mv repositorio@unprg.edu.pe
_version_ 1817893712065200128
spelling Antón Pérez, Juan ManuelArévalo Cabrera, Silvia EstherSantisteban Morales, Christian Ronald2021-03-02T16:58:02Z2021-03-02T16:58:02Z2020https://hdl.handle.net/20.500.12893/9022Nuestra investigación tuvo como finalidad determinar el Modelo óptimo de Pronóstico de la Cantidad de Producción de Electricidad con la Metodología de Box Jenkins, Región Lambayeque del periodo 2005– 2017, obtenida de la página web del Banco Central de Reserva del Perú (BCRP). La muestra de observaciones de la cantidad de producción de electricidad durante el periodo de estudio fue de 156 por mes. La investigación fue de tipo observacional y predictiva, mientras que el diseño fue de serie de tiempo longitudinal. La metodología utilizada para encontrar el mejor modelo de pronóstico fue la de Box – Jenkins, utilizando un nivel de confiabilidad del 95% para las pruebas de hipótesis contrastadas en el proceso de estimación. El modelo óptimo de pronóstico analizó una serie estacionaria diferenciada en 1 periodo, con estacionalidad de 12 meses, con coeficientes estimados de los parámetros significativos, con coeficientes de autocorrelación de los residuales independientes y con errores con distribución normal. El modelo óptimo de pronóstico se eligió teniendo en cuenta el criterio de parsimonia y con el menor BIC (758.49), el cual fue un SARIMA (2,1,2)(1,1,0)12 cuya ecuación general es: (1 −∝1 L −∝2 L 2 )(1 − β1L 12)((Yt − Yt−1 ) − (Yt−12 − Yt−13) = (1 − ∅1L − ∅2L 2 )et y su ecuación específica es: Yt = 1.2858 Yt−1 + 0.7365 Yt−2 − 0.4507 Yt−3 + 0.5022 Yt−12 − 0.07412876 Yt−13 − 0.81858722 Yt−14 + 0.22634154 Yt−15 + 0.4978 Yt−24 − 0.35552876 Yt−25 − 0.08208722 Yt−26 + 0.22435846 Yt−27 + et + 0.5496 et−1 + 0.4345 et−2spaUniversidad Nacional Pedro Ruiz GalloPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-sa/4.0/Producción de electricidadSerie de tiempoSARIMAhttp://purl.org/pe-repo/ocde/ford#1.01.03Modelo de pronóstico de la cantidad de producción de electricidad con la Metodología de Box Jenkins de la región Lambayeque en el periodo 2005–2017info:eu-repo/semantics/bachelorThesisreponame:UNPRG-Institucionalinstname:Universidad Nacional Pedro Ruiz Galloinstacron:UNPRGSUNEDULicenciado (a) en EstadísticaUniversidad Nacional Pedro Ruiz Gallo. Facultad de Ciencias Físicas y MatemáticasEstadísticahttp://purl.org/pe-repo/renati/type#tesishttp://purl.org/pe-repo/renati/level#tituloProfesional0542ORIGINALArévalo_Cabrera_Silvia_Esther_y_Santisteban_Morales_Christian_Ronald.pdfArévalo_Cabrera_Silvia_Esther_y_Santisteban_Morales_Christian_Ronald.pdfapplication/pdf2597856http://repositorio.unprg.edu.pe/bitstream/20.500.12893/9022/1/Ar%c3%a9valo_Cabrera_Silvia_Esther_y_Santisteban_Morales_Christian_Ronald.pdfb2386fcd9f42925d405344ce0bf10b7dMD51TEXTLICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.unprg.edu.pe/bitstream/20.500.12893/9022/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD5220.500.12893/9022oai:repositorio.unprg.edu.pe:20.500.12893/90222021-09-06 09:12:03.533Repositorio Institucional - UNPRGrepositorio@unprg.edu.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
score 13.7211075
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).