Requerimientos y pruebas que se deben cumplir para considerar que la descomposición de la serie de tiempo Cl_ts es adecuada.

Dado que Cl_ts tiene 3 lecturas diarias, la frecuencia debe ser parametrizada como 1095 (365 días x 3 lecturas) observaciones por año.

# Asignar la frecuencia correcta a la serie de tiempo
#frequency(Cl_ts) <- 1095

• Propósito: Verificar si los datos siguen una distribución normal.

• Criterio de Aceptación: Si el p-valor > 0.05, se acepta la hipótesis nula de que los datos siguen una distribución normal.

• Resultados:

## 
##  Shapiro-Wilk normality test
## 
## data:  Cl_ts
## W = 0.86417, p-value < 2.2e-16

• Propósito: Comparar la distribución de los datos con una distribución normal.

• Criterio de Aceptación: Si el p-valor > 0.05, los datos no difieren significativamente de una distribución normal.

• Resultados:

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  Cl_ts
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

• Propósito: Evaluar si una serie temporal es estacionaria.

• Criterio de Aceptación: Si el p-valor < 0.05, se rechaza la hipótesis nula de que la serie tiene una raíz unitaria (no estacionaria).

• Resultado:

## 
##  Augmented Dickey-Fuller Test
## 
## data:  Cl_ts
## Dickey-Fuller = -8.0229, Lag order = 13, p-value = 0.01
## alternative hypothesis: stationary

• Propósito: Verificar si una serie temporal es estacionaria en torno a un nivel (media constante).

• Criterio de Aceptación: Si el p-valor > 0.05, se acepta la hipótesis nula de que la serie es estacionaria.

• Resultado:

## 
##  KPSS Test for Level Stationarity
## 
## data:  Cl_ts
## KPSS Level = 2.0245, Truncation lag parameter = 8, p-value = 0.01

• Propósito: Evaluar si las lecturas de un modelo de regresión tienen varianza constante (homocedasticidad).
• Criterio de Aceptación: Si el p-valor > 0.05, se acepta la hipótesis nula de homocedasticidad.
• Resultado:

## 
##  studentized Breusch-Pagan test
## 
## data:  modelo
## BP = 12.605, df = 1, p-value = 0.0003847

• Propósito: Evaluar la consistencia relativa de las mediciones.

• Criterio de Aceptación: Un CV < 0.10 (10%) generalmente indica una alta consistencia de las mediciones.

• Resultado:

## [1] 0.8780593

• Propósito: Evaluar si las diferencias entre grupos de datos son significativas.
• Criterio de Aceptación: Si el p-valor < 0.05, se concluye que existen diferencias significativas entre los grupos.
• Resultados:

• Propósito: Verificar si los registros de una serie temporal son independientes (no autocorrelacionados).

• Criterio de Aceptación: Si el p-valor > 0.05, se acepta la hipótesis nula de no autocorrelación en los residuos.

• Resultados:

## 
##  Box-Ljung test
## 
## data:  Cl_ts
## X-squared = 1265, df = 20, p-value < 2.2e-16

El análisis de residuos permite …

• Propósito: Verificar si los registros de una serie temporal son independientes (no autocorrelacionados).

• Criterio de Aceptación: Si el p-valor > 0.05, se acepta la hipótesis nula de no autocorrelación en los residuos.

• Resultados:

## 
##  Box-Ljung test
## 
## data:  residuos
## X-squared = 1050, df = 20, p-value < 2.2e-16

• Propósito: Evaluar si los residuos de un modelo siguen una distribución normal.

• Criterio de Aceptación: Si el p-valor > 0.05, se acepta la hipótesis nula de que los residuos son normalmente distribuidos.

• Resultado:

## 
##  Jarque Bera Test
## 
## data:  residuos
## X-squared = 10087, df = 2, p-value < 2.2e-16

• Propósito: Evaluar si las lecturas de un modelo de regresión tienen varianza constante (homocedasticidad).
• Criterio de Aceptación: Si el p-valor > 0.05, se acepta la hipótesis nula de homocedasticidad.
• Resultado:

## 
##  studentized Breusch-Pagan test
## 
## data:  x ~ z
## BP = 7.5761, df = 1, p-value = 0.005915

• Propósito: Verificar la presencia de no linealidad en una serie temporal.
• Criterio de Aceptación: Si el p-valor > 0.05, se acepta la hipótesis nula de no linealidad.
• Resultado:

## List of 1
##  $ p.values: num [1:33] 9.21e-15 0.00 0.00 0.00 0.00 ...