Juárez Hernández, BulmaroVázquez Guevara, Víctor HugoCruz Suárez, Hugo AdánJUAREZ HERNANDEZ, BULMARO; 78065VAZQUEZ GUEVARA, VICTOR HUGO; 165488CRUZ SUAREZ, HUGO ADAN; 202875Herrera Cortés, Silvia2024-11-142024-11-142019-12https://hdl.handle.net/20.500.12371/22311"El pronóstico de series de tiempo tiene una historia extensa, su objetivo es recolectar y estudiar rigurosamente las observaciones pasadas de una serie temporal para desarrollar un modelo apropiado que pueda describir la estructura inherente de la serie, a fin de generar valores futuros. Bajo este enfoque, el área de investigación en series de tiempo es fructífera con muchas metodologías existentes, la más conocida es sin duda la metodología Box-Jenkings con los modelos autorregresivos integrados de promedios móviles (modelos ARIMA). Con la finalidad de contar con modelos apropiados, es necesario considerar la existencia de puntos de cambio y datos anómalos para brindar mejores modelos de predicción. Desde el punto de vista de puntos de cambio, el problema es decidir si el modelo estadístico para una serie de observaciones no cambia o si el modelo cambia una o más veces, en este último caso, identificar cuándo se han producido los cambios y establecer modelos distintos para antes y después de haber detectado los cambios".pdfspaCIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRAMatemáticas--Estadística matemática--Análisis de series de tiempoMatemáticas--Estadística matemática--Análisis multivariante--Análisis de regresiónTemperatura--Medición--Modelos matemáticosTesis de doctoradoopenAccess