Series temporales estacionales

Modelos ARIMA en Python

James Fulton

Climate informatics researcher

Datos estacionales

  • Presentan patrones previsibles y repetidos
  • Se repiten tras un periodo de tiempo
Modelos ARIMA en Python

Descomposición estacional

Modelos ARIMA en Python

Descomposición estacional

serie temporal = tendencia + estacionalidad + residual

Modelos ARIMA en Python

Descomposición estacional con statsmodels

# Importar
from statsmodels.tsa.seasonal import seasonal_decompose

# Descomponer los datos
decomp_results = seasonal_decompose(df['IPG3113N'], period=12)

type(decomp_results)

statsmodels.tsa.seasonal.DecomposeResult
Modelos ARIMA en Python

Descomposición estacional con statsmodels

# Graficar la descomposición
decomp_results.plot()
plt.show()

Modelos ARIMA en Python

Encontrar el periodo estacional con la ACF

Modelos ARIMA en Python

Identificar datos estacionales con la ACF

Modelos ARIMA en Python

Eliminar la tendencia de series temporales

# Restar la media móvil larga de N pasos
df = df - df.rolling(N).mean()

# Eliminar valores NaN
df = df.dropna()

Modelos ARIMA en Python

Identificar datos estacionales con la ACF

# Crear figura
fig, ax = plt.subplots(1,1, figsize=(8,4))

# Graficar la ACF
plot_acf(df.dropna(), ax=ax, lags=25, zero=False)
plt.show()

Modelos ARIMA en Python

Modelos ARIMA y datos estacionales

Modelos ARIMA en Python

¡Vamos a practicar!

Modelos ARIMA en Python

Preparing Video For Download...