1 – Estacionariedad y diferenciación

Lección 1 del curso Pronósticos de Series de Tiempo con ARIMA.

En esta primera lección del curso comenzaremos entendiendo dos conceptos sobre los cuales están construidos los modelos ARIMA: la estacionariedad y la diferenciación.

Comencemos entonces viendo un breve comparativo entre los modelos de suavizado exponencial que vimos en el curso anterior y los modelos ARIMA que veremos este curso y luego haremos un breve repaso del concepto de estacionariedad aplicado a Series de Tiempo:

En esencia la estacionariedad (de la cual hablamos en detalle en el curso Series de Tiempo: Análisis Exploratorio) implica que parámetros como la media y la desviación estándar de una Serie se mantienen constantes a lo largo del tiempo. Y este es un elemento clave a tener en cuenta pues cuando hablemos de los modelos ARIMA más adelante en este curso, veremos que uno de los supuestos de dichos modelos es que la Serie sea estacionaria.

Así que habiendo repasado este concepto, veamos ahora de forma práctica en qué consiste la diferenciación de Series de Tiempo:

Como acabamos de ver, la diferenciación de Series de Tiempo es una sencilla operación que nos permite convertir una Serie no estacionaria (como por ejemplo una Serie con Tendencia y/o Estacionalidad) en una Serie estacionaria.

Y para lograr esto podemos calcular diferencias consecutivas (lo que se conoce como diferenciación de primer grado), diferencias cada 2, 3 o n registros (lo que se conoce como diferenciación de grado «n») o diferencias estacionales.

Así que con estos conceptos claros ya estamos listos para ver el primer modelo que nos servirá como base para entender en unas cuantas lecciones el funcionamiento de los modelos ARIMA. Así que en la próxima lección veremos en detalle qué son los modelos auto-regresivos (o AR).

Todas las lecciones del curso Pronósticos de Series de Tiempo con ARIMA