Publicado
2021-01-01

Modelamiento del precio de la papa criolla en el departamento de Cundinamarca por medio de series de tiempo y modelos dinámicos

Modeling the price of Criolla potatoes in the department of Cundinamarca through time series and dynamic models

DOI: https://doi.org/10.15332/23393076.6633
María Eliana Díaz Sosa
Universidad Santo Tomás
Edwin Andrés Cruz Pérez
Universidad Santo Tomás
Wilmer Dario Pineda Ríos
Universidad Santo Tomás
PDF

Resumen (es)

El presente trabajo tiene como objetivo evaluar el comportamiento y pronóstico del precio de la papa criolla en el departamento de Cundinamarca, según los factores climáticos desde enero de 2012 hasta abril de 2018. Para ello, se tomaron en consideración, por un lado, análisis basados en series de tiempo (ARIMA, ARIMAX) y, por el otro, modelos lineales dinámicos (con y sin covariables). En los modelos trabajados se usaron como variables las condiciones climáticas de la zona en cuestión, a las cuales se les aplicó un método de imputación de datos debido a la ausencia de información. Luego fueron agrupados en tres factores construidos por Análisis Factorial para Series de Tiempo (TSFA). Finalmente, se procedió a comparar los indicadores de los cuatro modelos, llegando a la conclusión de que los modelos ARIMA Y ARIMAX generan las mejores predicciones respecto del precio de la papa criolla en el departamento de Cundinamarca.

Palabras clave (es): Variación de precios, variables climáticas, Modelo Autoregresivo Integrado de Media Móvil, Modelos Lineales Dinámicos, Análisis Factorial para Series de Tiempo, Indicadores de modelos

Resumen (en)

The objective of the following research is to evaluate the behavior and forecast of the price of the papa criolla in the department of Cundinamarca, according to the climate factors from January 2012 to April 2018. Therefore, analysis based on time series (ARIMA, ARIMAX) and, on the other hand, dynamic linear models (with and without variables) were taken into consideration. In the models worked, the climate conditions of the area in question were used as variables, to which a data imputation method was applied due to the absence of information. After that, they were grouped into three factors constructed by Time Series Factor Analysis (TSFA). Finally, the indicators of the four models were compared, concluding that the ARIMA and ARIMAX models generate the best predictions regarding the price of papa criolla in the department of Cundinamarca.

Palabras clave (en): price variation, Climatic variables, Autoregressive Integrated Moving Average, Dynamics Linear Model, Time Series Factor Analysis, Model indicators

Referencias

Acurio, G. B. & Regalado, Z. R. (2019), ‘Crisis financieras y contagio en mercados latinoamericanos: una aplicación empírica usando un modelo de cambio de régimen con distribución normal sesgada’.


Arsham, H. (2012), ‘Toma de decisiones con periodos de tiempo crítico en economía y finanzas’.

Barrientos, J. C., Rondón, C. & Melo, S. E. (2014), ‘Comportamiento de precios de las variedades de papa parda pastusa y diacol capiro en colombia (19952011)’, Revista Colombiana de Ciencias Hortícolas 8(2), 272–286.

Bermúdez, D. & D´Achiardi, E. (2011), ‘Estudio del caudal a través de modelos lineales generalizados dinámicos’, Matemática 9(1), 7–15.

Campagnoli, P., Petris, G. & Petrone, S. (2009), Dynamic Linear Models with R,
Springer.

Chat_eld, C. & Xing, H. (2019), The analysis of time series: an introduction with R, CRC press.

Chávez, M. C., Mata, R. G., D´iaz, S. L., Flores, J. S. M. & Salazar, J. A. G. (2004) ‘Efecto del precio internacional sobre el mercado de la papa en México, 19902000’,Revista Fitotecnia Mexicana 27(4), 377–384.

Coutin, M. G. (2007), Utilizaciondemodelosarimaparalavigilanciadeenfermedadestransmisib≤s′,RevistaCubanadeSaludPublica33(2).García,B.M.(2008),‘Análisis∂comportamien→de≺iosdec∈co∏uc→shortícolasencostaricade1999al2003’,RevistaTecnologíaenMarcha21(2),´ag–45.Gil,V.V.D.(2015),‘Mo∂odesiμlaci´ondeestrategiasde∈versiónparapaπc→̲rescolombianos’Lampsakos(13),81–87.Gelman,A.,Carl∈,J.B.,Stern,H.S.,Dunson,D.B.,Vehtari,A.&Rub∈,D.B.(2013),Bayesiandataanalysis,CRCpress.Gilbert,P.D.&Meijer,E.(2005),‘Timeseriesfac→ranalysiswithanapplication→measur∈gmo≠y’,UniversityofGron∈≥n,ResearchSch∞lSOMResearchReport05F10.Harrison,P.J.&Stevens,C.F.(1976),Bayesian forecasting', Journal of the Royal Statistical Society: Series B (Methodological) 38(3), 205{228.

Higuita, A. D., Valencia, C. M. & Correa, M. J. C. (2018), Comb∈ationforec∗∈gmethodusingbayesian⊨andamηheuristic,casestudy′,Dyna85(207),337{345.Jefey,R.(1992),ProbabilityandtheArtofJudgment,CambrUniversityPress.Kass,R.E.(1993),Bayes factors in practice', Journal of the Royal Statistical
Society: Series D (The Statistician) 42(5), 551{560.

Kikut-Valverde, A. C. (2003), Uso del filtro de kalman para estimar tendencia de una serie, Technical report, Banco Central de Costa Rica.

Lara, C. P. (2008), ‘Técnicas estadísticas multivariantes para la generación de variables latentes’, Revista Escuela de Administraci_on de Negocios (64), 89–99.

Marroquín, M. G. & Chalita, T. L. E. (2011), ‘Aplicación de la metodología boxjenkins para pronóstico de precios en jitomate’, Revista mexicana de ciencias agrícolas 2(4), 573–577.

Mayoral, T. A. (2013), Modelos Dinámicos Lineales Aplicados a Series de Tiempo, PhD thesis, Universidad Nacional Autónoma de México.

Medina, R., Montoya, E. & Jaramillo, A. (2008), ‘Estimación estadística de valores faltantes en series históricas de lluvia’.

Mora Adan, P. A. et al. (2020), Comparacióndemodelosclásicosenseriesdetiempoymodelosbayesianosparapronosticartresaio≠scolombianasenelú<imoaño′.Muνera,R.M.C.(2018),‘Fi<rodekalmanysusaplicacio≠s’.Navarro,S.A.J.(2016),Predicci_on de precios de venta de hortalizas'.

Orozco, M. A. M., Aguilar, D. S. G., Ramírez, F. O. P. & Rodríguez, N. J. M. (2018), Mo∂ocuantitativoarimax-egarchparalaprediióndelatasadeCambiocolombiana(copusd)′,RevistaEspacios39(7),16.ParraArbo≤da,L.F.(2015),Modelamiento conjunto del número de siniestros y pagos por reclamación en seguros mediante una cópula mixta desde la perspectiva frecuentista y bayesiana', Departamento de Estadística.

Posada, S. L. & Noguera, R. R. (2007), ‘Comparación de modelos matemáticos: una aplicación en la evaluación de alimentos para animales’, Revista Colombiana de Ciencias Pecuarias 20(2), 141–148.

Rengifo, C. L. (2016), ‘Comportamiento del precio de la papa industrial diacol capiro, caso Colombia a partir del mejor pronóstico entre un sarima y una redneuronal artificial’.

Rivas, S. T. (2013), ‘Estructura de mercado y determinantes del precio de la papa para consumo fresco’.

Rodríguez, D. R. & Ramírez, L. N. (2011), ‘La agroindustria de la papa criolla en Colombia. Situación actual y retos para su desarrollo’, Gestión y Sociedad 4(2), 17–30.

Rodriguez, Y., Pineda, W. & Olariaga, O. D. (2020), ‘Air traffic forecast in postliberalization context: a dynamic linear models approach’, Aviation 24(1), 10–19.

Rojas, A. J. S. (2018), Pronóstico del precio en bolsa de la energía eléctrica en Colombia, utilizando inferencia bayesiana, B.S. thesis, Uniandes.

Rojas, B. E. O. (2011), Evaluación del desarrollo del cultivo de papa bajo escenarios de variabilidad climática interanual y cambio climático, en el sur oeste de la Sabana de Bogotá, PhD thesis, Universidad Nacional de Colombia.

Sabbagh-Sánchez, A., García-Salazar, J. A., Matus-Gardea, J. A., Jiménez Sánchez, L. & Hernández Juárez, M. (2011), ‘Comportamiento del consumo de papa (solanum tuberosum l.) fresca en México’, Revista mexicana de ciencias agrícolas 2(4), 559–572.

Sinharay, S. & Stern, H. S. (2002), Onthesensitivityofbayesfac→rs→thepriordistributions′,TheAmericanStatistician56(3),196-201.Suárez,G.S.L.(2016),‘Técnicasestadísticasμ<ivariantesdeseriestempora≤sparalavalcióndeunsistemareconstruc→rbasadoenredes≠urona≤s.’.Thie≤,G.,Bustamante,J.,Mansilla,J.&Scott,G.(1998),Los≺iosdepapa,arrozytrigoenBolivia:Unanalisis∂periodo1980-96.,InternationalPota→Center.Tsay,R.S.(2005),Analysisofnancialtimeseries,Vol.543,Johnwi≤y&sons.Urrutia,J.A.,Palomino,R.&Salazar,H.D.(2010),Metodología para la imputación de datos faltantes en meteorología', Scientia et technica 3(46), 44{49.

West, M. & Harrison, J. (2006), Bayesian forecasting and dynamic models, Springer Science & Business Media.

Wheelwright, S., Makridakis, S. & Hyndman, R. J. (1998), Forecasting: methods and applications, John Wiley & Sons.

Yujra, I. D. P. (2018), `Evaluaci_on de precios de la papa (solanum tuberosum), en bolivia', Revista Estudiantil Agro-Vet 2(1), 79{93.

Yujra, I. D. P. (2018), ‘Evaluación de precios de la papa (solanum tuberosum), en Bolivia’, Revista Estudiantil Agro-Vet 2(1), 79–93.

Dimensions

PlumX

Visitas

411

Descargas

Cómo citar

Díaz Sosa, M. E., Cruz Pérez, E. A., & Pineda Ríos, W. D. (2021). Modelamiento del precio de la papa criolla en el departamento de Cundinamarca por medio de series de tiempo y modelos dinámicos. Comunicaciones En Estadística, 14(1), 31-52. https://doi.org/10.15332/23393076.6633

Licencia

Los autores mantienen los derechos sobre los artículos y por tanto  son libres de compartir, copiar, distribuir, ejecutar y comunicar públicamente la obra bajo las condiciones siguientes:

Reconocer los créditos de la obra de la manera especificada por el autor o el licenciante (pero no de una manera que sugiera que tiene su apoyo o que apoyan el uso que hace de su obra).

Comunicaciones en Estadística está bajo una licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

La Universidad Santo Tomás conserva los derechos patrimoniales (copyright) de las obras publicadas, y favorece y permite la reutilización de las mismas bajo la licencia anteriormente mencionada.