Diagnóstico del modelo

Modelos ARIMA en Python

James Fulton

Climate informatics researcher

Introducción al diagnóstico del modelo

  • ¿Qué tal funciona el modelo final?
Modelos ARIMA en Python

Residuos

Modelos ARIMA en Python

Residuos

# Fit model
model = ARIMA(df, order=(p,d,q))
results = model.fit()

# Assign residuals to variable
residuals = results.resid

2013-01-23    1.013129
2013-01-24    0.114055
2013-01-25    0.430698
2013-01-26   -1.247046
2013-01-27   -0.499565
       ...         ...
Modelos ARIMA en Python

Error absoluto medio

¿A qué distancia están las predicciones de los valores reales?

mae = np.mean(np.abs(residuals))
Modelos ARIMA en Python

Gráficos de diagnóstico

Si el modelo ajusta bien, los residuos serán ruido gaussiano blanco

# Create the 4 diagostics plots
results.plot_diagnostics()
plt.show()

Modelos ARIMA en Python

Gráfico de residuos

Modelos ARIMA en Python

Gráfico de residuos

Modelos ARIMA en Python

Histograma y densidad estimada

Modelos ARIMA en Python

Normal Q-Q

Modelos ARIMA en Python

Correlograma

Modelos ARIMA en Python

Estadísticos de resumen

print(results.summary())

...
===================================================================================
Ljung-Box (Q):                       32.10   Jarque-Bera (JB):                 0.02
Prob(Q):                              0.81   Prob(JB):                         0.99
Heteroskedasticity (H):               1.28   Skew:                            -0.02
Prob(H) (two-sided):                  0.21   Kurtosis:                         2.98
===================================================================================
  • Prob(Q) - p-valor de la hipótesis nula de que los residuos no están correlacionados
  • Prob(JB) - p-valor de la hipótesis nula de que los residuos son normales
Modelos ARIMA en Python

¡Vamos a practicar!

Modelos ARIMA en Python

Preparing Video For Download...