⸻
title: “Series de tiempo: Extracción de señales y Modelo ARIMA” author: “Felipe Urbano” date: “2026-05-11” output: html_document: toc: true toc_float: true theme: flatly df_print: kable
knitr::opts_chunk$set(echo = TRUE, results = “show”, message = FALSE, warning = FALSE)
Introducción
En este informe, se realizará un análisis de series temporales: 1) Extracción de señales o descomposición de series temporales y 2) Pronóstico del número de microempresas nuevas en Cali. El periodo de análisis es desde el primer trimestre de 2004 (1T2004) y el cuarto trimestre de 2024 (4T2024).
El análisis de series temporales permite identificar patrones subyacentes en los datos, como tendencias, estacionalidad y componentes irregulares, lo que facilita una mejor comprensión del comportamiento de la variable a analizar. Para ello, se emplearán técnicas estadísticas o métodos de descomposición y el Modelo ARIMA con el fin de extraer información clave que pueda contribuir a la toma de decisiones estratégicas.
A lo largo del informe, se presentarán los resultados obtenidos y se discutirán sus implicaciones en el contexto empresarial de Cali.
Puntualmente, el análisis de la creación de microempresas en Cali es clave para la planificación económica y la toma de decisiones estratégicas. Identificar patrones y tendencias en estos datos ayuda a mejorar las condiciones para los emprendedores y fortalecer el desarrollo económico local.
Análisis exploratorio de la variable
library(readxl) library(tseries) library(forecast) library(ggplot2) library(plotly) library(timetk)
Cargar base de datos
data_col <- read_excel(“MICRO.xlsx”, col_types = c(“date”, “numeric”))
Declarar la serie temporal
micro_ts <- ts(data_col$MICRO, start = c(2004, 1), frequency = 4) micro_ts
Estadísticas descriptivas
descriptive_stats <- data.frame( Min = min(micro_ts), Max = max(micro_ts), Media = mean(micro_ts), Mediana = median(micro_ts), DesviacionEstandar = sd(micro_ts), CoefVar = sd(micro_ts) / mean(micro_ts) ) print(descriptive_stats)
Serie temporal original
grafico_serie <- ggplot(data_col, aes(x = seq.Date(from = as.Date(“2004-01-