AirPassengers

Introducción

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") #Para generar gráficas con mejor diseño
library(ggplot2)

#install.packages("forecast") #Para revisar tendencias y generar pronósticos.
library(forecast)

Importar base de datos

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

Identificar patrones o tendencias

Los 4 componentes de las series de tiempo son:

Tendencia:Aumento en las ventes de una tienda en línea debido al crecimiento del comercio electrónico. Ciclo: Las fluctuaciones de las ventas de los automoviles a lo largo de los ciclos economicos Patrón estacional: Aumento en las ventas de los juguetes durante ka navidad Aleatorio: 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="Número de Pasajeros Aéreos Internacionales", x= "Año", y="Número")

## 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 gráfica anterior que la base de datos tiene tendencia creciente y patrón estacional.

Generar pronóstico

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

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

#Graficar datos históricos y el pronóstico
autoplot(pronostico)+
  geom_line(color="darkgreen")+
  labs(title="Número de Pasajeros Aéreos Internacionales", x= "Año", y="Número")

#Generar predicción para un mes en específico
df_prediccion <- data.frame(Fecha=time(pronostico$mean), Prediccion=as.numeric(pronostico$mean))
df_prediccion[df_prediccion$Fecha==1961.0, ] #Enero de 1961

##   Fecha Prediccion
## 1  1961   445.6349