Series de tiempo para el pronóstico de la producción de uva en el Perú, periodo 2016-2023
| dc.contributor.advisor | Rubio Jacobo, Luis Alberto | |
| dc.contributor.author | Alfaro Mantilla, Oliver Rosas | |
| dc.date.accessioned | 2025-03-06T17:40:54Z | |
| dc.date.available | 2025-03-06T17:40:54Z | |
| dc.date.issued | 2024 | |
| dc.description.abstract | El presente estudio, de tipo descriptivo observacional y longitudinal con enfoque en tendencias, tiene como propósito principal desarrollar un modelo de pronóstico que describa con mayor precisión el comportamiento de la producción mensual de uva. Se utilizó información del Banco Central de Reserva del Perú (BCRP) que abarca desde enero de 2016 hasta octubre de 2023, en el marco de una investigación aplicada. La metodología estadística empleada fue la de Box-Jenkins, dividiendo la serie temporal en dos partes: de enero de 2016 a diciembre de 2022 para la estimación del modelo, y de enero a octubre de 2023 para la validación del pronóstico. Esta técnica se dedica a caracterizar la serie temporal en términos de su tendencia y estacionariedad, además de prever valores futuros de la variable estudiada. El análisis se llevó a cabo utilizando los programas Eviews 12 y Microsoft Excel 2021 para la comparación de resultados. En conclusión, se identificó que la serie mostraba una tendencia estacionaria, y se determinó que el modelo pronosticado era un SARIMA con las especificaciones AR(2), AR(5), MA(4), MA(6) y SMA(12) | |
| dc.description.abstract | Abstract The main purpose of this study, of a descriptive observational and longitudinal type with a focus on trends, is to develop a forecast model that more accurately describes the behavior of monthly grape production. Information from the Central Reserve Bank of Peru (BCRP) covering from January 2016 to October 2023 was used, within the framework of an applied research. The statistical methodology used was the Box-Jenkins method, dividing the time series into two parts: from January 2016 to December 2022 for model estimation, and from January to October 2023 for forecast validation. This technique is dedicated to characterizing the time series in terms of its trend and stationarity, in addition to forecasting future values of the studied variable. The analysis was carried out using the Eviews 12 and Microsoft Excel 2021 programs for the comparison of results. In conclusion, it was identified that the series showed a stationary trend, and it was determined that the predicted model was a SARIMA with the specifications AR(2), AR(5), MA(4), MA(6) and SMA(12) | |
| dc.format | application/pdf | |
| dc.identifier.uri | https://hdl.handle.net/20.500.14414/23679 | |
| dc.language.iso | spa | |
| dc.publisher | Universidad Nacional de Trujillo Añadir | |
| dc.publisher.country | PE | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc/4.0/ | |
| dc.source | Universidad Nacional de Trujillo | |
| dc.source | Repositorio institucional - UNITRU | |
| dc.subject | Metodología Box-Jenkins, producción mensual de uva, SARIMA | |
| dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#1.01.03 | |
| dc.title | Series de tiempo para el pronóstico de la producción de uva en el Perú, periodo 2016-2023 | |
| dc.type | info:eu-repo/semantics/bachelorThesis | |
| dc.type.version | info:eu-repo/semantics/publishedVersion | |
| renati.advisor.dni | 18069833 | |
| renati.advisor.orcid | https://orcid.org/0000-0001-5060-9998 | |
| renati.author.dni | 70603939 | |
| renati.discipline | 542018 | |
| renati.juror | Minchón Medina, Carlos Alberto | |
| renati.juror | Ipanaqué Centeno, Enrique | |
| renati.juror | Izquierdo Henríquez, María Isabel | |
| renati.level | https://purl.org/pe-repo/renati/level#tituloProfesional | |
| renati.type | https://purl.org/pe-repo/renati/type#tesis | |
| thesis.degree.discipline | Estadística | |
| thesis.degree.grantor | Universidad Nacional de Trujillo. Facultad de Ciencias Físicas y Matemáticas | |
| thesis.degree.name | Ingeniero Estadístico |