Investigarás la naturaleza de los datos de series temporales y aprenderás los fundamentos de los modelos ARMA que pueden explicar el comportamiento de estos datos. Aprenderás los comandos básicos de R necesarios para preparar datos de series temporales en bruto y dejarlos listos para analizarlos con modelos ARMA.

Lo primero de todo

Jugar con los datos

Elementos de series temporales

Estacionariedad y no estacionariedad

Diferenciación

Eliminar la tendencia de los datos

Cómo tratar la tendencia y la heterocedasticidad

Series temporales estacionarias: ARMA

Simulación de modelos ARMA

Datos y modelos de series temporales

Descubrirás el apasionante mundo de los modelos ARMA y cómo ajustarlos a datos de series temporales. Aprenderás a identificar un modelo, elegir el modelo adecuado y verificarlo una vez lo ajustes a los datos. También aprenderás a usar comandos de series temporales de R de los paquetes stats y astsa.

Modelos AR y MA

Ajuste de un modelo AR(1)

Ajustar un modelo AR(2)

Ajuste de un modelo MA(1)

AR y MA juntos

Ajuste de un modelo ARMA

Identifica un modelo ARMA

Elección del modelo y análisis de residuos

Elección de modelo - I

Elección de modelo - II

Análisis de residuos - I

Análisis de residuos - II

Entra ARMA

Ajuste de modelos ARMA

Ahora que ya sabes ajustar modelos ARMA a series temporales estacionarias, aprenderás sobre los modelos ARMA integrados (ARIMA) para series temporales no estacionarias. Ajustarás los modelos a datos reales usando comandos de series temporales de R de los paquetes stats y astsa.

ARIMA - ARMA integrado

ARIMA - plug and play

ARIMA simulado

Calentamiento global

Diagnóstico de ARIMA

Diagnóstico: sobreajuste simulado

Diagnósticos - temperaturas globales

Pronóstico con ARIMA

Pronóstico con ARIMA simulado

Pronosticar temperaturas globales

Modelos ARIMA

Aprenderás a ajustar y a pronosticar series temporales estacionales usando modelos ARIMA estacionales. Lo harás aplicando lo que has aprendido en los capítulos anteriores y ampliando los comandos de series temporales de R disponibles en los paquetes stats y astsa.

Modelos estacionales puros

P/ACF de modelos estacionales puros

Ajusta un modelo puramente estacional

Modelos estacionales mixtos

Ajusta un modelo estacional mixto

Análisis de datos - desempleo I

Análisis de datos - desempleo II

Análisis de datos: precios de materias primas

Análisis de datos - tasa de natalidad

Pronosticar con ARIMA estacional

Previsión del desempleo mensual

¿Qué tan difícil es pronosticar los precios de las materias primas?

¡Enhorabuena!

ARIMA estacional

En este curso, te convertirás en un experto en ajustar modelos ARIMA a series temporales con R. Primero, explorarás la naturaleza de los datos de series temporales usando las herramientas del paquete stats de R. Después, aprenderás a ajustar distintos modelos ARMA a datos simulados (donde conocerás el modelo correcto) usando el paquete astsa de R. Una vez domines lo básico, verás cómo ajustar modelos ARMA integrados, o modelos ARIMA, a varios conjuntos de datos reales. Aprenderás a comprobar la validez de un modelo ARIMA y a realizar predicciones de series temporales. Por último, aprenderás a ajustar modelos ARIMA estacionales, incluida la elaboración de pronósticos con el paquete astsa.

Time Series Analysis in R

En este curso, aprenderás a ajustar modelos ARIMA a series temporales con R, usando datos simulados.

Modelos ARIMA en R

Conviértete en un experto en la aplicación de modelos ARIMA (media móvil integrada autorregresiva) a datos de series temporales utilizando R.

Analista cuantitativo  en R

Series temporales  in R

Elección de modelo - II

Modelos ARIMA en R

Ejercicio interactivo práctico