Hola, también estoy necesitando ayuda en estadística jaja, así que ocuparé este mismo topic
Necesito saber como aplicar la simulación de Montecarlo para un caso con series de tiempo, digamos por ejemplo que tengo las siguientes mediciones de un proceso real (Da lo mismo lo que signifiquen xd)
[TABLE="width: 182"]
[TR]
[TD="align: right"]0,1972[/TD]
[/TR]
[TR]
[TD="align: right"]0,1641[/TD]
[/TR]
[TR]
[TD="align: right"]0,181[/TD]
[/TR]
[TR]
[TD="align: right"]0,1519[/TD]
[/TR]
[TR]
[TD="align: right"]0,1919[/TD]
[/TR]
[TR]
[TD="align: right"]0,1693[/TD]
[/TR]
[TR]
[TD="align: right"]0,2213[/TD]
[/TR]
[TR]
[TD="align: right"]0,1198[/TD]
[/TR]
[TR]
[TD="align: right"]0,2297[/TD]
[/TR]
[TR]
[TD="align: right"]0,1407[/TD]
[/TR]
[/TABLE]
Entonces necesitaría estimar una nueva serie de igual cantidad de datos usando la simulación (en mi caso real son mas de mil datos), pero no me sirve un resultado con valores aleatorios porque los datos reales están correlacionados entre Xt y Xt-1 . El problema no es como tirar dados donde cada probabilidad es 1/6 y si me sale un 1 y después un 5 o 6 no pasa nada , acá teóricamente cualquier valor entre 0 y 1 es posible, pero por ejemplo no puedo pasar de un valor 0,1 a 0,8 directamente (los datos son mediciones de un proceso real)
Mi duda es como aplicar Montecarlo a un problema como este, donde los datos no siguen una distribución, ayúdenme porfaaaaa
Menciono también que si los datos fueran igualmente probables sí se como aplicar Montecarlo, pero me va a salir cualquier cosa, como pasar de 0,2 a 0,7 entre 2 estimaciones seguidas lo que es incorrecto en el proceso que estoy estudiando, las variaciones entre medidas reales son "suaves" y para las estimaciones debe ser lo mismo
Me han dicho que usar procesos ARMA es una buena idea, pero no cacho como aplicarlo en este caso