Airpassengers

La base de datoss AirPassengers contiene el número mensual de pasejeros aéreos internacionales entre 1949 y 1960 (144 observaciones mensuales).
Esta base de datos es ampliamente utilizada para el análisis de series de tiempo, reflejando el crecimiento de la industria de la aviación comercial después de la Segunda Guerra Mundial.

Instalar paqueter y llamar librerias

# install.packages("ggplot2")
library(ggplot2)
# install.packages("forecast")
library(forecast)

## Registered S3 method overwritten by 'quantmod':
##   method            from
##   as.zoo.data.frame zoo

df <- as.data.frame(AirPassengers)
serie_de_tiempo <- AirPassengers

Identificar patrones o tendencias

Los 4 componentes de las series de tiempo son:

• Tendencia: Ej. Aumento en las ventas de una tienda en línea debido al crecimiento del comercio electrónico.
• Ciclo: Ej. Las fluctuaciones en las ventas de automóviles a lo largo de los ciclos económicos (expansión y recesión).
• Patrón Estacional: Ej. Aumento de ventas de juguetes durante la navidad.
• Aleatorio: Ej. Caída de las ventas por un desastre natural.

ggplot(df, aes(x=time(serie_de_tiempo), y = serie_de_tiempo))+
        geom_line(color="darkgreen")+
        labs(title = "Pasajero Aéreos Internacionales", x = "Año", y = "Pasajeros")

## Don't know how to automatically pick scale for object of type <ts>. Defaulting
## to continuous.
## Don't know how to automatically pick scale for object of type <ts>. Defaulting
## to continuous.

Podemos concluir de la gráfiac anterior que la base de datos tiene tendencia creciente y patrón estacional.

Generar pronósticos

# Ajuste del modelo
modelo <- auto.arima(serie_de_tiempo)

# Realizar pronóstico a 12 meses
pronóstico <- forecast(modelo, h=12)

# Graficar datos históricos y el pronóstico
autoplot(pronóstico) + labs(title = "Pasajero Aéreos Internacionales", x = "Año", y = "Pasajeros")

# Generar prediccíon para un mes en específico
df_predicción <- data.frame(Fecha=time(pronóstico$mean), Prediccion=as.numeric(pronóstico$mean))

df_predicción[df_predicción$Fecha == 1961.0, ] # Enero de 1961

##   Fecha Prediccion
## 1  1961   445.6349