«Autorregresivo» es un t?rmino estad?stico utilizado cuando se trabaja con datos de series de tiempo que se refieren a una cantidad variable o valor de inter?s que est? correlacionado o depende de valores anteriores de esa misma variable. El t?rmino relacionado «autorregresi?n» es una forma de an?lisis de regresi?n que utiliza datos de series de tiempo como entrada para descubrir si una variable de inter?s es realmente autorregresiva, es decir, depende de valores previos de s? misma. Una variable de inter?s que resulta ser autorregresiva sugiere, pero no prueba en s? misma, que existe una relaci?n de causa y efecto entre los valores actuales y pasados. Por lo tanto, las series temporales de cantidades o valores autorregresivos conocidos o sospechosos a menudo se analizan utilizando m?todos anal?ticos predictivos para pronosticar valores futuros de tales variables.
Las variables de inter?s que exhiben alg?n grado significativo de autorregresi?n aparecen en una variedad de lugares como resultado de procesos humanos y naturales. Los precios del mercado de valores, los tipos de cambio, las se?ales digitales y el n?mero de personas en una poblaci?n, por ejemplo, se consideran autorregresivos, al menos en cierto grado. Adem?s, hay una variedad de formas de an?lisis de autorregresi?n, cada una considerada mejor o peor adaptada y, por lo tanto, aplicada a tipos particulares de conjuntos de datos autorregresivos. Entre tales aplicaciones, la autorregresi?n se est? utilizando en la atenci?n m?dica para mejorar la resoluci?n e interpretaci?n de las pruebas de diagn?stico por ultrasonido; en telecomunicaciones para mejorar la transmisi?n, recepci?n y procesamiento de se?ales digitales; en econom?a para pronosticar el desempe?o macroecon?mico y comercial; y en servicios financieros para calcular puntajes de cr?dito personal, detectar fraude y calcular perfiles y primas de riesgo de seguro.
Los modelos de promedio m?vil autorregresivo (ARMA) combinan modelos de autorregresi?n y promedio m?vil, promedios cuyos elementos constitutivos cambian a medida que pasa el tiempo. Tambi?n conocidos como modelos de Box-Jenkins, llamados as? por George Box y Gwilym Jenkins, los estad?sticos que mejoraron sus formulaciones originales y popularizaron su uso, generalmente se usan para modelar y probar series de tiempo que son funci?n de choques externos o externos. y su propio desempe?o pasado. Los modelos ARMA se «ajustan» a las observaciones reales a lo largo del tiempo de alguna variable autorregresiva conocida o sospechada o variables de inter?s para comprender mejor los procesos que las generan. A diferencia de los modelos estrictamente autorregresivos, se consideran un medio para establecer la causalidad: la existencia de una relaci?n de causa y efecto entre la variable o variables independientes y dependientes. Por lo tanto, se usan com?nmente en pron?sticos de series de tiempo y otras formas de an?lisis predictivo.
Inteligente de activos.