Primeros ejemplos

Primero importamos el paquete necesario para trabajar en este ejemplo

library(forecast)

después

# Cargamos los datos
data(wineind)

# Vemos las primeros 20 datos
head(wineind,20)
##        Jan   Feb   Mar   Apr   May   Jun   Jul   Aug   Sep   Oct   Nov   Dec
## 1980 15136 16733 20016 17708 18019 19227 22893 23739 21133 22591 26786 29740
## 1981 15028 17977 20008 21354 19498 22125 25817 28779
## Para mayor información ejecutamos help(wineind)

Después

# Vemos un resumen de los datos
summary(wineind)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   13652   22115   24669   25392   28461   40226
# La clase de wineind
attributes(wineind)
## $tsp
## [1] 1980.000 1994.583   12.000
## 
## $class
## [1] "ts"

notamos que la clase de wineind es ts (times series) o series de tiempo, además, el summary nos arroja los años que comprenden la serie de tiempo y la frecuencia (12 meses). Procedemos pues a graficar la serie de tiempo, para ello tenemos dos opciones

# Opcion 1
plot(wineind)

# Opcion 2
ts.plot(wineind)

Otra alternativa es utilizar la librería ggfortify:

# Cargamos la libreria
library(ggfortify)

# Graficamos la serie de tiempo utilizando autoplot()
autoplot(wineind)

Con este paquete podemos obtener información adicional a la gráfica de la serie de tiempo

autoplot(stl(wineind, s.window = "periodic"), ts.colour = "blue")

donde podemos ver la gráfica de la SE, la variación estacionaria y la tendencia. También podemos ver las gráficas de la autocerrelación (completa y parcial):

# Autocorrelacion completo
autoplot(acf(wineind, plot = FALSE))

# Autocorrelacion parcial
autoplot(pacf(wineind, plot = FALSE))

Sin utilizar la librería ggfortify podemos graficar la autocorrelación como sigue

par(mfrow=c(1,2))
# Autocorrelacion
acf(wineind)
# Autocorrelacion parcial
pacf(wineind)

asimismo podemos graficar las tres gráficas de manera simultánea

tsdisplay(wineind)

en este caso vemos que la autocorrelación es igual a 1 cuando el lag es igual a 12, es decir, el comportamiento de la SE se repite cada año.

Finalmente se calculan las phis estimadas a partir de la muestra

seasonplot(wineind)