Librerias

library(readxl)
library(writexl)
library(ggplot2)

Cargar datos

datos1=read_excel("Precios corrientes.xlsx", sheet = 2)
head(datos1,3)
## # A tibble: 3 × 1
##   Corriente
##       <dbl>
## 1      111.
## 2      144.
## 3      358.

Gráfico

d1s=ts(datos1,start = 1980,frequency = 1)
plot(d1s)

Interpretación

La grafica muestra que los precios de mercado del producto interno bruto (PIB), tienen una tendencia a subir entre los años 2010 al 2019 misma teniendo una pequeña caida por efectos del covid el año 2020 sin enbargo no muestra una serie estacionaria, pero si muestra un compórtamiento multiplcativo.

Pronóstico

d1sw=HoltWinters(d1s,gamma = F)
d1sp=predict(d1sw,3)
d1sp
## Time Series:
## Start = 2025 
## End = 2027 
## Frequency = 1 
##            fit
## [1,] 333284347
## [2,] 344375268
## [3,] 355466189
plot(d1sw,d1sp,main="PRECIOS DE MERCADO : 1980 : 2024")

Guardar datos

Periodo=seq(1980,2027,1)
Oferta_Millones=rbind(d1s,d1sp)
Dato=c(rep("Real",45),rep("Pronosticado",3))
Datos_Oferta=data.frame(Periodo,Oferta_Millones,Dato)
write_xlsx(Datos_Oferta,"datos_oferta.xlsx")

Ggplot2

ggplot(Datos_Oferta,
       aes(x=Periodo,y=Corriente,col=Dato))+
  geom_line()+
  geom_point()+
  theme_bw()

Interpretación

En el gráfico podemos observar cómo varía la variable del precio de mercado corriente a lo largo del periodo, disgregado por categorías de datos reflejado por colores diferentes, mismos nos sirven para identificar el comportamiento de la variable anteriormente mencionada.