Lección 3 del curso Series de Tiempo: Análisis Exploratorio.
En la lección anterior vimos cómo usar los gráficos estacionales para analizar de forma más detallada el comportamiento estacional de una Serie de Tiempo.
Pero este tipo de gráficos, junto con los gráficos convencionales de Series de Tiempo, nos permiten analizar sólo una única Serie de manera individual. Sin embargo, en ocasiones podemos tener múltiples Series de Tiempo y lo que nos interesa es analizar posibles relaciones entre pares de Series de Tiempo.
Así que en esta lección veremos cómo generar gráficos de dispersión y combinarlos con el concepto de correlación para analizar posibles relaciones entre pares de Series de Tiempo.
Veamos entonces este tipo de gráficos en detalle así como el análisis que podemos realizar en estos casos:
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.
A partir de los ejemplos anteriores podemos concluir que podemos utilizar los gráficos de dispersión junto con el índice de correlación para identificar posibles relaciones entre pares de series de tiempo.
Cuando contamos con más de dos variables, lo más práctico es crear un gráfico de matriz de dispersión, como el proporcionado por la función “scatter_matrix()” de Pandas y luego podemos superponer a este gráfico los valores de los índices de correlación entre pares de series, obtenidos mediante el método “corr()” de Pandas.
Así que con esto ya tenemos otra herramienta que nos permite en este caso analizar posibles relaciones entre pares de Series de Tiempo.
En la siguiente lección veremos otra herramienta muy útil que nos permite de manera equivalente extraer características que describan el comportamiento de una Serie de Tiempo. Hablaremos entonces de la función de autocorrelación.
Todas las lecciones del curso Series de Tiempo: Análisis Exploratorio