{"id":21011,"date":"2024-02-24T20:35:52","date_gmt":"2024-02-24T19:35:52","guid":{"rendered":"https:\/\/complex-systems-ai.com\/?page_id=21011"},"modified":"2024-02-24T20:43:26","modified_gmt":"2024-02-24T19:43:26","slug":"diebold-mariano","status":"publish","type":"page","link":"https:\/\/complex-systems-ai.com\/es\/pronostico-de-prediccion\/mariano-diebold\/","title":{"rendered":"Prueba de Diebold-Mariano"},"content":{"rendered":"<div data-elementor-type=\"wp-page\" data-elementor-id=\"21011\" class=\"elementor elementor-21011\">\n\t\t\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-4337180 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"4337180\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-839db02\" data-id=\"839db02\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-f4a59ea elementor-align-justify elementor-widget elementor-widget-button\" data-id=\"f4a59ea\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/complex-systems-ai.com\/es\/pronostico-de-prediccion\/\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t\t\t\t<span class=\"elementor-button-text\">Previsi\u00f3n<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-3cf1979\" data-id=\"3cf1979\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-c0f427f elementor-align-justify elementor-widget elementor-widget-button\" data-id=\"c0f427f\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/complex-systems-ai.com\/es\/\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t\t\t\t<span class=\"elementor-button-text\">Pagina de inicio<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-51ebf7c\" data-id=\"51ebf7c\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-2066d70 elementor-align-justify elementor-widget elementor-widget-button\" data-id=\"2066d70\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm\" href=\"https:\/\/plat.ai\/blog\/difference-between-prediction-and-forecast\/\" target=\"_blank\" rel=\"noopener\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t\t\t\t<span class=\"elementor-button-text\">Wiki<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-29c0d72 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"29c0d72\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-2fc4853\" data-id=\"2fc4853\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-b2c79be elementor-widget elementor-widget-heading\" data-id=\"b2c79be\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_83 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Contenido<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Tabla de contenido alternativo\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Palanca<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/complex-systems-ai.com\/es\/pronostico-de-prediccion\/mariano-diebold\/#Test-de-Diebold-Mariano-et-HLN\" >Prueba de Diebold-Mariano y HLN<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/complex-systems-ai.com\/es\/pronostico-de-prediccion\/mariano-diebold\/#Bases\" >Bases<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/complex-systems-ai.com\/es\/pronostico-de-prediccion\/mariano-diebold\/#Calcul-avec-Excel\" >C\u00e1lculo con Excel<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/complex-systems-ai.com\/es\/pronostico-de-prediccion\/mariano-diebold\/#Test-de-HLN\" >prueba HLN<\/a><\/li><\/ul><\/nav><\/div>\n<h2 class=\"elementor-heading-title elementor-size-default\"><span class=\"ez-toc-section\" id=\"Test-de-Diebold-Mariano-et-HLN\"><\/span>Prueba de Diebold-Mariano y HLN<span class=\"ez-toc-section-end\"><\/span><\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-afe397a elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"afe397a\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-bf729bb\" data-id=\"bf729bb\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-d466042 elementor-widget elementor-widget-text-editor\" data-id=\"d466042\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Aqu\u00ed en detalle la prueba de Diebold-Mariano y la medici\u00f3n de <span style=\"font-size: 1.125rem;\">Harvey, Leybourne y Newbold.<\/span><\/p><p><img decoding=\"async\" class=\"aligncenter wp-image-11096 size-full\" src=\"http:\/\/complex-systems-ai.com\/wp-content\/uploads\/2020\/09\/cropped-Capture.png\" alt=\"Diebold-Mariano\" width=\"97\" height=\"97\" title=\"\"><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-2a9cefc elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"2a9cefc\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-41be1bb\" data-id=\"41be1bb\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-ae71704 elementor-widget elementor-widget-heading\" data-id=\"ae71704\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\"><span class=\"ez-toc-section\" id=\"Bases\"><\/span>Bases<span class=\"ez-toc-section-end\"><\/span><\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-0a1e34b elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"0a1e34b\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-1c3e07d\" data-id=\"1c3e07d\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-f8b8421 elementor-widget elementor-widget-text-editor\" data-id=\"f8b8421\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Supongamos que tenemos dos pron\u00f3sticos f1,\u2026, fn y g1,\u2026, gn para una serie de tiempo si y1,\u2026, yn y queremos ver cu\u00e1l pron\u00f3stico es mejor, en el sentido de que tiene la mejor precisi\u00f3n predictiva. El enfoque obvio es seleccionar el pron\u00f3stico que tenga la medida de error m\u00e1s peque\u00f1a bas\u00e1ndose en una de las medidas de error descritas en Errores de pron\u00f3stico. Pero necesitamos ir m\u00e1s all\u00e1 y determinar si esta diferencia es significativa (con fines predictivos) o simplemente se debe a la elecci\u00f3n espec\u00edfica de los valores de los datos en la muestra.<\/p><p>Utilizamos la prueba de Diebold-Mariano para determinar si las dos predicciones son significativamente diferentes. Sean ei y ri los residuos de los dos pron\u00f3sticos, es decir<\/p><p><img decoding=\"async\" class=\"aligncenter size-full wp-image-26004\" src=\"https:\/\/real-statistics.com\/wp-content\/uploads\/2018\/01\/image033d.png\" alt=\"Residuos previstos\" width=\"182\" height=\"20\" title=\"\"><\/p><p>y se define como una de las siguientes medidas (u otras medidas similares):<\/p><p><img decoding=\"async\" class=\"aligncenter size-full wp-image-26005\" src=\"https:\/\/real-statistics.com\/wp-content\/uploads\/2018\/01\/image034d.png\" alt=\"Diferencial de p\u00e9rdidas\" width=\"222\" height=\"21\" title=\"\"><\/p><p>La serie temporal di se denomina p\u00e9rdida diferencial. Obviamente, la primera de estas f\u00f3rmulas est\u00e1 relacionada con la estad\u00edstica de error MSE y la segunda est\u00e1 relacionada con la estad\u00edstica de error MAE. ahora definimos<\/p><p><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter size-full wp-image-26006\" src=\"https:\/\/real-statistics.com\/wp-content\/uploads\/2018\/01\/image035d.png\" alt=\"Media diferencial de p\u00e9rdidas\" width=\"176\" height=\"51\" title=\"\"><\/p><p>Para n &gt; k \u2265 1, definimos<\/p><p><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter size-full wp-image-26007\" src=\"https:\/\/real-statistics.com\/wp-content\/uploads\/2018\/01\/image036d.png\" alt=\"Autocovarianza en el retraso k\" width=\"200\" height=\"51\" title=\"\"><\/p><p>Como se describe en la funci\u00f3n de autocorrelaci\u00f3n, \u03b3k es la autocovarianza en el retraso k.<\/p><p>Para h \u2265 1, defina el estad\u00edstico de Diebold-Mariano de la siguiente manera:<\/p><p><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter size-full wp-image-26008\" src=\"https:\/\/real-statistics.com\/wp-content\/uploads\/2018\/01\/image037d.png\" alt=\"Estad\u00edstica de Diebold Mariano\" width=\"170\" height=\"60\" title=\"\"><\/p><p>Generalmente es suficiente utilizar el valor h = n1\/3 + 1.<\/p><p>Bajo el supuesto de que \u03bc = 0 (la hip\u00f3tesis nula), DM sigue una distribuci\u00f3n normal est\u00e1ndar:<\/p><p>DM \u223c N(0, 1)<\/p><p>Por tanto, existe una diferencia significativa entre las previsiones si |DM| &gt; zcrit donde zcrit es el valor cr\u00edtico bilateral para la distribuci\u00f3n normal est\u00e1ndar; es decir.<\/p><p>zcrit = DISTR.NORM.S.(1\u2013\u03b1\/2, VERDADERO)<\/p><p>El supuesto clave para utilizar la prueba de Diebold-Mariano es que la serie temporal de p\u00e9rdidas diferenciales di es estacionaria (consulte Serie temporal estacionaria).<\/p><p>Utilice la prueba de Diebold-Mariano para determinar si existe una diferencia significativa en las predicciones de las columnas B y C de la Figura 1 para los datos de la columna A.<\/p><p><img loading=\"lazy\" decoding=\"async\" class=\"alignnone wp-image-21014 size-full\" src=\"http:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/DB1.png\" alt=\"Diebold-Mariano\" width=\"768\" height=\"507\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/DB1.png 768w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/DB1-300x198.png 300w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/DB1-18x12.png 18w\" sizes=\"(max-width: 768px) 100vw, 768px\" \/><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-0b7d1c6 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"0b7d1c6\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-44abd3d\" data-id=\"44abd3d\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-86f773d elementor-widget elementor-widget-heading\" data-id=\"86f773d\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\"><span class=\"ez-toc-section\" id=\"Calcul-avec-Excel\"><\/span>C\u00e1lculo con Excel<span class=\"ez-toc-section-end\"><\/span><\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-7866ef6 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"7866ef6\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-1879785\" data-id=\"1879785\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-bac0e24 elementor-widget elementor-widget-text-editor\" data-id=\"bac0e24\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>Comenzamos calculando los residuos de los 20 elementos de datos en funci\u00f3n de las dos predicciones (columnas F y G). Por ejemplo. la celda F4 contiene la f\u00f3rmula =A4-B4 y la celda G4 contiene =A4-C4. A partir de estos valores podemos calcular los diferenciales de p\u00e9rdidas en la columna H. Ej. la celda H4 contiene =F4^2-G4^2. Ahora podemos calcular la media y la varianza de la serie temporal di mediante las f\u00f3rmulas =PROMEDIO(H4:H23) y =VAR.P(H4:H23), como se muestra en las celdas H25 y K25.<\/p><p>Los valores de \u03b3i ahora se pueden calcular como se muestra en la columna I. Por ej. la celda I4 contiene la f\u00f3rmula matricial<\/p><p>=SUMPRODUCTO(H5:H$23-H$25,OFFSET(H$4:H$23,0,0,E$23-E4)-H$25)\/E$23<\/p><p>Alternativamente, la celda I4 se puede calcular usando la f\u00f3rmula =ACVF(H$4:H$23,E4), como se describe en Funci\u00f3n de autocorrelaci\u00f3n. Luego se pueden calcular los errores est\u00e1ndar (columna J) y los estad\u00edsticos de Diebold-Mariano (columna K). Por ejemplo. la celda J4 contiene la f\u00f3rmula =SQRT(J25\/E23), la celda J5 contiene =SQRT((J$25+2*SUMPRODUCT(I$4:I4))\/E$23) (y lo mismo para las otras celdas en la columna J) y la celda K4 contiene la f\u00f3rmula =G$25\/J4.<\/p><p>Podemos leer los valores estad\u00edsticos de DM de la columna K. Por ejemplo. el estad\u00edstico DM para el orden h = 4 es 1,005199, como se muestra en la celda K7. Tenga en cuenta que, dado que h = n1\/3 + 1 = 201\/3 + 1 = 3,7, h = 4 parece un buen valor de orden para usar. Dado que el valor p = 2*(1-NORM.S.DIST(K7,TRUE)) = 0,3148 &gt; 0,05 = \u03b1, concluimos que no existe una diferencia significativa entre las dos predicciones.<\/p><p>En la figura, trazamos ambas predicciones para los datos de la columna A, de modo que usted pueda juzgar por s\u00ed mismo si el gr\u00e1fico es consistente con los resultados de la prueba de Diebold-Mariano.<\/p><p><img loading=\"lazy\" decoding=\"async\" class=\"alignnone wp-image-21015 size-full\" src=\"http:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/DB2.png\" alt=\"Diebold-Mariano\" width=\"488\" height=\"293\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/DB2.png 488w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/DB2-300x180.png 300w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/DB2-18x12.png 18w\" sizes=\"(max-width: 488px) 100vw, 488px\" \/><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-6566497 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"6566497\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-54208cc\" data-id=\"54208cc\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-ad770d1 elementor-widget elementor-widget-heading\" data-id=\"ad770d1\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\"><span class=\"ez-toc-section\" id=\"Test-de-HLN\"><\/span>prueba HLN<span class=\"ez-toc-section-end\"><\/span><\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-acc0ce9 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"acc0ce9\" data-element_type=\"section\" data-e-type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-8f947ad\" data-id=\"8f947ad\" data-element_type=\"column\" data-e-type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t<div class=\"elementor-element elementor-element-5b66854 elementor-widget elementor-widget-text-editor\" data-id=\"5b66854\" data-element_type=\"widget\" data-e-type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>La prueba de Diebold-Mariano tiende a rechazar la hip\u00f3tesis nula con demasiada frecuencia para muestras peque\u00f1as. Una prueba mejor es la prueba de Harvey, Leybourne y Newbold (HLN), que se basa en lo siguiente:<\/p><h2><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter size-full wp-image-26009\" src=\"https:\/\/real-statistics.com\/wp-content\/uploads\/2018\/01\/image038d.png\" sizes=\"(max-width: 321px) 100vw, 321px\" srcset=\"https:\/\/real-statistics.com\/wp-content\/uploads\/2018\/01\/image038d.png 321w, https:\/\/real-statistics.com\/wp-content\/uploads\/2018\/01\/image038d-300x22.png 300w\" alt=\"Prueba HLN\" width=\"321\" height=\"24\" title=\"\"><\/h2><p>Sobre todo porque, por ejemplo, tenemos una muestra peque\u00f1a, utilizamos la prueba HLN como se muestra en la figura. Una vez m\u00e1s vemos que no hay diferencia significativa entre las previsiones.<\/p><p><img loading=\"lazy\" decoding=\"async\" class=\"alignnone wp-image-21016 size-full\" src=\"http:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/DB3.png\" alt=\"Harvey, Leybourne y Newbold\" width=\"436\" height=\"268\" title=\"\" srcset=\"https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/DB3.png 436w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/DB3-300x184.png 300w, https:\/\/complex-systems-ai.com\/wp-content\/uploads\/2024\/02\/DB3-18x12.png 18w\" sizes=\"(max-width: 436px) 100vw, 436px\" \/><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"<p>Pron\u00f3stico P\u00e1gina de inicio Wiki Prueba de Diebold-Mariano y HLN Aqu\u00ed en detalle la prueba de Diebold-Mariano y la medici\u00f3n de Harvey, Leybourne y Newbold. Lo esencial\u2026 <\/p>","protected":false},"author":1,"featured_media":0,"parent":20753,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-21011","page","type-page","status-publish","hentry"],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/21011","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/comments?post=21011"}],"version-history":[{"count":4,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/21011\/revisions"}],"predecessor-version":[{"id":21019,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/21011\/revisions\/21019"}],"up":[{"embeddable":true,"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/pages\/20753"}],"wp:attachment":[{"href":"https:\/\/complex-systems-ai.com\/es\/wp-json\/wp\/v2\/media?parent=21011"}],"curies":[{"name":"gracias","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}