Marcos Matabuena
02/08/2015
En este documento vamos a mostrar como realizar un estudio de una serie de tiempo con R y como llevar a cabo tareas de predicción. Esta tarea la vamos a dividir en 7 partes:
Generamos 48 datos del proceso \(Y_{n}=Y_{n-1}+\epsilon\) con \(Y_{1}=100\) y \(\epsilon\in N(0,1)\). Nuestro objetivo es crear un objeto ts en el cual tengamos los datos ordenados desde el año 2006 hasta el 2010 por mes.
y= numeric(48)
y[1]=100
for(i in 2:length(y)){ y[i]= y[i-1]+rnorm(1)}
ts(y,start=c(2006,1),frequency=12)
## Jan Feb Mar Apr May Jun Jul
## 2006 100.00000 100.54481 101.08724 98.84089 99.77808 100.76862 101.41655
## 2007 102.38785 100.82680 101.56864 102.90660 102.82535 102.99152 100.86835
## 2008 101.87585 102.81330 102.49812 103.09345 102.25418 101.24831 100.56760
## 2009 99.38419 99.46777 99.87176 97.81726 99.08684 100.53795 101.18474
## Aug Sep Oct Nov Dec
## 2006 101.81910 102.40154 103.02585 103.11651 102.84790
## 2007 100.95522 100.59207 100.30942 101.70652 101.94251
## 2008 99.22154 98.34958 100.16898 99.83824 99.01799
## 2009 100.94120 101.69817 103.46463 103.45998 103.32934
plot(datos,type="l")
Como vemos, hemos creado una salida grafica con el exe x ordenado secuencialmente en el tiempo.
summary(cars)
## speed dist
## Min. : 4.0 Min. : 2.00
## 1st Qu.:12.0 1st Qu.: 26.00
## Median :15.0 Median : 36.00
## Mean :15.4 Mean : 42.98
## 3rd Qu.:19.0 3rd Qu.: 56.00
## Max. :25.0 Max. :120.00