Look-up in Google Scholar
Full metadata record
Abanto Cerna, Lemin (es_PE)
Ramos Inga, Andy Paul (es_PE)
2020-10-05T16:43:50Z
2020-10-05T16:43:50Z
2020-10-05T16:43:50Z
2020-10-05T16:43:50Z
2020
APA
http://repositorio.unp.edu.pe/handle/20.500.12676/2264
La presente investigación se realizó con la finalidad de evaluar la capacidad predictiva del modelo SARIMA y el modelo de redes neuronales artificiales (RNA) en base a los ingresos tributarios mensuales del gobierno central registrados desde enero del 2003 hasta diciembre del 2018 y con este resultado realizar pronósticos para los años 2019-2020. Los datos de los ingresos tributarios mensuales del gobierno central peruano fueron obtenidos de la página web del Banco Central de Reserva del Perú. El tratamiento y análisis de los datos se realizó con el software estadístico de licencia libre R-Studio, el cual es un entorno de desarrollo integrado (IDE) para el lenguaje de programación R. La serie de ingresos tributarios mensuales presentó estacionalidad y tendencia creciente y lineal, la cual, se convirtió en una serie estacionaria a través de una diferencia simple y una diferencia estacional. Además, se detectó la presencia de variación cíclica dentro de la serie, con una duración mayor de un año. Después de analizar las funciones de autocorrelación simple y parcial de la serie diferenciada, se obtuvo el modelo SARIMA (2,1,0)(1,1,1), el cual contiene coeficientes estadísticos significativos con un R cuadrado 0.9578 y un error cuadrático medio de 445.852. El modelo entrenado a través de redes neuronales es un NNAR(2,1,5)[12], el cual es de tipo autorregresivo y alcanzó un valor R cuadrado de 0.9514 y un error cuadrático medio de 482.679. Se concluye finamente que el modelo SARIMA ofrece un mejor modelamiento de los ingresos tributarios del gobierno central peruano, y es el que se utilizó para realizar los pronósticos para el periodo 2019-2020. (es_PE)
Tesis (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Nacional de Piura (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
https://creativecommons.org/licenses/by/4.0/ (es_PE)
Repositorio Institucional Digital - UNP (es_PE)
Universidad Nacional de Piura (es_PE)
SARIMA (es_PE)
Pronósticos (es_PE)
Redes Neuronales Artificiales (es_PE)
Ingresos tributarios (es_PE)
Pronóstico de los ingresos tributarios mensuales del gobierno central peruano aplicando redes neuronales y modelos Sarima, en base a los años 2003 – 2018 (es_PE)
info:eu-repo/semantics/bachelorThesis (es_PE)
Universidad Nacional de Piura. Facultad de Ciencias (es_PE)
Estadística (es_PE)
Título Profesional (es_PE)
Licenciado en Estadística (es_PE)
PE (es_PE)
http://purl.org/pe-repo/ocde/ford#1.01.03 (es_PE)
Pública



This item is licensed under a Creative Commons License Creative Commons