Series de tiempo

Un patrón recurrente en los datos que ocurre en intervalos regulares de tiempo, como días, meses o años.

Un incremento o decremento en los datos a largo plazo sin ningún patrón cíclico.

Una fluctuación aleatoria que no sigue ningún patrón específico.

Un cambio repentino y único en el comportamiento de los datos.

Un patrón a corto plazo que se repite en intervalos regulares de tiempo.

Una fluctuación aleatoria que no sigue ningún patrón específico.

Un incremento o decremento sostenido en los datos a lo largo del tiempo.

Un cambio repentino en los datos que ocurre por un evento aislado.

p - Orden autorregresivo (AR)

d - Número de diferencias necesarias para hacer la serie estacionaria

q - Orden de la media móvil (MA)

Todas las anteriores

p debe ser un número entero positivo.

p puede ser igual a cero, lo que implica que el modelo no incluye términos autorregresivos.

Un valor mayor de p generalmente indica una mayor complejidad en el modelo, capturando más de la dinámica de la serie temporal.

El valor de p puede ser negativo, lo cual sería una configuración inválida para un modelo ARIMA.

El valor de p se elige en función de la autocorrelación y la función de autocorrelación parcial de la serie temporal.

Una medida de la dispersión de los datos en torno a la media en intervalos regulares.

Un promedio que se calcula a partir de un subconjunto de los datos y que se actualiza conforme se añaden nuevos datos.

Una tendencia que aumenta o disminuye constantemente en el tiempo.

Un patrón estacional que se repite en intervalos regulares.

p = 1, d = 1, q = 12

p = 0, d = 1, q = 12

p = 1, d = 0, q = 1

p = 0, d = 0, q = 12