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
Descripción
Sumario: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
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).