El texto que se presenta busca dar un fundamento sobre el análisis de series de tiempo a aquellos profesionales que requieren de la aplicación de estas técnicas. Está dirigido a Ingenieros, Economistas, Actuarios, Administradores y cualquier otra profesión que requiere un conocimiento suficiente para aplicar las técnicas de pronósticos en su campo. Los modelos que se tratan en este texto introductorio son tanto univariantes como multivariantes en el dominio del tiempo, haciendo énfasis más en las aplicaciones que en el desarrollo teórico del análisis de series de tiempo, pero tratando de no descuidar este aspecto. Para la lectura del texto se requiere conocer los tópicos relacionados con cálculo matricial y diferencial, inferencia estadística y cálculo de probabilidades a un nivel básico a intermedio.El texto contiene los siguientes capítulos: Capítulo I: En este capítulo se da la introducción de los conceptos tales como: definición de una serie de tiempo univariante y los primeros ejemplos de series de tiempo multivariantes. Conceptos de estacionariedad, invertibilidad ergodicidad, teorema de Wold. Además, se repasa algunos métodos de estimación de los parámetros tales como: máxima verosimilitud, bayesianos, no paramétricos, mínimos cuadrados lineal y no lineal, métodos exactos y condicionados. Capítulo II: Trata de una introducción de procesos estocásticos lineales, funciones de autocorrelación ordinaria o simple y parcial. Ecuaciones de Yule Walker, AR(p), MA(q), y ARIMA(p, d, q). Metodología de Box-Jenkins. Capítulo III: Se estudia, estacionalidad ARIMA(p, d, q)(P, D, Q). El problema de las raíces unitarias. Contraste de Dickey-Fuller y sus aplicaciones. Contraste de Phillips-Perron. Variable de intervención y valores atípicos. Capítulo IV: Trata sobre modelos de series de tiempo no lineales, modelo bilineal. Modelos no lineales en media y varianza condicionales: Modelos ARCH y GARCH. Estimación, Contrastes de hipótesis. Modelos relacionados ARCH-M, TARCH, AR-ARCH. INGARCH, Contraste: DBS, Coeficiente de Hurt, modelo ARFIMA. Problemas. Capítulo V: Trata muy brevemente de series de tiempo multivariante, definición de series de tiempo multivariante uniecuacional: ARMAX, definición de series de tiempo vectoriales VAR(p). Cointegración, estimación, contraste y Vectores Autoregresivos VAR: selección, estimación, validación y pronósticos. VECM. En todos los capítulos se dan ejemplos reales usando SAS(c) y SPSS(c) y terminan con un conjunto de problemas y observaciones.

Este libro tiene como propósito iniciar al lector en los métodos que se utilizan para el estudio de una variable en el tiempo, considerándolos como instrumentos válidos en la elaboración de predicciones que nos ayudan a tomar decisiones más acertadas o con un menor riesgo. El seguimiento de los temas permite que el lector, con pocos conocimientos matemáticos o estadísticos, adquiera las herramientas necesarias para adentrarse en los entresijos de los análisis de series temporales, a través de explicaciones de marcado carácter intuitivo, logrando, de esta forma, disponer de una base o marco de referencia, que le faculten en la profundización de tratamientos más elaborados. Por ello, se han reducido las formalizaciones matemáticas y estadísticas a las estrictamente necesarias. El interés recaerá, sobre todo, en la comprensión de las diferentes técnicas, en las situaciones o ámbitos de aplicación y en la interpretación de los resultados. El contenido de la obra se ha estructurado comenzando con un capítulo de carácter introductorio, le sigue un capítulo dedicado al análisis de las diferentes componentes en que se presume dividida una serie: tendencia, estacionalidad y ciclo. El capítulo tres trata de los modelos de alisado y en el cuarto se aborda el tema de la predicción desde una perspectiva más general, proporcionándose también una serie de procedimientos que nos ayudan a validar los modelos referidos a las series temporales. Finalmente, se concluye con una aplicación práctica.

Since 1975, The Analysis of Time Series: An Introduction has introduced legions of statistics students and researchers to the theory and practice of time series analysis. With each successive edition, bestselling author Chris Chatfield has honed and refined his presentation, updated the material to reflect advances in the field, and presented interesting new data sets. The sixth edition is no exception. It provides an accessible, comprehensive introduction to the theory and practice of time series analysis. The treatment covers a wide range of topics, including ARIMA probability models, forecasting methods, spectral analysis, linear systems, state-space models, and the Kalman filter. It also addresses nonlinear, multivariate, and long-memory models. The author has carefully updated each chapter, added new discussions, incorporated new datasets, and made those datasets available for download from www.crcpress.com. A free online appendix on time series analysis using R can be accessed at http://people.bath.ac.uk/mascc/TSA.usingR.doc. Highlights of the Sixth Edition: A new section on handling real data New discussion on prediction intervals A completely revised and restructured chapter on more advanced topics, with new material on the aggregation of time series, analyzing time series in finance, and discrete-valued time series A new chapter of examples and practical advice Thorough updates and revisions throughout the text that reflect recent developments and dramatic changes in computing practices over the last few years The analysis of time series can be a difficult topic, but as this book has demonstrated for two-and-a-half decades, it does not have to be daunting. The accessibility, polished presentation, and broad coverage of The Analysis of Time Series make it simply the best introduction to the subject available.

Pràctic manual que introdueix el lector en les sèries temporals i que descriu els conceptes bàsics, a més de fer un estudi exhaustiu de les seues anàlisis amb el procediment ARIMA i els diferents models que aquest procediment inclou. La gran senzillesa expositiva facilita al lector l'anàlisi, l'aplicació i la interpretació dels diferents components de les sèries.

Time-series analysis is an area of statistics which is of particular interest at the present time. Time series arise in many different areas, ranging from marketing to oceanography, and the analysis of such series raises many problems of both a theoretical and practical nature. I first became interested in the subject as a postgraduate student at Imperial College, when I attended a stimulating course of lectures on time-series given by Dr. (now Professor) G. M. Jenkins. The subject has fascinated me ever since. Several books have been written on theoretical aspects of time-series analysis. The aim of this book is to provide an introduction to the subject which bridges the gap between theory and practice. The book has also been written to make what is rather a difficult subject as understandable as possible. Enough theory is given to introduce the concepts of time-series analysis and to make the book mathematically interesting. In addition, practical problems are considered so as to help the reader tackle the analysis of real data. The book assumes a knowledge of basic probability theory and elementary statistical inference (see Appendix III). The book can be used as a text for an undergraduate or postgraduate course in time-series, or it can be used for self tuition by research workers. Throughout the book, references are usually given to recent readily accessible books and journals rather than to the original attributive references. Wold's (1965) bibliography contains many time series references published before 1959.