library(forecast)
## Registered S3 method overwritten by 'quantmod':
## method from
## as.zoo.data.frame zoo
library(tseries)
x <- AirPassengers
tseries::adf.test(x)
## Warning in tseries::adf.test(x): p-value smaller than printed p-value
##
## Augmented Dickey-Fuller Test
##
## data: x
## Dickey-Fuller = -7.3186, Lag order = 5, p-value = 0.01
## alternative hypothesis: stationary
Según el resultado del P-value por medio de la prueba de Dickey-Fuller se obtuvo un valor de 0.01 nos dice que ya es estacionario y no requiere una diferenciación
A continuación se muestra la gráfica de los datos de AirPassenger que ya es estacionaria.
A continuación se presenta una serie de tiempo en la cual es del año 2012 y tiene datos desde enero hasta diciembre.
rainfall <- c(799,1174.8,865.1,1334.6,635.4,918.5,685.5,998.6,784.2,985,882.8,1071)
x2 <- ts(rainfall,start = c(2012,1),frequency = 12);x2
## Jan Feb Mar Apr May Jun Jul Aug Sep Oct
## 2012 799.0 1174.8 865.1 1334.6 635.4 918.5 685.5 998.6 784.2 985.0
## Nov Dec
## 2012 882.8 1071.0
tseries::adf.test(x2)
##
## Augmented Dickey-Fuller Test
##
## data: x2
## Dickey-Fuller = -1.5247, Lag order = 2, p-value = 0.7535
## alternative hypothesis: stationary
En la gráfica se puede observar que no es estacionaria y ya se comprobó por medio de la prueba de Dickey-Fuller, la cual presenta un valor de 0.7535.
plot(x2)
Al no ser estacionaria la serie de tiempo, se aplica una diferenciación para volverla estacionaria.
dx <- diff(x2)
tseries::adf.test(dx)
## Warning in tseries::adf.test(dx): p-value smaller than printed p-value
##
## Augmented Dickey-Fuller Test
##
## data: dx
## Dickey-Fuller = -8.9033, Lag order = 2, p-value = 0.01
## alternative hypothesis: stationary
La serie de tiempo se convierte en estacionaria ya que el p-value es menor a 0.05 según el resultado de la prueba de Dickey-Fuller.
A continuación se muestra la nueva gráfica que ya es estacionaria después de aplicar una diferenciación.
plot(dx)