###################################################
###################################################
#######  TEMA 3: MODELOS BOX-JENKINS  (1.1) #######
###################################################
###################################################


#######################################################
### Estudio pormenorizado de la serie9 (serie9.dat) ###
#######################################################

setwd("F:/German/Docencia/POP/08-09/Apuntes")

serie9 <- scan("serie9.dat")

max.ret <- trunc(length(serie9)/4)


# 1: IDENTIFICACIÓN (gráficos de la serie y de sus fas y fap)

  par(mfrow=c(3,1))
  plot.ts(serie9, xlab="Tiempo", ylab="")
  acf(serie9, xlab="Retardo", main="", lag.max=max.ret, xlim=c(2,max.ret), ylim=c(-1,1))
  pacf(serie9, xlab="Retardo", main="", lag.max=max.ret, xlim=c(2,max.ret), ylim=c(-1,1))

  # Observamos tendencia y componente estacional. Diferenciamos la serie regularmente:

  serie9.dif <- diff(serie9, lag=1)
  par(mfrow=c(3,1))
  plot.ts(serie9.dif, xlab="Tiempo", ylab="")
  acf(serie9.dif, xlab="Retardo", main="", lag.max=max.ret, xlim=c(2,max.ret), ylim=c(-1,1))
  pacf(serie9.dif, xlab="Retardo", main="", lag.max=max.ret, xlim=c(2,max.ret), ylim=c(-1,1))

  # Hemos eliminado la tendencia, aunque la componente estacional (s=12) persiste. Diferenciamos la serie estacionalmente:

  serie9.dif.dif12 <- diff(serie9.dif, lag=12)
  par(mfrow=c(3,1))
  plot.ts(serie9.dif.dif12, xlab="Tiempo", ylab="")
  acf(serie9.dif.dif12, xlab="Retardo", main="", lag.max=max.ret, xlim=c(2,max.ret), ylim=c(-1,1))
  pacf(serie9.dif.dif12, xlab="Retardo", main="", lag.max=max.ret, xlim=c(2,max.ret), ylim=c(-1,1))

  # La serie diferenciada (regular y estacionalmente) parece generada por un proceso estacionario

  # Sugerencia: ARIMA(0,1,1)x(0,1,1)_12 o ARIMA(1,1,0)x(0,1,1)_12