Resumen

La previsión de la superficie, la producción y la productividad del arroz en Odisha se realizó a partir de los datos históricos de 1950-51 a 2008-09 utilizando modelos de media móvil integrada autorregresiva univariante (ARIMA) y se comparó con la previsión de todos los datos de la India. Los parámetros autorregresivos (p) y de media móvil (q) se identificaron basándose en los picos significativos en los gráficos de la función de autocorrelación parcial (PACF) y la función de autocorrelación (ACF) de las diferentes series temporales. El modelo ARIMA (2, 1, 0) resultó adecuado para toda la productividad y producción de arroz de la India, mientras que el modelo ARIMA (1, 1, 1) fue el que mejor se ajustó a la previsión de la productividad y producción de arroz en Odisha. La predicción se realizó para los tres años inmediatos siguientes, es decir, 2007-08, 2008-09 y 2009-10, utilizando los modelos ARIMA mejor ajustados sobre la base del valor mínimo del criterio de selección, es decir, el criterio de información de Akaike (AIC) y el criterio de información de Schwarz-Bayes (SBC). Los rendimientos de los modelos se validaron mediante la comparación con la desviación porcentual de los valores reales y el error medio porcentual absoluto (MAPE), que resultó ser de 0,61 y 2,99 para la superficie de arroz en Odisha y la India, respectivamente. Del mismo modo, para la predicción de la producción y la productividad del arroz en Odisha y la India, el MAPE resultó ser inferior al 6%.

• Materias:Agroecosistemas Frutas Control de malezas nutrientes y minerales cultivo de verduras -hortalizas Estudio de laboratorio
• Subjects:Agricultural biotic communities Fruits Weed control nutrients and minerals cultivation of veduras - hortalizas Lab study
• Palabras claves:diferentes series temporales, odisha, función de autocorrelación parcial, modelo arima ajustado, productividad de odisha, producción, predicción del arroz, rendimiento del modelo, criterio de información bayesiano, previsión del arroz
• Keywords:different time series, odisha, partial autocorrelation function, fitted arima model, productivity of odisha, production, prediction of rice, performance of model, bayesian information criteria, forecasting of rice