Estadística Avanzada

FORMULARIO - Segunda Parcial

1 Preparación del entorno

1.1 Instalación paquetes necesarios

# Instalamos los paquetes necesarios
install.packages("tidyverse")
install.packages("lubridate")
install.packages("forecast")
install.packages("tsibble")
install.packages("ggplot2")

1.2 Activar los paquetes

# Activamos los paquetes
library(tidyverse)
library(lubridate)
library(forecast)
library(tsibble)
library(ggplot2)

2 Análisis de Series de tiempo

2.1 Visualización de los datos

base_datos %>%
  ggplot(aes(x = fechas, y = Variable)) +
  geom_line(color = "darkblue") +
  labs(title = "Título", x = "Fecha", y = "Variable")

2.2 Conversión a serie de tiempo

temp_ts <- ts(base_datos$variable, start = c(año, 1), frequency = 12)

2.3 Descomposición

descomp_temp <- decompose(temp_ts)
plot(descomp_temp)

2.4 Ajuste del modelo ETS

modelo_temp_ets <- ets(temp_ts)
summary(modelo_temp_ets)

2.5 Pronóstico con ETS

pronostico_ets <- forecast(modelo_temp_ets, h = 12)
plot(pronostico_ets)

2.6 Ajuste del modelo ARIMA

modelo_temp_arima <- auto.arima(temp_ts)
summary(modelo_temp_arima)

2.7 Pronóstico con ARIMA

pronostico_arima <- forecast(modelo_temp_arima, h = 12)
plot(pronostico_arima)

2.8 Comparación de modelos ETS vs ARIMA

A continuación se presenta una comparación de los principales criterios de información entre los modelos:

Modelo	AIC	AICc	BIC
ETS(A,N,A)
ARIMA (auto)

Conclusión:

3 Números índices

3.1 Índice de precio

precio_anterior <-  # <- Colocar el precio
precio_actual <-  # <- Colocar el precio
indice_precio <- (precio_actual / precio_anterior) * 100
indice_precio

3.2 Precio relativo

precio_relativo <- precio_actual / precio_anterior
precio_relativo

3.3 Cadenas relativas

cadena <- c( , , , ) # <- Colocar los valores
indice_encadenado <- cumprod(cadena / 100) * 100
indice_encadenado

3.4 Cambio de periodo de base

indice_viejo <- c( , , ) # <- Colocar los valores
nuevo_base <-  # <- Colocar el valor base
indice_nuevo_base <- (indice_viejo / nuevo_base) * 100
indice_nuevo_base

3.5 Fusión de dos series de número índice

serie1 <- c( ,  ,  ) # <- Colocar los valores
serie2 <- c( ,  ,  ) # <- Colocar los valores
ajuste <- serie1[ ] / serie2[ ] # <- Indicar las referencias en los []
serie2_ajustada <- serie2 * ajuste
serie2_ajustada

3.6 Índices de precios al consumidor (IPC)

precios_anterior <- c( ,  ,  ) # <- Colocar los valores
precios_actual <- c( ,  ,  ) # <- Colocar los valores
pesos <- c( ,  ,  ) # <- Colocar los pesos

ipc <- sum((precios_actual / precios_anterior) * pesos) * 100
ipc

3.7 Poder de compra y deflación de los valores

valor_nominal <-  # <- Colocar el valor
indice_precio <-  # <- Colocar el valor
valor_real <- valor_nominal / (indice_precio / 100)
valor_real

3.8 Análisis de tendencia

anios <-  :  # <- Colocar los años
precios <- c( ,  ,  ,  ,  ) # <- Colocar los precios
df <- data.frame(anios, precios)

modelo <- lm(precios ~ anios, data = df)
summary(modelo)

plot <- ggplot(df, aes(x = anios, y = precios)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE) +
  labs(title = "Tendencia de Precios", x = "Año", y = "Índice")
plot