Series de tiempo Versión 2
Análisis avanzado de series: descomposición en tendencia/estacionalidad/residuo, funciones de autocorrelación ACF y PACF, y pruebas de estacionariedad (ADF y KPSS) con herramienta de diferenciación.
Fundamentos
Descomposición: Yₜ = Tₜ + Sₜ + Rₜ (aditiva) o Yₜ = Tₜ·Sₜ·Rₜ (multiplicativa) — separa la tendencia (T), la estacionalidad (S) y el residuo (R).
ACF mide la correlación de la serie con sus rezagos; PACF la correlación "limpia" del efecto de rezagos intermedios. Guían la identificación de modelos AR/MA (Box-Jenkins).
Estacionariedad: muchos modelos exigen media y varianza constantes. ADF (H₀: raíz unitaria = no estacionaria) y KPSS (H₀: estacionaria) se complementan. Si no es estacionaria, se diferencia.
Manual de utilización del módulo
¿Qué hace este módulo? Analiza una serie de tiempo antes de modelarla: la descompone, mide su autocorrelación y prueba si es estacionaria.
¿Cómo se usa? Tres pestañas: «Descomposición» separa tendencia, estacionalidad y residuo; «ACF/PACF» muestra las autocorrelaciones; «Estacionariedad» corre las pruebas ADF y KPSS y permite diferenciar (d regular, D estacional).
¿Cómo se interpretan los resultados? En la descomposición, F_T y F_S cercanas a 1 indican tendencia/estacionalidad fuertes. En ACF/PACF, las barras que salen de las líneas punteadas son significativas. ADF: si rechaza → serie estacionaria; KPSS: si rechaza → NO estacionaria. Si no es estacionaria, diferencia y vuelve a probar.
Símbolos: T tendencia · S estacionalidad · R residuo · m período · ACF autocorrelación · PACF autocorrelación parcial · d, D órdenes de diferenciación.