Análisis exploratorio de los datos

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   3.5.1     ✔ tibble    3.2.1
## ✔ lubridate 1.9.4     ✔ tidyr     1.3.1
## ✔ 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(skimr)
library(fpp3)

## Registered S3 method overwritten by 'tsibble':
##   method               from 
##   as_tibble.grouped_df dplyr
## ── Attaching packages ──────────────────────────────────────────── fpp3 1.0.1 ──
## ✔ tsibble     1.1.6     ✔ feasts      0.4.1
## ✔ tsibbledata 0.4.1     ✔ fable       0.4.1
## ── 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()

Cargue de datos

Se cargan los datos correspondientes cambiando el nombre de las columnas según la variable correspondiente.

Conversión de data.frame a time serie

### Dique 

ts_dique = dique %>% 
  mutate(fecha = as.Date(paste(año, mes, dia, sep = "-"), format = "%Y-%m-%d")) %>% 
  select(fecha, altura) %>% 
  as_tsibble(index = fecha)

### Guajaro

ts_guajaro = guajaro %>% 
  mutate(fecha = as.Date(paste(año, mes, dia, sep = "-"), format = "%Y-%m-%d")) %>% 
  select(fecha, altura) %>% 
  as_tsibble(index = fecha)

### Inkora

ts_inkora = inkora %>% 
  mutate(fecha = as.Date(paste(año, mes, dia, sep = "-"), format = "%Y-%m-%d")) %>% 
  select(fecha, altura) %>% 
  as_tsibble(index = fecha)

Incompletitud en la secuencia temporal

Los datos presentan incosistencias temporales en la fecha y su contituidad. Es decir, la serie temporal no es continua ya que salta periodos de tiempo. Para solucionar esto se emplea un código que asigna la fecha que sigue la secuecuencia siguiendo el orden cronológico correcto y asina a la columna de altura un NA.

## Secuencia adecuada 

## Dique 

ts_dique = ts_dique %>% 
  fill_gaps()

## Guajaro

ts_guajaro = ts_guajaro %>% 
  fill_gaps()


## Inkora

ts_inkora = ts_inkora %>% 
  fill_gaps()

Dique

Estadísticas generales

skim(ts_dique$altura)

Data summary
Name	ts_dique$altura
Number of rows	13516
Number of columns	1
_______________________
Column type frequency:
numeric	1
________________________
Group variables	None

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
data	4292	0.68	398.5	132.59	0	318	414	500	704	▁▂▇▇▁

Series de tiempo

Serie de tiempo diaría

ts_dique %>% 
  autoplot(altura)

Doble de las desviaciones estándar

ts_dique_sd <- ts_dique %>%
    mutate(
    sd_altura = sd(altura, na.rm = TRUE)
  ) %>%
  as_tsibble(index = fecha)

ggplot(ts_dique_sd, aes(x = fecha, y = altura)) +
  geom_line(color = "blue") +  # Línea de la media
  geom_ribbon(aes(ymin = altura, ymax = altura + 2 * sd_altura),
              fill = "blue", alpha = 0.2) +  # Banda de 2 SD por arriba
  labs(x = "fecha [1D]", y = "Altura ± 2 SD") +
  theme_grey()

Serie de tiempo mensual

ts_dique %>% 
  mutate(Mes = yearmonth(fecha)) %>%  
  index_by(Mes) %>%  
  summarise(altura = mean(altura)) %>%  
  as_tsibble(index = Mes) %>% 
  autoplot(altura)

Serie de tiempo anual

ts_dique %>% 
  mutate(año = year(fecha)) %>%  
  index_by(año) %>%  
  summarise(altura = mean(altura, na.rm = TRUE)) %>%  
  as_tsibble(index = año) %>% 
  autoplot(altura)+
  geom_smooth(method = "lm", se = FALSE, formula = 'y ~ x')

## Warning: Removed 5 rows containing non-finite outside the scale range
## (`stat_smooth()`).

Box plot mensual

ts_dique %>% 
  mutate(mes = month(fecha, label = TRUE)) %>% 
  index_by(mes) %>% 
  ggplot(aes(x = mes, y = altura)) +
  geom_boxplot()

## Warning: Removed 4292 rows containing non-finite outside the scale range
## (`stat_boxplot()`).

Distribución de la altura del canal

ts_dique%>% 
  ggplot(aes(x = altura,)) +
  geom_histogram(fill = "lightblue", colour = "grey60", bins = 15) +
  labs(
    x = "Altura (m)", 
    y = "Frecuencia"
  )

## Warning: Removed 4292 rows containing non-finite outside the scale range
## (`stat_bin()`).

Guajaro

Estadísticas generales

skim(ts_guajaro$altura)

Data summary
Name	ts_guajaro$altura
Number of rows	7794
Number of columns	1
_______________________
Column type frequency:
numeric	1
________________________
Group variables	None

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
data	1197	0.85	397.64	69.52	200	353	401	448	587	▁▅▇▆▁

Series de tiempo

Serie de tiempo diaría

ts_guajaro %>% 
  autoplot(altura)

Doble de las desviaciones estándar

ts_guajaro_sd <- ts_guajaro %>%
    mutate(
    sd_altura = sd(altura, na.rm = TRUE)
  ) %>%
  as_tsibble(index = fecha)

ggplot(ts_guajaro_sd, aes(x = fecha, y = altura)) +
  geom_line(color = "blue") +  # Línea de la media
  geom_ribbon(aes(ymin = altura, ymax = altura + 2 * sd_altura),
              fill = "blue", alpha = 0.2) +  # Banda de 2 SD por arriba
  labs(x = "fecha [1D]", y = "Altura ± 2 SD") +
  theme_grey()

Serie de tiempo mensual

ts_guajaro %>% 
  mutate(Mes = yearmonth(fecha)) %>%  
  index_by(Mes) %>%  
  summarise(altura = mean(altura)) %>%  
  as_tsibble(index = Mes) %>% 
  autoplot(altura)

Serie de tiempo anual

ts_guajaro %>% 
  mutate(año = year(fecha)) %>%  
  index_by(año) %>%  
  summarise(altura = mean(altura, na.rm = TRUE)) %>%  
  as_tsibble(index = año) %>% 
  autoplot(altura)+
  geom_smooth(method = "lm", se = FALSE, formula = 'y ~ x')

## Warning: Removed 1 row containing non-finite outside the scale range
## (`stat_smooth()`).

Box plot mensual

ts_guajaro %>% 
  mutate(mes = month(fecha, label = TRUE)) %>% 
  index_by(mes) %>% 
  ggplot(aes(x = mes, y = altura)) +
  geom_boxplot()

## Warning: Removed 1197 rows containing non-finite outside the scale range
## (`stat_boxplot()`).

Distribución de la altura del canal

ts_guajaro%>% 
  ggplot(aes(x = altura,)) +
  geom_histogram(fill = "lightblue", colour = "grey60", bins = 15) +
  labs(
    x = "Altura (m)", 
    y = "Frecuencia"
  )

## Warning: Removed 1197 rows containing non-finite outside the scale range
## (`stat_bin()`).

Inkora

Estadísticas generales

skim(ts_inkora$altura)

Data summary
Name	ts_inkora$altura
Number of rows	11689
Number of columns	1
_______________________
Column type frequency:
numeric	1
________________________
Group variables	None

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
data	1180	0.9	528	158.31	73	420	533	648	896	▁▃▇▇▂

Series de tiempo

Serie de tiempo diaría

ts_inkora %>% 
  autoplot(altura)

Doble de las desviaciones estándar

ts_ikara_sd <- ts_guajaro %>%
    mutate(
    sd_altura = sd(altura, na.rm = TRUE)
  ) %>%
  as_tsibble(index = fecha)

ggplot(ts_ikara_sd, aes(x = fecha, y = altura)) +
  geom_line(color = "blue") +  # Línea de la media
  geom_ribbon(aes(ymin = altura, ymax = altura + 2 * sd_altura),
              fill = "blue", alpha = 0.2) +  # Banda de 2 SD por arriba
  labs(x = "fecha [1D]", y = "Altura ± 2 SD") +
  theme_grey()

Serie de tiempo mensual

ts_inkora %>% 
  mutate(Mes = yearmonth(fecha)) %>%  
  index_by(Mes) %>%  
  summarise(altura = mean(altura)) %>%  
  as_tsibble(index = Mes) %>% 
  autoplot(altura)

Serie de tiempo anual

ts_inkora %>% 
  mutate(año = year(fecha)) %>%  
  index_by(año) %>%  
  summarise(altura = mean(altura, na.rm = TRUE)) %>%  
  as_tsibble(index = año) %>% 
  autoplot(altura)+
  geom_smooth(method = "lm", se = FALSE, formula = 'y ~ x')

Box plot mensual

ts_inkora %>% 
  mutate(mes = month(fecha, label = TRUE)) %>% 
  index_by(mes) %>% 
  ggplot(aes(x = mes, y = altura)) +
  geom_boxplot()

## Warning: Removed 1180 rows containing non-finite outside the scale range
## (`stat_boxplot()`).

Distribución de la altura del canal

ts_inkora%>% 
  ggplot(aes(x = altura,)) +
  geom_histogram(fill = "lightblue", colour = "grey60", bins = 15) +
  labs(
    x = "Altura (m)", 
    y = "Frecuencia"
  )

## Warning: Removed 1180 rows containing non-finite outside the scale range
## (`stat_bin()`).

Dique, Guajaro, Inkora

Serie de tiempo

ts_estaciones = ts_dique %>%
  left_join(ts_guajaro, by = "fecha") %>%
  left_join(ts_inkora, by = "fecha") %>%
  as_tsibble(index = fecha) %>% 
  rename(
    dique = altura.x, 
    guajaro = altura.y,
    inkora = altura
  ) %>% 
  pivot_longer(cols = c(dique, guajaro, inkora), names_to = "estacion", values_to = "altura")

ts_estaciones %>% 
  filter(fecha < as.Date("2010-01-01")) %>% 
  autoplot(na.rm = FALSE)

## Plot variable not specified, automatically selected `.vars = altura`

## Warning: Removed 2841 rows containing missing values or values outside the scale range
## (`geom_line()`).

Series de tiempo de diques

Miguel Cabrera

2025-02-19

Análisis exploratorio de los datos

Cargue de datos

Conversión de data.frame a time serie

Incompletitud en la secuencia temporal

Dique

Estadísticas generales

Series de tiempo

Serie de tiempo diaría

Doble de las desviaciones estándar

Serie de tiempo mensual

Serie de tiempo anual

Box plot mensual

Distribución de la altura del canal

Guajaro

Estadísticas generales

Series de tiempo

Serie de tiempo diaría

Doble de las desviaciones estándar

Serie de tiempo mensual

Serie de tiempo anual

Box plot mensual

Distribución de la altura del canal

Inkora

Estadísticas generales

Series de tiempo

Serie de tiempo diaría

Doble de las desviaciones estándar

Serie de tiempo mensual

Serie de tiempo anual

Box plot mensual

Distribución de la altura del canal

Dique, Guajaro, Inkora

Serie de tiempo