Cualquiera de las dos técnicas te sirve siempre y cuando seas capaz de
reflejar la estructura temporal de los datos. Obviamente, en MonteCarlo
tendrás que especificar la dependencia temporal ¿en qué la basas? ¿conoces
el proceso estocástico subyacente? Los ARIMA te dan, precisamente, una
estimación de dicho proceso estocástico (con las limitaciones propias de
los ARIMA).
Por cierto, a mi los caminantes me suenan a los zombies de "Walking
Dead",
se agradece que la gente ponga su nombre.
Un saludo
Gregorio R. Serrano
El 14 de marzo de 2012 00:18, Caminante B
<caminante_314@hotmail.com>escribió:
>
> Estimados,
>
> Tengo una sucesión de números enteros positivos tales como:
>
> 23, 34,37,45,54,48,49,52,40,43,39,37,42......................... (no mas
> de 500 mediciones)
>
> Esta sucesión proviene de una serie de tiempo, que mide determinado valor
> UNA VEZ POR DIA.
> Por ej:
>
> 2012-03-01 23
> 2012-03-02 34
> .
> .
> .
> .
>
> Estoy intentando hacer una predicción, en cuantos dias (o un rango
> probabístico de dias) la serie va a alcanzar el umbral de 60.
>
> Encaré este tema con una Simulación de Montecarlo en R, e intente
> transforma esa sucesión de numeros a un objeto de serie de tiempo con
"ts"
> y aplicar ARIMA, lo cual no es tan amigable con R por la documentación que
> estuve siguiendo.
>
> Tienen alguna recomendación si me conviene insistir con ARIMA, o una
> Simulación de Montecarlo aplica mejor a este problema? O algun otro modelo
> que consideren mejor?
>
> Muchas Gracias!
>
>
>
>
>
>
>
> [[alternative HTML version deleted]]
>
>
> _______________________________________________
> R-help-es mailing list
> R-help-es@r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es
>
>
--
Dr. Gregorio R. Serrano
Dpto. Economía Cuantitativa (UCM)
Voz:+34 91394 2361
Twitter: @grserrano_
http://www.grserrano.es
[[alternative HTML version deleted]]