Instalar paquetes y llamar librerías

# install.packages("forecast")
library (forecast)
## Registered S3 method overwritten by 'quantmod':
##   method            from
##   as.zoo.data.frame zoo

Crear serie de tiempo

produccionn <- c(19,18,15,20,18,22,20)
produccion_st <- ts(data = produccionn, start = c(2022, 2), frequency = 12)
produccion_st
##      Feb Mar Apr May Jun Jul Aug
## 2022  19  18  15  20  18  22  20

ARIMA: Modelo Autorregresivo Integrado de Media Móvil (AutoRegressive Integrated Moving Average) ARIMA (p,d,q) p : órden de auto-regresion d : órden de integració (diferenciación) q : órden del promedio móvil ¿Cuándo se usa? Cuando las estimaciones futuras se explican por los datos del pasado y no variables independientes. Ejemplo: Tipo de cambio

modelo <- auto.arima (produccion_st)
modelo
## Series: produccion_st 
## ARIMA(0,0,0) with non-zero mean 
## 
## Coefficients:
##          mean
##       18.8571
## s.e.   0.7674
## 
## sigma^2 = 4.81:  log likelihood = -14.89
## AIC=33.78   AICc=36.78   BIC=33.67
pronostico <- forecast (modelo, level=c(95), h=5)
pronostico
##          Point Forecast    Lo 95    Hi 95
## Sep 2022       18.85714 14.55882 23.15547
## Oct 2022       18.85714 14.55882 23.15547
## Nov 2022       18.85714 14.55882 23.15547
## Dec 2022       18.85714 14.55882 23.15547
## Jan 2023       18.85714 14.55882 23.15547
plot(pronostico)