Series Temporales: ARIMA/SARIMA (Box-Jenkins)¶
Analisis completo de series temporales siguiendo la metodologia Box-Jenkins, desde la identificacion del modelo hasta el pronostico con intervalos de confianza.
Contenido¶
El dashboard presenta 6 pestanas interactivas:
| Pestana | Contenido |
|---|---|
| Serie Original | Pasajeros aereos mensuales 1949-1960 (144 observaciones) |
| Descomposicion | Tendencia + Estacionalidad + Residuo (multiplicativa) |
| ACF / PACF | Autocorrelacion y autocorrelacion parcial de la serie diferenciada |
| Diagnostico | Residuos, histograma, ACF residual, Q-Q plot |
| Pronostico Final | Serie original + ajuste SARIMA + forecast 12 meses + IC 95% |
| Metricas Radar | RMSE, MAE, MAPE, R2 del modelo |
Metodologia Box-Jenkins¶
- Identificacion: ACF/PACF para determinar ordenes (p, d, q)(P, D, Q)[s]
- Estimacion: Ajuste por maxima verosimilitud
- Diagnostico: Tests de Ljung-Box, Jarque-Bera sobre residuos
- Pronostico: Forecast con intervalos de confianza al 95%
Modelo seleccionado: SARIMA(1,1,0)(0,1,0)[12] — AIC = -445.41
---
Codigo fuente¶
- Script completo:
ejercicios/04_machine_learning/07_series_temporales_arima/ - Guia teorica:
07_series_temporales_arima/README.md