Home
Google Scholar
 Nothing psychological is strange to us
III Congreso Nacional de Psicología - Oviedo 2017
Universidad de Oviedo

 

Aviso Legal

SELECTED ARTICLE

Psicothema

ISSN Paper Edition: 0214-9915

1998 . Vol. 10 , nº 1 , pp. 183-195
Copyright © 2014     


Read Article View PDF        

  

ANÁLISIS DE LA EVOLUCIÓN DE LA SINTOMATOLOGÍA DEL CICLO MENSTRUAL MEDIANTE MODELOS ARIMA

 

Pilar Jara, Jesús Rosel y Francesc Palmero

Universitat Jaume I

A pesar de la variedad de trabajos que estudian la sintomatología del ciclo menstrual, sigue siendo muy poco lo que se conoce sobre la naturaleza del comportamiento de dicha sintomatología. En este contexto, nuestro trabajo intenta proporcionar un mayor conocimiento del tema teniendo en cuenta secuencias sintomatológicas de distintas mujeres, elaboradas a partir de un calendario de registro diario de síntomas relacionados con la menstruación. Las características especiales de los datos nos conducen a plantear la metodología del análisis de series temporales (modelos ARIMA) como herramienta adecuada para nuestros objetivos. Los resultados indican que en el 43,36% de los casos la sintomatología puede ajustarse mediante modelos autorregresivos simples, en el 26,3% de los casos puede ajustarse mediante modelos autorregresivos simples y cíclicos, y que el resto pueden ajustarse con un modelo mixto autorregresivo y de media móvil. Estos resultados permiten concluir, entre otras cosas, que los modelos ARIMA resultan ser herramientas muy útiles para la descripción y /o predicción de algunos aspectos del comportamiento humano, y por otro lado que la sintomatología menstrual es autorregresiva (simple y/o cíclica).

Analysis of the evolution of the menstrual cycle symptomatology through Arima models. Despite the number of studies devoted to investigating the symptomatology of the menstrual cycle, little is known about how this symptomatology behaves. Within this context, this paper attempts to shed some light into the menstrual cycle symptomatology by analyzing women’s symptomatologic sequences. Data were gathered by the daily recording of the menstrual symptoms. Time Series Analysis models (ARIMA models) were applied to analyze the data. Results showed that menstrual symptoms could be adjusted by means of simple autoregressive models in a 43.36% of the women, and by means of simple and cyclic autoregressive models in 26.3% of the women. For the rest of the women both mixed autoregressive and moving average models were applicable. The results reported here suggest that ARIMA models should be considered powerful analysis tools to describe and/or predict certain of human behaviors; and furthermore, menstrual symptomatology is defined as autoregressive (simple and/or cyclic).

 
Read Article

View PDF

Correspondencia: Pilar Jara
Departamento de Psicología
Campus de la Carretera de Borriol
Apdo. 224. 12080 Castelló (Spain)
E-mail: jara@nuvol.uji.es

 

Top page >>
 
Home Search Contact Home