ST Tarea5

Análisis de la Cerveza

www <- "cbe.dat"
CBE <- read.table(www, header = T)
CBE[1:4, ]

##   choc beer elec
## 1 1451 96.3 1497
## 2 2037 84.4 1463
## 3 2477 91.2 1648
## 4 2785 81.9 1595

class(CBE)

## [1] "data.frame"

Beer.ts <- ts(CBE[, 2], start = 1958, freq = 12)
boxplot(Beer.ts ~ cycle(Beer.ts))  

plot(decompose(Beer.ts))#grafica una descomposicion por default usa el modelo aditivo

Beer.decom <- decompose(Beer.ts, type = "mult") #grafica una descomposicion usando el modelo multiplicativo
plot(Beer.decom)

Trend <- Beer.decom$trend
Seasonal <- Beer.decom$seasonal
ts.plot(cbind(Trend, Trend * Seasonal), lty = 1:2)#cbin une las graficas

Podemos ver que le ajusta mejor el modelo del multiplicativo y que los datos tienen una tendencia a la alza.

Análisis del Chocolate

www <- "cbe.dat"
CBE <- read.table(www, header = T)
CBE[1:4, ]

##   choc beer elec
## 1 1451 96.3 1497
## 2 2037 84.4 1463
## 3 2477 91.2 1648
## 4 2785 81.9 1595

class(CBE)

## [1] "data.frame"

Choc.ts <- ts(CBE[, 1], start = 1958, freq = 12)
boxplot(Choc.ts ~ cycle(Choc.ts))

plot(decompose(Choc.ts))#grafica una descomposicion por default usa el modelo aditivo

Choc.decom <- decompose(Choc.ts, type = "mult") #grafica una descomposicion usando el modelo multiplicativo
plot(Choc.decom)

Trend <- Choc.decom$trend
Seasonal <- Choc.decom$seasonal
ts.plot(cbind(Trend, Trend * Seasonal), lty = 1:2)#cbin une las graficas

Se pude observar que tienen estacionalidad y le ajusta mejor el modelo multiplicativo y que tiene un ligera tendencia a la alza.

4. The monthly effective inflows (m^3s-1) to the Font Reservoir are in the file Font.dat. USe decompose on the time series and then plot the correlogram of the random component . Compare the figure y comenta.

Análisis del effective inflows

www <- "Fontdsdt.dat"
effeinflows <- read.table(www, header = T)
class(effeinflows)

## [1] "data.frame"

flows.ts <- ts(effeinflows, freq=12)
acf(effeinflows)

plot(decompose(flows.ts))#grafica una descomposicion por default usa el modelo aditivo

flows.decom <- decompose(flows.ts, type = "mult") #grafica una descomposicion usando el modelo multiplicativo
plot(flows.decom)

Trend <- flows.decom$trend
Seasonal <- flows.decom$seasonal
ts.plot(cbind(Trend, Trend * Seasonal), lty = 1:2)#cbin une las graficas

Se puede observar que el correlograma nos dice que la información análizada casi no tiene fuga de información a parte de que es evidente que tiene estacionalidad, asi mismo desde mi punto de vista considero que el modelo que más le queda es el aditivo, ya que sus residuos son muy estables y de igual manera con el correlogragrama se aprecia.