in

Series de tiempo en Python: suavizado exponencial y procesos ARIMA

1Y9N6 GjWYI9eIfrpqZ24GA

Series de tiempo en Python: suavizado exponencial y procesos ARIMA

Benjamin Etienne

9 de febrero de 2019·12 min de lectura

TL; DR: En este artículo, aprenderá los pasos básicos para realizar análisis de series de tiempo y conceptos como tendencia, estacionariedad, promedios móviles, etc. También explorará métodos de suavizado exponencial y aprenderá cómo ajustar un modelo ARIMA en datos no estacionarios.

Las series de tiempo están en todas partes

Situación 1: Eres responsable de un centro de reparto de pizzas y quieres saber si tus ventas siguen un patrón particular porque sientes que todos los sábados por la noche hay un aumento en el número de tus pedidos…

Situación 2: Tu companortey está vendiendo un producto y usted está a cargo de predecir, o pronosticar, los suministros necesarios para este producto en un momento específico en el futuro …

Situación 3: está monitoreando un centro de datos y desea detectar cualquier anomalía, como un uso anormal de la CPU, que podría causar un tiempo de inactividad en sus servidores. Sigues la curva del uso de la CPU y quieres saber cuándo ocurre una anomalía …

En cada una de estas situaciones, se trata de series de tiempo. Analizar series es un trabajo fascinante porque a pesar de todos los modelos matemáticos (incluidas las redes neuronales), los seres humanos todavía no podemos predecir el futuro y tenemos que lidiar con la incertidumbre. Echemos un vistazo más de cerca a qué son las series de tiempo y qué métodos se pueden usar para analizarlas. En este artículo, confiaremos ampliamente en la statsmodels biblioteca escrita en Python.

Una serie de tiempo es una secuencia de datos ordenada (o indexada) por tiempo. Es discreto y el intervalo entre cada punto es constante.

Propiedades y tipos de series

Tendencia : Un aumento o disminución a largo plazo de los datos. Esto puede verse como una pendiente (no tiene que ser lineal) que pasa por los datos de forma aproximada.

Estacionalidad : Se dice que una serie de tiempo es estacional cuando se ve afectada por factores estacionales (hora del día, semana, mes, año, etc.). La estacionalidad se puede observar con agradables patrones cíclicos de frecuencia fija.

Ciclicidad : Un ciclo ocurre cuando los datos exhiben subidas y bajadas que no son de una frecuencia fija. Estas fluctuaciones suelen deberse a las condiciones económicas y, a menudo, están relacionadas con el «ciclo económico». La duración de estas fluctuaciones suele ser de al menos 2 años.

Derechos residuales de autor : Cada serie temporal se puede descomponer en dos partes:
– Un pronóstico, compuesto por uno o varios pronosticado valores
– Residuos. Son la diferencia entre una observación y su valor predicho en cada paso de tiempo. Recuérdalo

Valor de la serie en el momento t = Valor previsto en el momento t + Residual en el momento t

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

0702lPx2XL7yuE8tEQbecQT 1.1632422544.fit lim.size 1200x630

Los que odian van a odiar: las marcas tecnológicas más despreciadas

Productos JD Edwards EnterpriseOne