Ejercicios en clase - Fajardo y Gomez Haro

library(tidyverse)
── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
✔ dplyr     1.1.4     ✔ readr     2.1.5
✔ forcats   1.0.0     ✔ stringr   1.5.1
✔ ggplot2   3.4.4     ✔ tibble    3.2.1
✔ lubridate 1.9.3     ✔ tidyr     1.3.0
✔ purrr     1.0.2     
── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag()    masks stats::lag()
ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
library(fpp3)
── Attaching packages ────────────────────────────────────────────── fpp3 0.5 ──
✔ tsibble     1.1.3     ✔ fable       0.3.3
✔ tsibbledata 0.4.1     ✔ fabletools  0.3.4
✔ feasts      0.3.1     
── Conflicts ───────────────────────────────────────────────── fpp3_conflicts ──
✖ lubridate::date()    masks base::date()
✖ dplyr::filter()      masks stats::filter()
✖ tsibble::intersect() masks base::intersect()
✖ tsibble::interval()  masks lubridate::interval()
✖ dplyr::lag()         masks stats::lag()
✖ tsibble::setdiff()   masks base::setdiff()
✖ tsibble::union()     masks base::union()
library(plotly)

Attaching package: 'plotly'

The following object is masked from 'package:ggplot2':

    last_plot

The following object is masked from 'package:stats':

    filter

The following object is masked from 'package:graphics':

    layout
library(patchwork)
Global <- global_economy |> 
  mutate(GDP_POB = GDP/Population)
Global
# A tsibble: 15,150 x 10 [1Y]
# Key:       Country [263]
   Country    Code   Year    GDP Growth   CPI Imports Exports Population GDP_POB
   <fct>      <fct> <dbl>  <dbl>  <dbl> <dbl>   <dbl>   <dbl>      <dbl>   <dbl>
 1 Afghanist… AFG    1960 5.38e8     NA    NA    7.02    4.13    8996351    59.8
 2 Afghanist… AFG    1961 5.49e8     NA    NA    8.10    4.45    9166764    59.9
 3 Afghanist… AFG    1962 5.47e8     NA    NA    9.35    4.88    9345868    58.5
 4 Afghanist… AFG    1963 7.51e8     NA    NA   16.9     9.17    9533954    78.8
 5 Afghanist… AFG    1964 8.00e8     NA    NA   18.1     8.89    9731361    82.2
 6 Afghanist… AFG    1965 1.01e9     NA    NA   21.4    11.3     9938414   101. 
 7 Afghanist… AFG    1966 1.40e9     NA    NA   18.6     8.57   10152331   138. 
 8 Afghanist… AFG    1967 1.67e9     NA    NA   14.2     6.77   10372630   161. 
 9 Afghanist… AFG    1968 1.37e9     NA    NA   15.2     8.90   10604346   130. 
10 Afghanist… AFG    1969 1.41e9     NA    NA   15.0    10.1    10854428   130. 
# ℹ 15,140 more rows

EJERCICIO 1

p <- Global |> 
  autoplot(GDP_POB) + theme(legend.position = 'none')

ggplotly(p,dynamicTicks = TRUE) |> 
  rangeslider()
global_economy |> 
  mutate(gdp_per_capita = GDP/Population) |> 
  select (-c(Code,Growth:Exports)) |> 
  filter(Year %in% 2010:2017) |> 
  as_tibble() |> 
  group_by(Country) |> 
  summarise(mean_gdppc = mean(gdp_per_capita,na.rm = TRUE)) |> 
  arrange(desc(mean_gdppc))
# A tibble: 263 × 2
   Country          mean_gdppc
   <fct>                 <dbl>
 1 Monaco              163978.
 2 Liechtenstein       162023.
 3 Luxembourg          108327.
 4 Norway               88913.
 5 Bermuda              86347.
 6 Switzerland          82544.
 7 Isle of Man          80996.
 8 Macao SAR, China     76201.
 9 Qatar                75931.
10 Australia            59099.
# ℹ 253 more rows

¿Cómo ha sido la evolución de la economía de los países en el tiempo?

¿Cuál país tiene el mayor PIB per cápita?

EJERCICIO 2

PIB_USA <- Global |> 
  filter(Country == "United States") |> 
  select(-c(Country,GDP))
PIB_USA
# A tsibble: 58 x 8 [1Y]
   Code   Year Growth   CPI Imports Exports Population GDP_POB
   <fct> <dbl>  <dbl> <dbl>   <dbl>   <dbl>      <dbl>   <dbl>
 1 USA    1960  NA     13.6    4.20    4.97  180671000   3007.
 2 USA    1961   2.30  13.7    4.03    4.90  183691000   3067.
 3 USA    1962   6.10  13.9    4.13    4.81  186538000   3244.
 4 USA    1963   4.40  14.0    4.09    4.87  189242000   3375.
 5 USA    1964   5.80  14.2    4.10    5.10  191889000   3574.
 6 USA    1965   6.40  14.4    4.24    4.99  194303000   3828.
 7 USA    1966   6.50  14.9    4.55    5.02  196560000   4146.
 8 USA    1967   2.50  15.3    4.63    5.05  198712000   4336.
 9 USA    1968   4.80  16.0    4.94    5.08  200706000   4696.
10 USA    1969   3.10  16.8    4.95    5.09  202677000   5032.
# ℹ 48 more rows
PIB_USA |> 
  autoplot(GDP_POB)

PIB_USA |> 
  autoplot(log(GDP_POB)) 

RESPUESTA

En este caso al aplicar la transformación logaritmica logramos que la grafica pase de percibirse como exponencial a una grafica lineal, lo cual hace que los datos dejen de estar tan inclindos hacpia un lado y pueda analizarse de mejor forma.

PIB_MEX <- Global |> 
  filter(Country == "Mexico") |> 
  select(-c(Country,GDP))
PIB_MEX
# A tsibble: 58 x 8 [1Y]
   Code   Year Growth    CPI Imports Exports Population GDP_POB
   <fct> <dbl>  <dbl>  <dbl>   <dbl>   <dbl>      <dbl>   <dbl>
 1 MEX    1960  NA    0.0129   11.7     8.51   38174112    342.
 2 MEX    1961   5.00 0.0131   10.6     8.41   39394126    359.
 3 MEX    1962   4.66 0.0133   10.1     8.57   40649588    374.
 4 MEX    1963   8.11 0.0133    9.95    8.32   41939880    404.
 5 MEX    1964  11.9  0.0137    9.85    7.63   43264272    464.
 6 MEX    1965   7.10 0.0141    9.52    7.63   44623043    489.
 7 MEX    1966   6.10 0.0147    9.01    7.47   46011038    529.
 8 MEX    1967   5.85 0.0152    9.01    6.87   47429812    560.
 9 MEX    1968   9.42 0.0155    9.35    7.04   48894019    600.
10 MEX    1969   3.42 0.0161    9.27    7.55   50423481    644.
# ℹ 48 more rows
PIB_MEX |> 
  autoplot(GDP_POB)

PIB_MEX |> 
  autoplot(log(GDP_POB))

RESPUESTA

Al igual que la grafica anterior, podemos observar que al inicio, los datos estan un poco sesgados y estan más hacía a derecha, casi dando la impresión de tener una grafica exponencial. Si aplicamos la tranformación logaritmica podemos obtener una grafica mucho más lineal y centralizada, dandonos un mejor manejo y analisis de los datos.

vic_elec
# A tsibble: 52,608 x 5 [30m] <Australia/Melbourne>
   Time                Demand Temperature Date       Holiday
   <dttm>               <dbl>       <dbl> <date>     <lgl>  
 1 2012-01-01 00:00:00  4383.        21.4 2012-01-01 TRUE   
 2 2012-01-01 00:30:00  4263.        21.0 2012-01-01 TRUE   
 3 2012-01-01 01:00:00  4049.        20.7 2012-01-01 TRUE   
 4 2012-01-01 01:30:00  3878.        20.6 2012-01-01 TRUE   
 5 2012-01-01 02:00:00  4036.        20.4 2012-01-01 TRUE   
 6 2012-01-01 02:30:00  3866.        20.2 2012-01-01 TRUE   
 7 2012-01-01 03:00:00  3694.        20.1 2012-01-01 TRUE   
 8 2012-01-01 03:30:00  3562.        19.6 2012-01-01 TRUE   
 9 2012-01-01 04:00:00  3433.        19.1 2012-01-01 TRUE   
10 2012-01-01 04:30:00  3359.        19.0 2012-01-01 TRUE   
# ℹ 52,598 more rows
vic_elec |> 
  autoplot(Demand)

vic_elec |>
  autoplot(log(Demand))

RESPUESTA

En este caso al aplicarle una transformación logaritmica, obtenemos una grafica casi igual a la orginal, donde lo unico que cambia son los ejes, por lo tanto, podemos decir que en esta gráfica no es del todo necesario aplicar ua tranformación para su comprendimiento.

EJERCICIO 3

canadian_gas
# A tsibble: 542 x 2 [1M]
       Month Volume
       <mth>  <dbl>
 1 1960 ene.  1.43 
 2 1960 feb.  1.31 
 3 1960 mar.  1.40 
 4 1960 abr.  1.17 
 5 1960 may.  1.12 
 6 1960 jun.  1.01 
 7 1960 jul.  0.966
 8 1960 ago.  0.977
 9 1960 sep.  1.03 
10 1960 oct.  1.25 
# ℹ 532 more rows
canadian_gas |> 
  autoplot()
Plot variable not specified, automatically selected `.vars = Volume`

(lambda <- canadian_gas %>%
  features(Volume, features=guerrero) %>%
  pull(lambda_guerrero))
[1] 0.5767648
canadian_gas %>% autoplot(box_cox(Volume, lambda))

RESPUESTA

La transformación box cox podemos utlizarla para que los datos puedan seguir una distribución normal y sea un poco más practica. En este ejemplo al aplicar la transformación podemos ver que sigue siendo casi igual la tabla, por lo cual no es del todo necesaria usar una tranformación para estos datos.

EJERCICIO 4

fma::plastics |> 
  autoplot()+
  xlab("Años") + ylab("Ventas mensuales (medidas en miles)")+
  ggtitle("Ventas mensuales del producto A")
Registered S3 method overwritten by 'quantmod':
  method            from
  as.zoo.data.frame zoo 

RESPUESTA

Podemos observar que tiene una tendencia a la alza y tiene una estacionalidad anual.

plas <-  as_tsibble(fma::plastics) 
plas
# A tsibble: 60 x 2 [1M]
       index value
       <mth> <dbl>
 1 0001 ene.   742
 2 0001 feb.   697
 3 0001 mar.   776
 4 0001 abr.   898
 5 0001 may.  1030
 6 0001 jun.  1107
 7 0001 jul.  1165
 8 0001 ago.  1216
 9 0001 sep.  1208
10 0001 oct.  1131
# ℹ 50 more rows
dcmp_plast <- plas |> 
  model( clasica = classical_decomposition(value, type = 'multiplicative'))

dcmp_plast_comp <- components(dcmp_plast) 

dcmp_plast_comp
# A dable: 60 x 7 [1M]
# Key:     .model [1]
# :        value = trend * seasonal * random
   .model      index value trend seasonal random season_adjust
   <chr>       <mth> <dbl> <dbl>    <dbl>  <dbl>         <dbl>
 1 clasica 0001 ene.   742   NA     0.767 NA              967.
 2 clasica 0001 feb.   697   NA     0.710 NA              981.
 3 clasica 0001 mar.   776   NA     0.777 NA              999.
 4 clasica 0001 abr.   898   NA     0.910 NA              986.
 5 clasica 0001 may.  1030   NA     1.04  NA              986.
 6 clasica 0001 jun.  1107   NA     1.16  NA              957.
 7 clasica 0001 jul.  1165  977.    1.16   1.02          1001.
 8 clasica 0001 ago.  1216  977.    1.23   1.02           992.
 9 clasica 0001 sep.  1208  977.    1.23   1.00           981.
10 clasica 0001 oct.  1131  978.    1.19   0.972          951.
# ℹ 50 more rows
autoplot(dcmp_plast_comp)
Warning: Removed 6 rows containing missing values (`geom_line()`).

RESPUESTA
Tras revisar la descomposición podemos ver que los datos si coinciden con los del primer inciso

dat_desest <- dcmp_plast_comp |> 
  select(index, season_adjust)

dat_desest |> 
  autoplot()+
  xlab("Años") +
  ggtitle("Datos desestacionalizados ")
Plot variable not specified, automatically selected `.vars = season_adjust`

outlier_plastA <- plas |> 
  mutate(value = value +500 * (value == 1208))

out_dcmp_plast <- outlier_plastA |> 
  model( clasical= classical_decomposition(value, type = 'multiplicative'))

out_dcmp_comp <- components(out_dcmp_plast) 

out_dcmp_comp
# A dable: 60 x 7 [1M]
# Key:     .model [1]
# :        value = trend * seasonal * random
   .model       index value trend seasonal random season_adjust
   <chr>        <mth> <dbl> <dbl>    <dbl>  <dbl>         <dbl>
 1 clasical 0001 ene.   742   NA     0.757 NA              980.
 2 clasical 0001 feb.   697   NA     0.701 NA              994.
 3 clasical 0001 mar.   776   NA     0.770 NA             1007.
 4 clasical 0001 abr.   898   NA     0.908 NA              990.
 5 clasical 0001 may.  1030   NA     1.04  NA              989.
 6 clasical 0001 jun.  1107   NA     1.15  NA              960.
 7 clasical 0001 jul.  1165 1019.    1.15   0.996         1015.
 8 clasical 0001 ago.  1216 1019.    1.21   0.987         1006.
 9 clasical 0001 sep.  1708 1019.    1.34   1.25          1278.
10 clasical 0001 oct.  1131 1020.    1.17   0.945          964.
# ℹ 50 more rows
autoplot(out_dcmp_comp)
Warning: Removed 6 rows containing missing values (`geom_line()`).

dat_desest_out <- out_dcmp_comp |> 
  select(index, season_adjust)

dat_desest_out |> 
  autoplot()+
  xlab("Años") +
  ggtitle("Datos desestacionalizados Outlier")
Plot variable not specified, automatically selected `.vars = season_adjust`

RESPUESTA

Al tener un outlier, esto nos hace ver en la descomposición clásica que nos contamina tanto la tendencia como la estacionalidad, haciendo parecer que en vez de solo ser un dato atípico que solo afecta un periodo, esto modificara toda la estacionalidad, dando a entender que la estacionalidad es la misma en todos los periodos aunque no existe un valor atipico así de nuevo.

outlier_plastA_final <- plas |> 
  mutate(value = value +500 * (value == 1468))

out_dcmp_plast_final <- outlier_plastA_final |> 
  model( clasica= classical_decomposition(value, type = 'multiplicative'))

out_dcmp_comp_final <- components(out_dcmp_plast_final) 

out_dcmp_comp_final
# A dable: 60 x 7 [1M]
# Key:     .model [1]
# :        value = trend * seasonal * random
   .model      index value trend seasonal random season_adjust
   <chr>       <mth> <dbl> <dbl>    <dbl>  <dbl>         <dbl>
 1 clasica 0001 ene.   742   NA     0.759 NA              977.
 2 clasica 0001 feb.   697   NA     0.703 NA              992.
 3 clasica 0001 mar.   776   NA     0.768 NA             1010.
 4 clasica 0001 abr.   898   NA     0.901 NA              997.
 5 clasica 0001 may.  1030   NA     1.12  NA              918.
 6 clasica 0001 jun.  1107   NA     1.14  NA              968.
 7 clasica 0001 jul.  1165  977.    1.16   1.03          1004.
 8 clasica 0001 ago.  1216  977.    1.22   1.02           996.
 9 clasica 0001 sep.  1208  977.    1.23   1.01           984.
10 clasica 0001 oct.  1131  978.    1.19   0.975          954.
# ℹ 50 more rows
autoplot(out_dcmp_comp_final)
Warning: Removed 6 rows containing missing values (`geom_line()`).

dat_desest_out_final <- out_dcmp_comp_final |> 
  select(index, season_adjust)

dat_desest_out_final |> 
  autoplot()+
  xlab("Años") +
  ggtitle("Datos desestacionalizados Outlier al final")
Plot variable not specified, automatically selected `.vars = season_adjust`

RESPUESTA

De igual forma al poner un outlier al fianl de la grafica nos puede contaminar tanto la tendencia como la estacionalidad, siendonos un poco más dificl poder analizar los datos, ya que todos los datos se ven afectos por un outlier.