Buscar en Google Scholar
Registro completo de metadatos
Morillos Valderrama, Santos Octavio (es_PE)
Chambi Arucutipa, Yanina Maritza (es_PE)
2018-06-28T20:51:38Z
2018-06-28T20:51:38Z
2012-09-28
http://repositorio.unap.edu.pe/handle/20.500.14082/7272
En razón de no contar con un modelo de pronóstico de las descargas hidrológicas medias anuales del Rio Ilave, el presente trabajo de investigación se realizó bajo el siguiente objetivo: “Determinar un Modelo Estocástico Markoviano de mejor ajuste para pronosticar las descargas hidrológicas medias anuales del Rio Ilave para el periodo 2011 al 2015”. La serie estuvo constituida por las descargas hidrológicas medias anuales del Rio Ilave, con datos anuales desde 1970 hasta 2010, para el análisis de la serie se utilizó la metodología estadística de Andrei Andrevich Markov el cual proporciona modelos de pronostico y se validó mediante la prueba de autocorrelaciones de Ljung-Box para los residuales. Finalmente se concluyó qué, el mejor Modelo Estocástico Markoviano fue el de tercer orden: Xt = 0.19691144Xt-1 + 0.18994567Xt-2 - 0.16402799Xt-3 + 0.95291325εt y con el cual se pronosticó las descargas medias anuales del Rio Ilave para el periodo 2011 al 2015. (es_PE)
Tesis (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Nacional del Altiplano. Repositorio Institucional - UNAP (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
https://creativecommons.org/licenses/by/4.0/deed.es (es_PE)
Universidad Nacional del Altiplano (es_PE)
Repositorio Institucional - UNAP (es_PE)
Estadística (es_PE)
Modelos predictivos (es_PE)
Modelo estocástico markoviano para predecir las descargas del río Ilave, periodo 1970 -2 010 (es_PE)
info:eu-repo/semantics/bachelorThesis (es_PE)
Universidad Nacional del Altiplano. Facultad de Ingeniería Estadística e Informática (es_PE)
Ingeniería Estadística e Informática (es_PE)
Título Profesional (es_PE)
Ingeniero Estadístico e Informático (es_PE)
PE (es_PE)
542066 (es_PE)
Pública



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons