Publications by Nancy Barrios
LABORATORIO 2 Series de tiempo
#SERIES DE TIEMPO #Importamos Datos #Número de nacimientos por mes de la ciudad de Nueva York datosnac<- read_csv("Desktop/ nacimientos.csv") ## Warning: Missing column names filled in: 'X1' [1] ## ## ── Column specification ───────────────────────────────────────...
1100 sym R (9013 sym/7 pcs) 1 img
ECONOMETRIA II /LABORATORIO 1
#Laboratorio 1 #Validez de Supuestos #Multicolinealidad :se refiere a una situación en la que dos o más variables explicativas se parecen mucho (estan altamente correlacionadas)y, por tanto, resulta difícil medir sus efectos individuales sobre la variable explicada. #Pruebas del supuesto datos <- read_excel("~/Desktop/Base de datos final.xlsx"...
1751 sym R (86119 sym/19 pcs) 3 img
Laboratorio 7 VAR
#Modelos VAR Autoregresivos Para los set de datos brindandos, predecir los siguientes 12 periodos utilizando modelos VAR autoregresivos, realizando las pruebas correspondientes para la comprobación del modelo. #Cargar datos series<-uschange ?uschange autoplot(uschange[,2:3]) #plot de serie de datos ts.plot(series[,2:3], xlab="Tiempo",col=c(1,2)...
528 sym R (9024 sym/34 pcs) 5 img
Laboratorio 3
Problema 1… Se tiene una población de insectos que se duplica cada año,además mueren 10 insectos por la edad.Se sabe que la población inicial es de 50 insectos.¿Cuál será la población para el año 11? Programar una ecuación de primer grado y(t+1) = Ay(t) + B y(t+1) = 2y(t) -10 Y(0) = 50 primer_orden <- function(A, B, y0, x){ if(A==1)...
815 sym R (1925 sym/8 pcs)
Laboratorio 4
Series de tiempo 1 Ejercicio set.seed(300) timeseries=ts(arima.sim(list(order = c(1,1,2), ma=c(0.32,0.47), ar=0.8), n = 50)+20, start=2010, frequency = 4) plot(timeseries) plot(decompose(timeseries)) adf.test(timeseries) ## ## Augmented Dickey-Fuller Test ## ## data: timeseries ## Dickey-Fuller = -0.58049, Lag order = 3, p-value = 0.975 ##...
159 sym R (6621 sym/76 pcs) 24 img
LABORATORIO 5
data("h02") plot(h02) autoplot(h02) + ylab("Retail index") + xlab("Year") plot(decompose(h02)) adf.test(h02) ## Warning in adf.test(h02): p-value smaller than printed p-value ## ## Augmented Dickey-Fuller Test ## ## data: h02 ## Dickey-Fuller = -9.5147, Lag order = 5, p-value = 0.01 ## alternative hypothesis: stationary ** p-value<.05 para...
670 sym R (4056 sym/23 pcs) 7 img
Laboratorio 6
LABORATORIO 6 Movimiento Browniano Geométrico Pronosticar las ventas para los siguientes 30 días, de una empresa de Yahoo Financie Empresa Santander #obtenemos los datos desde el sitio de yahoo SANdata <- pdfetch_YAHOO("SAN",from = c("2021-03-30"),to = c("2022-03-30"), interval = '1d') #Obtenemos la columna que es de nuestro interés Bansantand...
183 sym R (3622 sym/24 pcs) 5 img
Laboratorio 8 MODELOS SVAR
Laboratorio 8 Modelos SVAR #install.packages("mFilter") #install.packages("TSstudio") #Loading the Dataset series<-uschange ?uschange autoplot(uschange[,1:3]) #Time Series Plots ts.plot(series[,1:3], xlab="Tiempo",col=c(1,2)) #Buidling the Model sv <- cbind(uschange[,1:3]) colnames(sv) <- cbind( "Consumption", "Income", "Production") lagselec...
106 sym R (26881 sym/64 pcs) 10 img
Laboratorio 9 Cointegración
Coin <- read_excel("~/Desktop/Cointegración en R.xls") attach(Coin) names(Coin) ## [1] "Year" "Quarter" "tiempo" "DPI" "GDP" "PCE" "CP" ## [8] "DIVIDEND" class(Coin) ## [1] "tbl_df" "tbl" "data.frame" #Generar logaritmos lnPCE = log(PCE) lnDPI = log(DPI) #Crear variables de series de tiempo DPI.ts = ts(...
60 sym R (17600 sym/51 pcs) 5 img
LABORATORIO 10
6.1 Componentes de series de tiempo Una descomposición aditiva,se describe como yt=St+Tt+Rt,donde yt son los datos, St es el componente estacional, Tt es el componente tendencia-ciclo, y Rt es el componente restante, todo en el períodot La descomposición aditiva es la más adecuada si la magnitud de las fluctuaciones estacionales, o la variaci...
7188 sym R (2226 sym/10 pcs) 9 img