Series de Tiempo

0. Concepto

Una Serie de tiempo es una collecion de observaciones sobre un determinado fenomeno efectuadas en momentos de tiempo sucesivos, usualmente equiespaciados.

Ejemplos de series de tiempo son: 1. Precio de acciones 2. Niveles de inventario 3. Rotacion de personal 4. Ventas 5. PIB (GDP)

1. Instalar paquetes y llamar librerias

#install.packages("forcast")
library(forecast)
## Registered S3 method overwritten by 'quantmod':
##   method            from
##   as.zoo.data.frame zoo

2. Crear la serie de tiempo

#Ejemplo: Los siguientes datos de produccion trimestral 
# Inician en el primer trimestre de 2020
# Se busca prinosticar la produccion de los siguientes
# 5 trimestral

produccion <-c(50,53,55,57,55,60)

serie_de_tiempo <- ts(data = produccion, start = c(2020, 3), frequency = 4)
serie_de_tiempo
##      Qtr1 Qtr2 Qtr3 Qtr4
## 2020             50   53
## 2021   55   57   55   60

3. Crear el modelo ARIMA

ARIMA significa AutoRegressive integrate Moving Average o Modelo Autorregreivo Integrado de Promedio Movil.

modelo <- auto.arima(serie_de_tiempo, D=1)
modelo 
## Series: serie_de_tiempo 
## ARIMA(0,0,0)(0,1,0)[4] with drift 
## 
## Coefficients:
##        drift
##       1.5000
## s.e.  0.1768
## 
## sigma^2 = 2.01:  log likelihood = -2.84
## AIC=9.68   AICc=-2.32   BIC=7.06
summary(modelo)
## Series: serie_de_tiempo 
## ARIMA(0,0,0)(0,1,0)[4] with drift 
## 
## Coefficients:
##        drift
##       1.5000
## s.e.  0.1768
## 
## sigma^2 = 2.01:  log likelihood = -2.84
## AIC=9.68   AICc=-2.32   BIC=7.06
## 
## Training set error measures:
##                      ME      RMSE       MAE        MPE      MAPE       MASE
## Training set 0.03333332 0.5787923 0.3666667 0.03685269 0.6429133 0.06111111
##                    ACF1
## Training set -0.5073047

4. Realizar el pronostico

pronostico <- forecast(modelo, level = c(95), h=5)
pronostico
##         Point Forecast    Lo 95    Hi 95
## 2022 Q1             61 58.22127 63.77873
## 2022 Q2             63 60.22127 65.77873
## 2022 Q3             61 58.22127 63.77873
## 2022 Q4             66 63.22127 68.77873
## 2023 Q1             67 63.07028 70.92972
plot(pronostico)