Saltar al contenido principal

4  Características de series temporales

El paquete feasts incluye funciones para la extracción de características y estadísticas de series temporales (del inglés, FEature Extraction And Statistics from Time Series, de ahí su nombre). Ya hemos visto algunas características de las series temporales. Por ejemplo, las autocorrelaciones discutidas en la sección 2.8 pueden considerarse características de una serie temporal — son resúmenes numéricos calculados a partir de la serie. Otra característica que vimos en el último capítulo fue la estimación de Guerrero del parámetro de transformación Box-Cox: de nuevo, se trata de un número calculado a partir de una serie temporal.

Podemos calcular muchas características diferentes en muchas series temporales diferentes y utilizarlas para explorar las propiedades de las series. En este capítulo veremos algunas características que han resultado útiles en la exploración de series temporales y cómo pueden utilizarse para descubrir información interesante sobre los datos. Utilizaremos el turismo trimestral australiano como ejemplo (analizado previamente en la sección 2.5).

4.1 Algunas estadísticas sencillas

Cualquier resumen numérico calculado a partir de una serie temporal es una característica de esa serie temporal: la media, el mínimo o el máximo, por ejemplo. Estos pueden ser calculados utilizando la función features(). Por ejemplo, calculemos las medias de todas las series de datos del turismo australiano.

tourism |>
  features(Trips, list(mean = mean)) |>
  arrange(mean)
# A tibble: 304 × 4
   Region          State              Purpose   mean
   <chr>           <chr>              <chr>    <dbl>
 1 Kangaroo Island South Australia    Other    0.340
 2 MacDonnell      Northern Territory Other    0.449
 3 Wilderness West Tasmania           Other    0.478
 4 Barkly          Northern Territory Other    0.632
 5 Clare Valley    South Australia    Other    0.898
 6 Barossa         South Australia    Other    1.02 
 7 Kakadu Arnhem   Northern Territory Other    1.04 
 8 Lasseter        Northern Territory Other    1.14 
 9 Wimmera         Victoria           Other    1.15 
10 MacDonnell      Northern Territory Visiting 1.18 
# ℹ 294 more rows

Aquí vemos que la serie con menor número medio de visitas fue «Other» visitas a la isla Canguro (Kangaroo Island), en Australia Meridional.

En lugar de calcular una característica cada vez, es conveniente calcular muchas características a la vez. Un resumen breve habitual de un conjunto de datos consiste en calcular cinco estadísticas de resumen: el mínimo, el primer cuartil, la mediana, el tercer cuartil y el máximo. Estos dividen los datos en cuatro secciones del mismo tamaño, cada una de las cuales contiene el 25% de los datos. La función quantile() puede utilizarse para calcularlos.

tourism |> features(Trips, quantile)
# A tibble: 304 × 8
   Region         State              Purpose     `0%`  `25%`   `50%`  `75%` `100%`
   <chr>          <chr>              <chr>      <dbl>  <dbl>   <dbl>  <dbl>  <dbl>
 1 Adelaide       South Australia    Business  68.7   134.   153.    177.   242.  
 2 Adelaide       South Australia    Holiday  108.    135.   154.    172.   224.  
 3 Adelaide       South Australia    Other     25.9    43.9   53.8    62.5  107.  
 4 Adelaide       South Australia    Visiting 137.    179.   206.    229.   270.  
 5 Adelaide Hills South Australia    Business   0       0      1.26    3.92  28.6 
 6 Adelaide Hills South Australia    Holiday    0       5.77   8.52   14.1   35.8 
 7 Adelaide Hills South Australia    Other      0       0      0.908   2.09   8.95
 8 Adelaide Hills South Australia    Visiting   0.778   8.91  12.2    16.8   81.1 
 9 Alice Springs  Northern Territory Business   1.01    9.13  13.3    18.5   34.1 
10 Alice Springs  Northern Territory Holiday    2.81   16.9   31.5    44.8   76.5 
# ℹ 294 more rows

Aquí el mínimo está etiquetado como 0% y el máximo como 100%.

4.2 Características ACF

Las autocorrelaciones se discutieron en la sección 2.8. Todas las autocorrelaciones de una serie pueden considerarse características de esa serie. También podemos resumir las autocorrelaciones para producir nuevas características; por ejemplo, la suma de los diez primeros coeficientes de autocorrelación al cuadrado es un resumen útil de cuánta autocorrelación hay en una serie, independientemente del retardo.

También podemos calcular las autocorrelaciones de los cambios en las series entre periodos. Es decir, «diferenciamos» los datos y creamos una nueva serie temporal formada por las diferencias entre observaciones consecutivas. A continuación, podemos calcular las autocorrelaciones de esta nueva serie diferenciada. Ocasionalmente es útil volver a aplicar la misma operación de diferenciación, por lo que calculamos las diferencias de las diferencias. Las autocorrelaciones de esta serie doblemente diferenciada pueden proporcionar información útil.

Otro enfoque relacionado consiste en calcular las diferencias estacionales de una serie. Si tuviéramos datos mensuales, por ejemplo, calcularíamos la diferencia entre enero y febrero consecutivos, y así sucesivamente. Esto nos permite ver cómo cambia la serie entre años, en lugar de entre meses. Una vez más, las autocorrelaciones de las series diferenciadas estacionalmente pueden proporcionar información útil.

Discutiremos la diferenciación de series temporales con más detalle en la sección 9.1.

La función feat_acf() calcula una selección de las autocorrelaciones analizadas aquí. Devolverá seis o siete características:

  • El primer coeficiente de autocorrelación de los datos originales;
  • la suma de cuadrados de los diez primeros coeficientes de autocorrelación de los datos originales;
  • el primer coeficiente de autocorrelación de los datos diferenciados;
  • la suma de los cuadrados de los diez primeros coeficientes de autocorrelación de los datos diferenciados;
  • el primer coeficiente de autocorrelación de los datos dos veces diferenciados;
  • la suma de los cuadrados de los diez primeros coeficientes de autocorrelación de los datos dos veces diferenciados;
  • Para los datos estacionales, también se obtiene el coeficiente de autocorrelación del primer desfase estacional.

Cuando se aplica a los datos del turismo australiano, obtenemos el siguiente resultado.

tourism |> features(Trips, feat_acf)
# A tibble: 304 × 10
   Region     State Purpose     acf1 acf10 diff1_acf1 diff1_acf10 diff2_acf1 diff2_acf10
   <chr>      <chr> <chr>      <dbl> <dbl>      <dbl>       <dbl>      <dbl>       <dbl>
 1 Adelaide   Sout… Busine…  0.0333  0.131     -0.520       0.463     -0.676       0.741
 2 Adelaide   Sout… Holiday  0.0456  0.372     -0.343       0.614     -0.487       0.558
 3 Adelaide   Sout… Other    0.517   1.15      -0.409       0.383     -0.675       0.792
 4 Adelaide   Sout… Visiti…  0.0684  0.294     -0.394       0.452     -0.518       0.447
 5 Adelaide … Sout… Busine…  0.0709  0.134     -0.580       0.415     -0.750       0.746
 6 Adelaide … Sout… Holiday  0.131   0.313     -0.536       0.500     -0.716       0.906
 7 Adelaide … Sout… Other    0.261   0.330     -0.253       0.317     -0.457       0.392
 8 Adelaide … Sout… Visiti…  0.139   0.117     -0.472       0.239     -0.626       0.408
 9 Alice Spr… Nort… Busine…  0.217   0.367     -0.500       0.381     -0.658       0.587
10 Alice Spr… Nort… Holiday -0.00660 2.11      -0.153       2.11      -0.274       1.55 
# ℹ 294 more rows
# ℹ 1 more variable: season_acf1 <dbl>

4.3 Características STL

La descomposición STL analizada en el capítulo 3 es la base de varias características más.

Una descomposición de series temporales puede utilizarse para medir la intensidad de la tendencia y la estacionalidad en una serie temporal. Recordemos que la descomposición se escribe como y_t = T_t + S_{t} + R_t, donde T_t es el componente de tendencia suavizado, S_{t} es el componente estacional y R_t es un componente restante. Para los datos con tendencias fuertes, los datos ajustados estacionalmente deberían tener mucha más variación que el componente restante. Por lo tanto, Var(R_t)/Var(T_t + R_t) debería ser relativamente pequeño. Pero para los datos con poca o ninguna tendencia, las dos varianzas deberían ser aproximadamente iguales. Así que definimos la fuerza de la tendencia como: F_T = \max\left( 0, 1 - \frac{\text{Var}(R_t)}{\text{Var}(T_t + R_t)} \right). Esto dará una medida de la fuerza de la tendencia entre 0 y 1. Dado que la varianza del resto podría ser ocasionalmente incluso mayor que la varianza de los datos ajustados estacionalmente, fijamos el valor mínimo posible de F_T igual a cero.

La fuerza de la estacionalidad se define de forma similar, pero con respecto a los datos sin tendencia en lugar de los datos ajustados estacionalmente: F_S = \max\left( 0, 1 - \frac{\text{Var}(R_t)}{\text{Var}(S_{t} + R_t)} \right). Una serie con fuerza estacional F_S cercana a 0 casi no muestra estacionalidad, mientras que una serie con fuerte estacionalidad tendrá F_S cercana a 1 porque Var(R_t) será mucho menor que Var(S_{t} + R_t).

Estas medidas pueden ser útiles, por ejemplo, cuando se tiene una gran colección de series temporales y se necesita encontrar la serie con más tendencia o más estacionalidad. Estas y otras características basadas en STL se calculan utilizando la función feat_stl().

tourism |>
  features(Trips, feat_stl)
# A tibble: 304 × 12
   Region         State Purpose trend_strength seasonal_strength_year seasonal_peak_year
   <chr>          <chr> <chr>            <dbl>                  <dbl>              <dbl>
 1 Adelaide       Sout… Busine…          0.464                  0.407                  3
 2 Adelaide       Sout… Holiday          0.554                  0.619                  1
 3 Adelaide       Sout… Other            0.746                  0.202                  2
 4 Adelaide       Sout… Visiti…          0.435                  0.452                  1
 5 Adelaide Hills Sout… Busine…          0.464                  0.179                  3
 6 Adelaide Hills Sout… Holiday          0.528                  0.296                  2
 7 Adelaide Hills Sout… Other            0.593                  0.404                  2
 8 Adelaide Hills Sout… Visiti…          0.488                  0.254                  0
 9 Alice Springs  Nort… Busine…          0.534                  0.251                  0
10 Alice Springs  Nort… Holiday          0.381                  0.832                  3
# ℹ 294 more rows
# ℹ 6 more variables: seasonal_trough_year <dbl>, spikiness <dbl>, linearity <dbl>,
#   curvature <dbl>, stl_e_acf1 <dbl>, stl_e_acf10 <dbl>

A continuación, podemos utilizar estas características en los gráficos para identificar qué tipo de series tienen una tendencia fuerte y cuáles son más estacionales.

tourism |>
  features(Trips, feat_stl) |>
  ggplot(aes(x = trend_strength, y = seasonal_strength_year, col = Purpose)) +
  geom_point() +
  facet_wrap(vars(State)) +
  labs(
    x = "Fuerza de la tendencia",
    y = "Fuerza de la estacionalidad",
    colour = "Motivo"
  )
Figura 4.1: Intensidad estacional frente a intensidad tendencial para todas las series turísticas.

Claramente, las series de vacaciones (holidays) son las más estacionales, lo cual no es sorprendente. Las tendencias más marcadas suelen darse en Australia Occidental y Victoria. Las series más estacionales también pueden identificarse y representarse fácilmente.

tourism |>
  features(Trips, feat_stl) |>
  filter(
    seasonal_strength_year == max(seasonal_strength_year)
  ) |>
  left_join(tourism, by = c("State", "Region", "Purpose"), multiple = "all") |>
  ggplot(aes(x = Quarter, y = Trips)) +
  geom_line() +
  facet_grid(vars(State, Region, Purpose)) +
  labs(x = "Trimestre")
Figura 4.2: Las series más estacionales de los datos turísticos australianos.

Esto muestra los viajes de vacaciones a la región de esquí más popular de Australia.

La función feat_stl() devuelve varias características más aparte de las comentadas anteriormente.

  • seasonal_peak_year indica el momento de los picos: qué mes o trimestre contiene el mayor componente estacional. Esto nos dice algo sobre la naturaleza de la estacionalidad. En los datos del turismo australiano, si el trimestre 3 es el periodo estacional máximo, entonces la gente viaja a la región en invierno, mientras que un pico en el trimestre 1 sugiere que la región es más popular en verano.
  • seasonal_trough_year indica el momento de los mínimos, es decir, qué mes o trimestre contiene el menor componente estacional.
  • spikiness mide la prevalencia de picos en el componente restante R_t de la descomposición STL. Es la varianza de las varianzas leave-one-out de R_t.
  • La linealidad mide la linealidad del componente de tendencia de la descomposición STL. Se basa en el coeficiente de una regresión lineal aplicada al componente de tendencia.
  • La curvatura mide la curvatura del componente de tendencia de la descomposición STL. Se basa en el coeficiente de una regresión cuadrática ortogonal aplicada al componente de tendencia.
  • stl_e_acf1 es el primer coeficiente de autocorrelación de la serie restante.
  • stl_e_acf10 es la suma de cuadrados de los diez primeros coeficientes de autocorrelación de la serie resto.

4.4 Otras características

Hay muchas más funciones posibles, y el paquete feasts sólo calcula unas pocas docenas de funciones que han demostrado ser útiles en el análisis de series temporales. También es fácil añadir sus propias características escribiendo una función de R que tome una entrada de serie temporal univariante y devuelva un vector numérico que contenga los valores de las características.

El resto de características del paquete feasts, no comentadas anteriormente, se enumeran aquí como referencia. Los detalles de algunas de ellas se tratan más adelante en el libro.

  • coef_hurst calculará el coeficiente de Hurst de una serie temporal que es una medida de la «memoria larga». Una serie con memoria larga tendrá autocorrelaciones significativas para muchos retardos.
  • feat_spectral calculará la entropía espectral (Shannon) de una serie temporal, que es una medida de la facilidad de previsión de la serie. Una serie que tiene una fuerte tendencia y estacionalidad (y por lo tanto es fácil de pronosticar) tendrá una entropía cercana a 0. Una serie que es muy ruidosa (y por lo tanto es difícil de pronosticar) tendrá una entropía cercana a 1.
  • box_pierce da la estadística Box-Pierce para probar si una serie de tiempo es ruido blanco, y el correspondiente valor p. Este test se discute en la sección .
  • ljung_box da el estadístico de Ljung-Box para probar si una serie temporal es ruido blanco, y el valor p correspondiente. Este test se discute en la sección 5.4.
  • La k-ésima autocorrelación parcial mide la relación entre observaciones separadas por k periodos después de eliminar los efectos de las observaciones entre ellas. Así que la primera autocorrelación parcial (k = 1) es idéntica a la primera autocorrelación, porque no hay nada entre observaciones consecutivas que eliminar. Las autocorrelaciones parciales se discuten en la sección 9.5. La función feat_pacf contiene varias funciones relacionadas con las autocorrelaciones parciales, incluida la suma de los cuadrados de las cinco primeras autocorrelaciones parciales de la serie original, la serie con la primera diferencia y la serie con la segunda diferencia. Para los datos estacionales, también incluye la autocorrelación parcial en el primer retardo estacional.
  • El test unitroot_kpss proporciona el estadístico Kwiatkowski-Phillips-Schmidt-Shin (KPSS) para comprobar si una serie es estacionaria, y el valor p correspondiente. Este test se analiza en la sección 9.1.
  • unitroot_pp da el estadístico de Phillips-Perron para probar si una serie es no estacionaria, y el correspondiente valor p.
  • El número de diferencias necesarias para dar lugar a una serie estacionaria basada en la prueba KPSS. Esto se discute en la sección 9.1.
  • El índice unitroot_nsdiffs da el número de diferencias estacionales necesarias para que una serie sea estacionaria. Esto se discute en la sección 9.1.
  • var_tiled_mean proporciona las varianzas de las “medias en mosaico” (es decir, las medias de bloques consecutivos de observaciones que no se solapan). La longitud del mosaico por defecto es 10 (para datos no estacionales) o la longitud del periodo estacional. A veces se denomina «estabilidad».
  • var_tiled_var da las varianzas de las «varianzas en mosaico» (es decir, las varianzas de bloques consecutivos de observaciones que no se solapan). A veces se denomina característica de «grumos».
  • shift_level_max encuentra el mayor desplazamiento de la media entre dos ventanas deslizantes consecutivas de la serie temporal. Esto es útil para encontrar saltos o caídas repentinas en una serie temporal.
  • shift_level_index da el índice en el que se produce el mayor desplazamiento medio.
  • shift_var_max encuentra el mayor desplazamiento de varianza entre dos ventanas deslizantes consecutivas de la serie temporal. Esto es útil para encontrar cambios repentinos en la volatilidad de una serie temporal.
  • shift_var_index da el índice en el que se produce el mayor desplazamiento de la varianza.
  • shift_kl_max encuentra el mayor cambio distribucional (basado en la divergencia de Kulback-Leibler) entre dos ventanas deslizantes consecutivas de la serie temporal. Esto es útil para encontrar cambios repentinos en la distribución de una serie temporal.
  • shift_kl_index da el índice en el que se produce el mayor desplazamiento KL.
  • n_crossing_points calcula el número de veces que una serie temporal cruza la mediana.
  • Calcula el número de secciones de los datos en las que la serie es relativamente invariable.
  • El estadístico stat_arch_lm devuelve el estadístico basado en la prueba del multiplicador de Lagrange (LM) de Engle (1982) para la heteroscedasticidad condicional autorregresiva (ARCH).
  • guerrero calcula el valor óptimo \lambda para una transformación Box-Cox utilizando el método Guerrero (discutido en la sección 3.1).

4.5 Exploración de los datos del turismo australiano

Todas las características incluidas en el paquete feasts se pueden calcular en una línea como esta:

tourism_features <- tourism |>
  features(Trips, feature_set(pkgs = "feasts"))
tourism_features
# A tibble: 304 × 51
   Region         State Purpose trend_strength seasonal_strength_year seasonal_peak_year
   <chr>          <chr> <chr>            <dbl>                  <dbl>              <dbl>
 1 Adelaide       Sout… Busine…          0.464                  0.407                  3
 2 Adelaide       Sout… Holiday          0.554                  0.619                  1
 3 Adelaide       Sout… Other            0.746                  0.202                  2
 4 Adelaide       Sout… Visiti…          0.435                  0.452                  1
 5 Adelaide Hills Sout… Busine…          0.464                  0.179                  3
 6 Adelaide Hills Sout… Holiday          0.528                  0.296                  2
 7 Adelaide Hills Sout… Other            0.593                  0.404                  2
 8 Adelaide Hills Sout… Visiti…          0.488                  0.254                  0
 9 Alice Springs  Nort… Busine…          0.534                  0.251                  0
10 Alice Springs  Nort… Holiday          0.381                  0.832                  3
# ℹ 294 more rows
# ℹ 45 more variables: seasonal_trough_year <dbl>, spikiness <dbl>, linearity <dbl>,
#   curvature <dbl>, stl_e_acf1 <dbl>, stl_e_acf10 <dbl>, acf1 <dbl>, acf10 <dbl>,
#   diff1_acf1 <dbl>, diff1_acf10 <dbl>, diff2_acf1 <dbl>, diff2_acf10 <dbl>,
#   season_acf1 <dbl>, pacf5 <dbl>, diff1_pacf5 <dbl>, diff2_pacf5 <dbl>,
#   season_pacf <dbl>, zero_run_mean <dbl>, nonzero_squared_cv <dbl>,
#   zero_start_prop <dbl>, zero_end_prop <dbl>, lambda_guerrero <dbl>, …

Siempre que estén instalados los paquetes urca y fracdiff, esto da 48 características para cada combinación de las tres variables clave (Region, State y Purpose). Podemos tratar este tibble como cualquier conjunto de datos y analizarlo para encontrar observaciones o grupos de observaciones interesantes.

Ya hemos visto cómo podemos representar gráficamente una característica frente a otra (sección 4.3). También podemos hacer gráficos por pares de grupos de características. En la figura 4.3, por ejemplo, mostramos todas las características que implican estacionalidad, junto con la variable Purpose.

library(glue)
tourism_features |>
  select_at(vars(contains("season"), Purpose)) |>
  mutate(
    seasonal_peak_year = seasonal_peak_year +
      4 * (seasonal_peak_year == 0),
    seasonal_trough_year = seasonal_trough_year +
      4 * (seasonal_trough_year == 0),
    seasonal_peak_year = glue("Q{seasonal_peak_year}"),
    seasonal_trough_year = glue("Q{seasonal_trough_year}"),
  ) |>
  GGally::ggpairs(
    mapping = aes(colour = Purpose),
    lower = list(combo = function(data, mapping, ...) {
      GGally::ggally_facethist(data, mapping, ...) +
        scale_y_continuous(breaks = c(0, 10))
    })
  ) +
  theme(axis.text.x = element_text(angle = 90, hjust = 1, vjust = 0.5))
Figura 4.3: Gráfico por pares de todas las características estacionales para los datos de turismo en Australia

Aquí, la variable Purpose se asigna al color. Hay mucha información en esta figura, y vamos a destacar sólo algunas cosas que podemos aprender.

  • Las tres medidas numéricas relacionadas con la estacionalidad (seasonal_strength_year, season_acf1 y season_pacf) están correlacionadas positivamente.
  • Tanto el panel inferior izquierdo como el superior derecho muestran que las series más estacionales están relacionadas con las vacaciones (como vimos anteriormente).
  • Los gráficos de barras de la fila inferior de las columnas seasonal_peak_year y seasonal_trough_year muestran que los picos estacionales de los viajes de negocios se producen con mayor frecuencia en el tercer trimestre y con menor frecuencia en el primero.

Es difícil explorar más de un puñado de variables de esta forma. Una forma útil de manejar muchas más variables es utilizar una técnica de reducción de dimensiones como los componentes principales. De este modo se obtienen combinaciones lineales de variables que explican la mayor parte de la variación en los datos originales. Podemos calcular los componentes principales de las características turísticas del siguiente modo.

library(broom)
pcs <- tourism_features |>
  select(-State, -Region, -Purpose) |>
  prcomp(scale = TRUE) |>
  augment(tourism_features)
pcs |>
  ggplot(aes(x = .fittedPC1, y = .fittedPC2, col = Purpose)) +
  geom_point() +
  theme(aspect.ratio = 1) +
  labs(
    x = "Componente principal 1",
    y = "Componente principal 2",
    colour = "Motivo"
  )
Figura 4.4: Gráfico de los dos primeros componentes principales, calculados a partir de las características 48 de los datos trimestrales de turismo de Australia.

Cada punto de la figura 4.4 representa una serie y su ubicación en el gráfico se basa en todas las características 48. El primer componente principal (.fittedPC1) es la combinación lineal de las características que explica la mayor variación de los datos. El segundo componente principal (.fittedPC2) es la combinación lineal que explica la siguiente mayor variación en los datos, sin estar correlacionada con el primer componente principal. Para más información sobre la reducción de dimensiones de componentes principales, véase Izenman (2008).

La figura 4.4 revela algunas cosas sobre los datos de turismo. En primer lugar, las series de vacaciones se comportan de forma bastante diferente al resto de las series. Casi todas las series de vacaciones aparecen en la mitad superior del gráfico, mientras que casi todas las series restantes aparecen en la mitad inferior. Es evidente que el segundo componente principal distingue entre vacaciones y otros tipos de viajes.

El gráfico también nos permite identificar series temporales anómalas, es decir, series que presentan combinaciones inusuales de características. Éstas aparecen como puntos separados de la mayoría de las series en la figura 4.4. Hay cuatro que destacan, y podemos identificar a qué series corresponden de la siguiente manera.

outliers <- pcs |>
  filter(.fittedPC1 > 10) |>
  select(Region, State, Purpose, .fittedPC1, .fittedPC2)
outliers
# A tibble: 4 × 5
  Region                 State             Purpose  .fittedPC1 .fittedPC2
  <chr>                  <chr>             <chr>         <dbl>      <dbl>
1 Australia's North West Western Australia Business       13.4    -11.3  
2 Australia's South West Western Australia Holiday        10.9      0.880
3 Melbourne              Victoria          Holiday        12.3    -10.4  
4 South Coast            New South Wales   Holiday        11.9      9.42 
outliers |>
  left_join(tourism, by = c("State", "Region", "Purpose"), multiple = "all") |>
  mutate(Series = glue("{State}", "{Region}", "{Purpose}", .sep = "\n\n")) |>
  ggplot(aes(x = Quarter, y = Trips)) +
  geom_line() +
  facet_grid(Series ~ ., scales = "free") +
  labs(
    x = "Trimestre",
    title = "Series temporales atípicas en el espacio de componentes principales"
  )
Figura 4.5: Cuatro series temporales anómalas de los datos de turismo australiano.

Podemos especular por qué estas series se identifican como inusuales.

  • Las visitas turísticas a la costa sur de Nueva Gales del Sur son muy estacionales, pero casi no tienen tendencia, mientras que la mayoría de los destinos turísticos de Australia muestran cierta tendencia a lo largo del tiempo.
  • Melbourne es un destino turístico inusual porque casi no tiene estacionalidad, mientras que la mayoría de los destinos turísticos de Australia tienen un turismo muy estacional.
  • El extremo noroccidental de Australia Occidental es inusual porque muestra un aumento del turismo de negocios en los últimos años de datos, pero poca o ninguna estacionalidad.
  • La esquina suroeste de Australia Occidental es inusual porque muestra tanto un aumento del turismo vacacional en los últimos años como un alto nivel de estacionalidad.

4.6 Ejercicios

  1. Escribe una función para calcular la media y la desviación típica de una serie temporal y aplícala a los datos de PBS. Represente gráficamente la serie con la media más alta y la serie con la desviación estándar más baja.

  2. Utilice GGally::ggpairs() para observar las relaciones entre las características basadas en STL para las series de vacaciones en los datos de tourism. Cambie seasonal_peak_year y seasonal_trough_year a factores, como se muestra en la figura 4.3. 2. ¿Cuál es el trimestre punta para las vacaciones en cada estado?

  3. Utilice un enfoque basado en características para buscar series periféricas en los datos de la PBS. ¿Qué tienen de inusual las series que identifica como «atípicas»?

4.7 Lecturas adicionales

  • La idea de utilizar STL para las características es de Wang et al. (2006).
  • Las características proporcionadas por el paquete feasts fueron motivadas por su uso en Hyndman et al. (2015) y Kang et al. (2017).
  • La exploración de un conjunto de series temporales utilizando componentes principales en una gran colección de características fue propuesta por Kang et al. (2017).