Artículos de revistas
Predicción de clusters de series temporales demográficas
Clusters prediction of demographic time series
Registro en:
0798-3166
19910ME310
2244-8829
Autor
Alonso, Andrés M.
Peña, Daniel
Rodríguez, Julio
Institución
Resumen
En el presente trabajo se propone la aplicación de técnicas cluster al modelado de las series temporales
demográficas por edades. El objetivo es localizar la existencia de grupos de edades con una dinámica temporal
similar, para posteriormente realizar una estimación conjunta del modelo que describa mejor las características
comunes de los grupos de series. El método cluster utilizado permite la comparación de sus modelos generadores
sin imponer la independencia de las series. Obtenidos los grupos de series con modelos generadores equivalentes
y estimado el modelo generador común se realiza las predicciones a diferentes horizontes. Presentamos los
resultados para las series de tasas brutas de mortalidad por grupos de edades simples de ambos sexos. Los
predicciones obtenidas a partir de los clusters de series presentan un error cuadrático medio menor que las
predicciones mediante modelos univariantes para cada una de las series. La principal ventaja de este método es
que permite estimar los parámetros con mayor precisión y esto implica una reducción de la incertidumbre en los
pronósticos. 25-28 andres.alonso@uc3m.es daniel.pena@uc3m.es jr.puerta@uam.es This paper proposes the application of cluster technique to the modeling of demographical by age time series. The
objective is to find the existence of age groups with a similar time dynamic, to posteriorly have a full estimation
of the model that describes better the common characteristics of the group series. After the groups series with
equivalent models generators and estimated the common generator model, the predictions are made at different
horizons. We present the results for the gross mortality rates by simple age groups in both sexes. The predicitions
obtained from the clusters of sseries present a quadratic mean error lower than the predictions by univariant
models for each series. The main advantage of this method is that it lets estimate the parameters with higher
precision and this means a reduction of the incertainty in the pronostics.