##plugins.themes.bootstrap3.article.main##

María Eliana Días Sosa Edwin Andrés Cruz Pérez Wilmer Dario Pineda Ríos

Resumen

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.

##plugins.themes.bootstrap3.article.details##

Palabras Clave

Variación de precios, variables climáticas, Modelo Autoregresivo Integrado de Media Móvil, Modelos Lineales Dinámicos, Análisis Factorial para Series de Tiempo, Indicadores de modelos

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), `Utilizaci_on de modelos arima para la vigilancia de enfermedades transmisibles', Revista Cubana de Salud P_ublica 33(2).


García, B. M. (2008), ‘Análisis del comportamiento de precios de cinco productos hortícolas en costa rica de 1999 al 2003’, Revista Tecnología en Marcha 21(2), ´ag–45.
Gil, V. V. D. (2015), ‘Modelo de simulaci´on de estrategias de inversión para papicultores colombianos’ L_ampsakos (13), 81–87.

Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013), Bayesian data analysis, CRC press.

Gilbert, P. D. & Meijer, E. (2005), ‘Time series factor analysis with an application to measuring money’, University of Groningen, Research School SOM Research Report 05F10 .

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), `Combination forecasting method using bayesian models and a metaheuristic, case study', Dyna 85(207), 337{345.

Jeffrey, R. (1992), Probability and the Art of Judgment, Cambridge University Press.

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), `Comparación de modelos clásicos en series de tiempo y modelos bayesianos para pronosticar tres acciones colombianas en el último año'.

Munuera, R. M. C. (2018), ‘Filtro de kalman y sus aplicaciones’.


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), `Modelo cuantitativo arimax-egarch para la predicción de la tasa de Cambio colombiana (cop/usd)', Revista Espacios 39(7), 16.

Parra Arboleda, 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), `On the sensitivity of bayes factors to the prior distributions', The American Statistician 56(3), 196-201.

Suárez, G. S. L. (2016), ‘Técnicas estadísticas multivariantes de series temporales para la validación de un sistema reconstructor basado en redes neuronales.’.

Thiele, G., Bustamante, J., Mansilla, J. & Scott, G. (1998), Los precios de papa, arroz y trigo en Bolivia: Un analisis del periodo 1980-96., International Potato Center.
Tsay, R. S. (2005), Analysis of _nancial time series, Vol. 543, John wiley & 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.
Cómo citar
Días 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. Recuperado a partir de https://revistas.usantotomas.edu.co/index.php/estadistica/article/view/6633
Sección
Artículos