como para decidir que lo va ajustar aun sarima((p,q,r) sin haber primero visto el afc parece que ya supieras a cual modelo se ajustan los datos+ de resto todo muy bien explicado mano
muy bueno el video, pero tengo una duda, los errores estimados en que unidad de medida te los da el programa? los da ya en porcentajes o es necesario multiplicarlos al 100%??
Hola disculpa la pregunta, soy principiante en esto, estoy intentado de hacer ARIMA con datos de precipitación de una estación con 30 años diarios de datos, por lo que he entendido este tipo de datos son estacionales, eso es correcto? recomendarias usar para este caso los parametros que usas en tu ejemplo o a tu criterio que seria mejor, espero puedas ayudarme, gracias
rf7546 hola. Yo soy el que hace la voz del video. Debes revisar los correlogramas de tu serie de tiempo estando estable en la varianza (para este proceso, debes realizar una transformación de los datos si es necesario). Después de que mires como se comportan los correlogramas, puedes proceder a estimar cuál es el proceso generador de la serie de tiempo, lo cual conlleva tiempo.
¡Excelente aporte, muchas gracias! en segundo lugar, quisiera pedirte el favor que subas o me envíes al correo electrónico los datos tal cual, para poder practicarlos y además para que pueda servirme en algún momento como réplica, me refiero a los datos: “datosestacionales.csv” y “datosestacionarios.csv”
No creo que formular modelos arima sin hacer el estudio correspondiente de media y varianza sea sensato, recuerde que los modelos arima no estacionarios son modelos espurios
excelente video men.. podrías decirme para que colocas $p1 $p2 y $p3 que no entendi; tambíen estoy trabajando con una serie temporal diaria pero no encuentro como cargarla en ese formato a R.. podrías ayudarme?
andres gonzalez es porque la base de datos que se utiliza tiene dos procesos estacionarios (en el archivo “datosestscionarios.csv”) y una serie de tiempo estacional en el archivo “datosestacionales.csv”.
Les recomiendo igualmente usar los paquetes zoo, xts, y forecast. Estos permiten una mejor manipulación de datos temporales. Adicionalmente les recomiendo estos paquetes para cargar datos temporales y practicar en casa. library("quantmod") # Carga con finance.google.com library("Quandl") # Carga con Quandl library(fredr) # Carga de Federal Reserve Economic Data (FRED) Por ejm # Precio de acciones de Apple: getSymbols(Symbols = "AAPL", from = "2010-01-01", to = "2019-02-03", src = "yahoo")
Podrías enviarme las bases de datos de “datosestacionales.csv” y “datosestacionarios.csv” por favor, al correo jaccarrillo@outlook.es . Te lo agradecería mucho.
Coincido con el comentario anterior, es la parte más importante del proceso. Igualmente, muchas gracias por el video.
como para decidir que lo va ajustar aun sarima((p,q,r) sin haber primero visto el afc parece que ya supieras a cual modelo se ajustan los datos+
de resto todo muy bien explicado mano
El video es muy útil, pero si seria bueno que nos expliques como determinas que es un modelo Arima, sarima y sus parametros
Buen día, cuando haya el sarima me sale hay un error en x y xreg. ¿Sabes porqué es?
Sería bueno saber porqué escogiste los valores 0,1,1,1,1,0,12
Gracias!!!
Sería excelente que publicaras el código en R para poderlo analizar.
Donde puedo conseguir esos datos
muy bueno el video, pero tengo una duda, los errores estimados en que unidad de medida te los da el programa? los da ya en porcentajes o es necesario multiplicarlos al 100%??
donde se puede encontrar el archivo para realizar el ejercicio por fav
Hola disculpa la pregunta, soy principiante en esto, estoy intentado de hacer ARIMA con datos de precipitación de una estación con 30 años diarios de datos, por lo que he entendido este tipo de datos son estacionales, eso es correcto? recomendarias usar para este caso los parametros que usas en tu ejemplo o a tu criterio que seria mejor, espero puedas ayudarme, gracias
rf7546 hola. Yo soy el que hace la voz del video. Debes revisar los correlogramas de tu serie de tiempo estando estable en la varianza (para este proceso, debes realizar una transformación de los datos si es necesario). Después de que mires como se comportan los correlogramas, puedes proceder a estimar cuál es el proceso generador de la serie de tiempo, lo cual conlleva tiempo.
¡Excelente aporte, muchas gracias! en segundo lugar, quisiera pedirte el favor que subas o me envíes al correo electrónico los datos tal cual, para poder practicarlos y además para que pueda servirme en algún momento como réplica, me refiero a los datos: “datosestacionales.csv” y “datosestacionarios.csv”
me sale un error "must be a non-negative numeric vector of length 3" ,al intentar correr mi modelo arima ,como lo soluciono , gracias de antemano
justo lo hacia tambien, pero creo que tienes que juntarlo en un vector con c() y dentro pones los parametros p,d,q
No creo que formular modelos arima sin hacer el estudio correspondiente de media y varianza sea sensato, recuerde que los modelos arima no estacionarios son modelos espurios
Hola que tal, una consulta, como realizas un análisis de la media y varianza para formular modelos arima ?
excelente video men.. podrías decirme para que colocas $p1 $p2 y $p3 que no entendi; tambíen estoy trabajando con una serie temporal diaria pero no encuentro como cargarla en ese formato a R.. podrías ayudarme?
andres gonzalez es porque la base de datos que se utiliza tiene dos procesos estacionarios (en el archivo “datosestscionarios.csv”) y una serie de tiempo estacional en el archivo “datosestacionales.csv”.
Donde puedo conseguir los archivos para hacer el ejercicio
Les recomiendo igualmente usar los paquetes zoo, xts, y forecast. Estos permiten una mejor manipulación de datos temporales.
Adicionalmente les recomiendo estos paquetes para cargar datos temporales y practicar en casa.
library("quantmod") # Carga con finance.google.com
library("Quandl") # Carga con Quandl
library(fredr) # Carga de Federal Reserve Economic Data (FRED)
Por ejm
# Precio de acciones de Apple:
getSymbols(Symbols = "AAPL", from = "2010-01-01", to = "2019-02-03", src = "yahoo")
Muchas gracias por el vídeo.
Me podrás compartir tus archivos: datosestacionales.csv y datsestacionarios.csv para poderlos replicar.
Gracias
Podrías enviarme las bases de datos de “datosestacionales.csv” y “datosestacionarios.csv” por favor, al correo jaccarrillo@outlook.es . Te lo agradecería mucho.
Si te lo enviaron me lo podrias mandar? Es super importante...
no me pasaron nada :(