Lección 3 del curso Pronósticos de Series de Tiempo con Regresión.
En la lección anterior vimos los principales métodos básicos para generación de pronósticos, como son por ejemplo la media histórica, los métodos Näive y Näive estacional y el método de deriva.
En esta lección veremos qué son los residuales y cómo usar estos residuales para diagnosticar la calidad de los pronósticos generado por el modelo. Este será un elemento clave en la evaluación de un modelo predictivo, pues nos permitirá determinar si resulta o no adecuado para la generación de pronósticos a partir de la Serie de Tiempo que estemos analizando:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Como acabamos de ver, los residuales son simplemente el resultado de entrenar el modelo, generar predicciones sobre el mismo set de entrenamiento y luego restar dichas predicciones de las observaciones reales.
Y en esencia estos residuales nos indicarán en cada instante de tiempo qué tanto se acercan o se alejan las predicciones de los valores reales y esta información nos permitirá determinar si el modelo logra o no capturar los patrones presentes en la Serie de Tiempo.
En esencia, si los residuales no presentan niveles altos de autocorrelación y si los valores de dichos residuales son muy cercanos a cero, podremos concluir que el modelo logra capturar adecuadamente los patrones en la Serie de Tiempo. Si cualquiera de estas dos condiciones no se cumple tendremos que buscar un modelo que se adecúe a las características de la Serie que estemos analizando.
Así que teniendo claro qué son los residuales y por qué siempre debemos analizarlos al momento de construir un modelo para generación de pronósticos, en la próxima lección veremos otra herramienta que nos permitirá cuantificar el nivel de incertidumbre que tendrán los pronósticos generados por el modelo. Entonces hablaremos de los intervalos de predicción.
Todas las lecciones del curso Pronósticos de Series de Tiempo con Regresión