Resumen

En este artículo, se aplican los modelos de transformación Box-Cox y Yeo-Johnson a dos conjuntos de datos de series temporales de promedios mensuales de temperatura para mejorar la capacidad de pronóstico. Se propuso un algoritmo de aplicación para transformar las respuestas originales positivas utilizando el primer modelo y las respuestas estacionarias utilizando el segundo modelo para mejorar la estimación no paramétrica de la serie temporal funcional. El modelo Box-Cox contribuyó a mejorar los resultados de la estimación no paramétrica de los datos originales, pero los resultados se volvieron algo confusos después de intentar hacer que la variable de respuesta transformada fuera estacionaria en la media, mientras que las predicciones de la serie temporal funcional fueron más precisas utilizando los conjuntos de datos estacionarios transformados con el modelo Yeo-Johnson.

• Materias:Ecuaciones diferenciales parciales Ecuación de difusión Sistema de discriminación Singularidad Acoplamiento electromecánico
• Subjects:Partial differential equations Diffusion equation Discrimination system Singularity Electromechanical coupling
• Palabras claves:Box-cox; Yeo-johnson; Modelos de transformación; Series temporales; Capacidad de pronóstico; Estimación no paramétrica
• Keywords:Box-cox; Yeo-johnson; Transformation models; Time series; Forecast ability; Nonparametric estimation