Utilizamos cookies propias y de terceros para mejorar nuestros servicios y facilitarle el uso de la web mediante el análisis de sus preferencias de navegación. También compartimos la información sobre el tráfico por nuestra web a los medios sociales y de publicidad con los que colaboramos. Si continúa navegando, consideramos que acepta nuestra Política de cookies .

Actualidad científica

Síguenos
  • Google+
  • RSS
  • Investigación y Ciencia
  • Junio 2010Nº 405

Clima

Cambio de las temperaturas global y hemisféricas

Los métodos econométricos ofrecen nuevas pruebas del cambio en las temperaturas y alertan sobre los riesgos de la intervención humana en el sistema climático.

Menear

A una sucesión de datos ordenados conforme al momento en que hayan sido tomados se le llama en estadística y econometría "serie de tiempo" o "serie temporal". Dichas series pueden ser determinísticas, estocásticas o una combinación de ambas. Si el proceso que genera esos datos es determinista, habrá una ecuación que prediga con exactitud los valores futuros de la serie a partir de los valores ya conocidos. Una ecuación así resulta particularmente sencilla si el proceso consiste en una tendencia lineal: para obtener el dato del tiempo t a partir del dato del tiempo t - 1 basta con sumarle a éste una cantidad fija. Los datos de una serie de ese tipo se representarán gráficamente en función del tiempo como una recta; su pendiente será igual a esa cantidad fija que se añade.

En la realidad suele ocurrir que un proceso, aunque se atenga en líneas generales a una tendencia determinística, sufre perturbaciones que lo separan de la tendencia en cuestión. Esas perturbaciones forman, a su vez, su propia serie de tiempo. Que sean, o parezcan, aleatorias no quiere decir que no podamos expresar nada sobre ellas: tendrán una media, que a menudo será cero (lo mismo podrán darle que quitarle a la tendencia), sus valores se agruparán alrededor de esa media con cierto grado de dispersión, es decir, tendrán una cierta varianza, y la observación en el tiempo t mantendrá una relación de dependencia o independencia con los valores pasados de la serie. Esta relación se conoce como persistencia o memoria; suele representarse por medio de la función de autocorrelación, que mide el grado de asociación del valor en el tiempo t con las observaciones de los períodos t - k, donde k es mayor que cero.

Puede conseguir el artículo en: