Saltar al contenido
Omnikalc

Calculadora de la prueba de Ljung-Box

Introduce el número de observaciones y las autocorrelaciones en los retardos 1 a 5 de una serie o de sus residuos para obtener el estadístico Q de Ljung-Box, el de Box-Pierce, los grados de libertad y el valor p.

Actualizado el
Tus datos

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Resultados

Estadístico Q de Ljung-Box

10,711

Valor p

0,0574

Estadístico de Box-Pierce
10,404
Grados de libertad
5
Valor crítico al 5 %
11,070
Ruido blanco rechazado al 5 % (1 = sí, 0 = no)
0
Banda aproximada al 95 % para una autocorrelación
0,179

La calculadora de la prueba de Ljung-Box da el estadístico Q, el estadístico de Box-Pierce, los grados de libertad y el valor p de una prueba de autocorrelación, a partir del número de observaciones y de las autocorrelaciones en los retardos 1 a 5 de una serie o de los residuos de un modelo.

Cómo se hace el cálculo

  • Introduce el número de observaciones y las autocorrelaciones en los retardos 1 a 5.
  • Introduce el número de parámetros ajustados en el modelo, 0 para una serie sin modelar.
  • Lee Q, el valor p y si se rechaza el ruido blanco.

Ejemplo

Con 120 observaciones y autocorrelaciones de 0,25, 0,12, −0,05, 0,08 y 0,03, el Q de Ljung-Box es de 10,711 con 5 grados de libertad, frente a un valor crítico de 11,070. El valor p es de 0,0574 y el indicador de rechazo es 0. El estadístico de Box-Pierce es de 10,404. Una sola autocorrelación fuera de 0,179 sería notable.

Por qué es útil

La calculadora ayuda a analistas, estudiantes y especialistas en predicción que comprueban los residuos de un modelo de serie temporal, como ARIMA o el suavizado exponencial, y quieren saber si queda alguna estructura que el modelo no ha captado, a partir de las autocorrelaciones leídas en un gráfico o en un programa estadístico.

Qué conviene saber

Las autocorrelaciones deben ser los valores muestrales en retardos consecutivos a partir del retardo 1, calculados sobre la serie o sobre los residuos. Resta el número de parámetros ARMA ajustados a los retardos para obtener los grados de libertad, y no lo apliques a los residuos de una regresión con variables dependientes retardadas. Un valor p bajo dice que queda autocorrelación, pero no en qué retardo. Un valor p alto no prueba la independencia, sobre todo con pocas observaciones.

Herramientas relacionadas

La calculadora de Durbin-Watson contrasta la autocorrelación de primer orden de los residuos de regresión, la de la prueba de la ji al cuadrado trata la distribución utilizada aquí, la de significación de una correlación contrasta una correlación y la de correlación parcial controla otras variables.

Preguntas frecuentes

¿Qué comprueba la prueba de Ljung-Box?

La prueba de Ljung-Box comprueba si un grupo de autocorrelaciones de una serie temporal difiere de cero. La hipótesis nula es que los datos son independientes, como en un ruido blanco. Se aplica a los residuos de un modelo ajustado: si el modelo es adecuado, los residuos no deben mostrar ninguna autocorrelación.

¿Cuál es la fórmula?

El estadístico es Q = n × (n + 2) × Σ r_k² / (n − k), sumado sobre los retardos k = 1 a h, donde r_k es la autocorrelación en el retardo k y n el número de observaciones. Bajo la hipótesis nula, Q sigue una distribución ji al cuadrado con h grados de libertad, reducidos en el número de parámetros ajustados en un modelo ARMA.

¿Cuántos retardos hay que usar?

Las elecciones habituales son aproximadamente ln(n), o 10 retardos para datos no estacionales y 2 estaciones para datos estacionales, hasta n / 5. Con muy pocos retardos se puede pasar por alto una autocorrelación en un retardo más largo, y con demasiados disminuye la potencia de la prueba. Esta calculadora usa cinco retardos para mantener sencillos los datos de entrada.

¿En qué se diferencia de Box-Pierce?

El estadístico de Box-Pierce es n × Σ r_k², la primera forma de la prueba. La versión de Ljung-Box pondera los retardos por n + 2 sobre n − k, y su distribución se aproxima más a la ji al cuadrado en muestras pequeñas. Para un n grande, ambas dan casi el mismo valor, y se prefiere Ljung-Box.

¿Te ha resultado útil esta calculadora?

¡Gracias por tu opinión!

Resultados orientativos con fines informativos. No sustituyen el consejo de un profesional.