Lección 4 del curso Pronósticos de Series de Tiempo con Regresión.
En la lección anterior hablamos de las predicciones y de los residuales en un problema de pronósticos sobre Series de Tiempo y vimos cómo usar las características de estos residuales para determinar si el modelo seleccionado es o no adecuado al momento de generar dichos pronósticos.
En esta lección hablaremos de los intervalos de predicción que nos permiten determinar el grado de incertidumbre que tendrán los pronósticos obtenidos con un modelo predictivo. Entonces veremos qué son las predicciones puntuales y qué son los intervalos de predicción, así como un ejemplo práctico en Python de obtención de estos intervalos para un pronóstico usando la librería StatsForecast:
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 pronósticos de una Serie de Tiempo siempre serán una variable aleatoria y por tanto siempre tendremos un grado de incertidumbre al momento de generar dichas predicciones.
Y el intervalo de predicción es precisamente una manera de cuantificar dicho grado de incertidumbre para cada pronóstico generado en cada instante de tiempo.
En esencia, este intervalo de incertidumbre es el rango de valores que podrían alcanzar los pronósticos dado un cierto nivel de probabilidad. Y dicho intervalo se puede calcular de forma analítica si conocemos la distribución de probabilidad de los pronósticos, o usando por ejemplo la técnica del bootstrapping (en caso de que no conozcamos dicha distribución).
Además vimos un ejemplo práctico de estimación de los intervalos de predicción para una Serie de Tiempo haciendo uso de la librería StatsForecast.
Así que estos intervalos de predicción son una herramienta que siempre debemos tener en cuenta al momento de construir un modelo predictivo, pues nos permitirán entender qué tan confiables resultarán siendo los pronósticos arrojados por el modelo.
Entonces, teniendo claro este concepto, en la próxima lección veremos cómo realizar pronósticos con descomposiciones, es decir cómo aprovechar algunas características de la Serie de Tiempo (como la tendencia y la estacionalidad) al momento de generar dichos pronósticos.
Todas las lecciones del curso Pronósticos de Series de Tiempo con Regresión