Identificacion de un modelo ARIMA cuando existen observaciones faltantes

Un supuesto común en el análisis de las series de tiempo es que las series que van a ser estudiadas disponen de información para cada momento de tiempo en el período que se va a analizar. Sin embargo con frecuencia ocurre que faltan datos en la serie o que algunos de ellos son erróneos. En la literatura de análisis series de tiempo, en particular en la de los procesos de ARIMA (Box y Jenkins, 1976) se han propuesto diferentes métodos para estimar estas observaciones, pero la mayoría de ellos supone que el modelo es conocido o que las observaciones son tales que han permitido identificarlo. Este modelo presenta una metodología relativamente simple que permite estimar las observaciones faltantes y simultáneamente estimar el modelo ARIMA que generó una serie de tiempo.