Los modelos ARIMA fueron popularizados en los años 70 por George Box y Gwilym Jenkins, se la conoce también como la metodología de Box y Jenkins aplicada a análisis y predicción de series univariantes. ARIMA significa modelo autorregresivo integrado de media móvil. Cada una de las tres partes del acrónimo se le denomina componente y modela un comportamiento distinto de la serie. Los modelos ARIMA generalmente se construyen a partir de los modelos ARMA, pero aquí se considera que la serie tratada, para que sea estacionaria en media tendrá que diferenciarse una serie de veces. Lo que representa una ventaja respecto a los modelos ARMA, ya que incorpora la diferenciación dentro del modelo. Una de las ventajas que brinda esta metodología es que proporcionan predicciones optimas tanto en plazo inmediato (1 a 3 meses) como en el corto plazo, además esta metodología no necesita contar con varias series para realizar su estimación y pronostico; pues se requiere tan solo la serie a ser estudiada y sus rezagos.

La incorporación de efectos diferidos en el tiempo en un modelo econométrico se realiza mediante la utilización de variables retardadas, pudiendo distinguirse dos tipos de modelos que requieren un tratamiento econométrico diferente. Los modelos autorregresivos, en los que la permanencia del efecto se recoge mediante la incorporación, como variable exógena, de la variable endógena rezagada en algún período Los modelos de retardos distribuidos, en los que las variables exógenas son las que ejercen un efecto prolongado en el tiempo sobre la variable endógena.

1 Programa Pensiones 65 1.1 Módulo Jefe de hogar 1.2 Módulo Características del hogar 1.3 Módulo Ocupación jefe de hogar 1.4 Módulo Sumaria 1.4.1 Pobreza 1.4.2 Zona 1.4.3 Regiones 1.5 Módulo Pensiones 65 1.6 Módulo Servicios 1.6.1 Agua 1.6.2 Baño 1.6.3 Electricidad 1.7 Análisis del programa Pensiones 65

1. Programa Juntos Perú 1.1. 2016 1.2. 2017 1.3. 2018 1.4. 2019 1.5. 2020 1.6. 2021 1.7. Base de datos final 1.8. Análisis del programa 1.8.1. Personas beneficiarias 1.8.2. Hogares beneficiarios 1.8.3. Beneficiarios a nivel zona 1.8.4. Beneficiarios a nivel dominio 1.8.5. Beneficiarios a nivel departamento

1 ENAHO 2021 1.1 Transformación de variables 1.1.1. Rural 1.1.2. Regiones 1.2 Necesidades Básicas Insatisfechas 1.2.1. NBI1 1.2.2. NBI2 1.2.3. NBI3 1.2.4. NBI4 1.2.5. NBI5 1.3 Pobreza por NBI a nivel hogar 1.3.1 A nivel nacional 1.3.2 A nivel zona 1.3.3 A nivel departamento 1.4 Pobreza por NBI a nivel poblacional 1.4.1 A nivel nacional 1.4.2 A nivel zona 1.4.3 A nivel departamento

1. ENAHO 2021 2. Transformación de variables 2.1. Pobreza 2.2. Rural 2.3. Regiones 2.4. Dominio 3. Pobreza monetaria por hogares 3.1. Pobreza 3.2. Pobreza extrema 3.3. Indicadores de pobreza 3.4. A nivel zona 3.5. A nivel dominio 3.6. A nivel departamento 3.7. Pobreza monetaria extrema

1. ENAHO 2021 2. Transformación de variables 2.1. Rural 2.2. Regiones 2.3. Pobreza 3. Pobreza monetaria por persona 3.1. Indicadores de pobreza 3.2. A nivel poblacional 3.3. A nivel zona 3.4. A nivel departamento

1. Aritmética básica 2. Estructura de datos 3. Vectores 4. Matrices 5. Listas 6. Data Frame 7. Gráficas

1. Operadores 2. Funciones 3. Condicionales 4. Loops 5. Apply 6. Funciones matemáticas