EmpezarEmpieza gratis

Gráficos de series temporales

El primer paso en cualquier análisis de datos es representar los datos. Los gráficos te permiten visualizar muchas características, como patrones, observaciones inusuales, cambios a lo largo del tiempo y relaciones entre variables. Igual que el tipo de datos determina qué método de forecasting usar, también define qué gráficos son adecuados.

Puedes usar la función autoplot() para crear un gráfico temporal de los datos con o sin facetas, es decir, paneles que muestran distintos subconjuntos de datos:

> autoplot(usnim_2002, facets = FALSE)

El método anterior es uno de los muchos de este curso que aceptan argumentos booleanos. Tanto T como TRUE significan «verdadero», y F y FALSE significan «falso». Sin embargo, T y F pueden sobrescribirse en tu código. Por lo tanto, durante el curso deberías confiar solo en TRUE y FALSE para fijar tus indicadores.

Usarás dos funciones más en este ejercicio, which.max() y frequency().
which.max() se puede usar para identificar el índice más pequeño del valor máximo.

> x <- c(4, 5, 5)
> which.max(x)
[1] 2

Para encontrar el número de observaciones por unidad de tiempo, usa frequency(). Recuerda los datos usnim_2002 del ejercicio anterior:

> frequency(usnim_2002)
[1] 4

Como en este curso usarás los paquetes forecast y ggplot2, ya se han cargado en tu espacio de trabajo, junto con myts del ejercicio anterior y las tres series siguientes (disponibles en el paquete forecast):

  • gold, que contiene precios del oro en dólares estadounidenses
  • woolyrnq, que contiene información sobre la producción de hilo de lana en Australia
  • gas, que contiene la producción de gas en Australia

Este ejercicio forma parte del curso

Forecasting en R

Ver curso

Instrucciones del ejercicio

  • Representa los datos que guardaste como myts usando autoplot() con facetas.
  • Representa los mismos datos sin facetas estableciendo el argumento correspondiente en FALSE. ¿Qué ocurre?
  • Representa las series temporales gold, woolyrnq y gas en gráficos separados.
  • Usa which.max() para detectar el valor atípico en la serie gold. ¿Qué observación fue?
  • Aplica la función frequency() a cada serie para obtener el número de observaciones por unidad de tiempo. Por ejemplo, esto devolvería 52 para datos semanales.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Plot the data with facetting
autoplot(___, facets = ___)

# Plot the data without facetting
___

# Plot the three series
autoplot(___)
___
___

# Find the outlier in the gold series
goldoutlier <- ___(___)

# Look at the seasonal frequencies of the three series
frequency(___)
___
___
Editar y ejecutar código