EmpezarEmpieza gratis

Pronosticar con modelos ARIMA

El método automático del ejercicio anterior eligió un modelo ARIMA(0,1,1) con deriva para los datos de austa, es decir, \(y_t = c + y_{t-1} + \theta e_{t-1} + e_t.\) Ahora vas a experimentar con varios modelos ARIMA adicionales para ver cómo cambian los pronósticos.

La función Arima() se puede usar para seleccionar un modelo ARIMA específico. Su primer argumento, order, se establece con un vector que especifica los valores de \(p\), \(d\) y \(q\). El segundo argumento, include.constant, es un booleano que determina si debe incluirse la constante \(c\), o deriva. A continuación tienes un ejemplo de una tubería que trazaría los pronósticos de usnetelec a partir de un modelo ARIMA(2,1,2) con deriva:

> usnetelec %>%
    Arima(order = c(2,1,2), include.constant = TRUE) %>%
    forecast() %>%
    autoplot()

En los ejemplos, fíjate en cómo los distintos modelos afectan a los pronósticos y a los intervalos de predicción. Los datos de austa están listos para que los uses en tu espacio de trabajo.

Este ejercicio forma parte del curso

Forecasting en R

Ver curso

Instrucciones del ejercicio

  • Dibuja los pronósticos de un modelo ARIMA(0,1,1) sin deriva.
  • Dibuja los pronósticos de un modelo ARIMA(2,1,3) con deriva.
  • Dibuja los pronósticos de un modelo ARIMA(0,0,1) con constante.
  • Dibuja los pronósticos de un modelo ARIMA(0,2,1) sin constante.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Plot forecasts from an ARIMA(0,1,1) model with no drift
austa %>% Arima(order = c(___, ___, ___), include.constant = ___) %>% ___ %>% ___

# Plot forecasts from an ARIMA(2,1,3) model with drift
austa %>% Arima(___, ___) %>% ___ %>% ___

# Plot forecasts from an ARIMA(0,0,1) model with a constant
austa %>% Arima(___, ___) %>% ___ %>% ___

# Plot forecasts from an ARIMA(0,2,1) model with no constant
austa %>% Arima(___, ___) %>% ___ %>% ___
Editar y ejecutar código