Objetivos de aprendizaje
- ¿Qué es Serie Temporal?
- ¿Por qué es importante el análisis de series de tiempo?
- Usos del análisis de series temporales
- ¿Qué son los datos de series temporales?
- Ejemplos de datos de series temporales
¿Qué son las series temporales?
Una serie temporal es una secuencia de puntos de datos numéricos ordenados en el tiempo.
Las series de tiempo pueden tener una o más variables que cambian con el tiempo.
¿Por qué es importante el análisis de series de tiempo?
- El análisis de series de tiempo le da a uno la capacidad de ver con anticipación.
- El análisis de series temporales extrae estadísticas significativas y otras características del conjunto de datos para comprenderlo.
- Las series temporales le permiten analizar patrones significativos, como tendencias, estacionalidad, ciclicidad e irregularidad. No se preocupe si no conoce algunos de estos términos, pronto los entenderemos en detalle.
- El análisis de series de tiempo es esencial para comprender la estructura y función subyacentes que producen las observaciones.
- El análisis de series de tiempo puede ayudar a hacer mejores predicciones
- Comprender los mecanismos de una serie de tiempo permite desarrollar un modelo que explica los datos para que pueda ocurrir la predicción, el seguimiento o el control.
Usos del análisis de series temporales
- El análisis de series de tiempo puede ser útil para ver cómo cambia un activo, un valor o una variable económica dados con el tiempo.
- También se puede utilizar para examinar cómo los cambios asociados con el punto de datos elegido se comparan con los cambios en otras variables durante el mismo período.
Un caso de estudio
Por ejemplo, suponga que desea analizar una serie temporal de precios de cierre diarios de las acciones de una determinada acción durante un año. Obtendría una lista de todos los precios de cierre de las acciones de cada día durante el último año y los enumeraría en orden cronológico. Esta sería una serie de tiempo de precio de cierre diario de un año para la acción.
Profundizando un poco más, puede analizar datos de series temporales con herramientas de análisis técnico para saber si la serie temporal de la acción muestra alguna estacionalidad (profundizaremos más en la estacionalidad en las próximas diapositivas).
Esto ayudará a determinar si el precio de las acciones alcanza su valor máximo y mínimo en momentos regulares cada año.
Se puede analizar esto tomando los precios observados y correlacionándolos con una temporada elegida.
Las temporadas pueden ser temporadas del calendario tradicional, como verano e invierno, o temporadas comerciales, como las temporadas de vacaciones.
¿Qué son los datos de series temporales?
- Datos ordenados secuencialmente a lo largo del tiempo
- Las observaciones se recopilan normalmente a intervalos regulares
- Cada segundo / minuto / hora
- Diariamente
- Mensual
- Trimestral / Anual
- Por ejemplo, si ejecuta un sensor IoT, los datos llegan/se transmiten continuamente. Cuando habla de datos meteorológicos, puede recibir actualizaciones meteorológicas cada hora o cada 10 minutos o cada 20 minutos.
- Entonces, dependiendo de la fuente de datos, podemos tener varias frecuencias en las que se recopilan los datos.
Supuestos sobre datos de series temporales
- La suposición principal en los datos de series de tiempo es que asume que los patrones y comportamientos pasados continuarán en el futuro.
¿En qué se diferencia de los problemas normales de aprendizaje automático?
En ambos tipos de problemas, el tiempo juega un papel, y los datos históricos se utilizan para entrenar un modelo para predecir el futuro. Ambos conjuntos de datos de aprendizaje automático son una colección de observaciones. ¿Entonces cuál es la diferencia?
En un conjunto de datos de aprendizaje automático normal, todas las observaciones históricas se tratan por igual, mientras que las series temporales son una secuencia de observaciones. Estos son capturados secuencialmente en el tiempo; por lo tanto, en el caso de series de tiempo, las observaciones siguen algún orden.
Ejemplos de datos de series temporales
Algunos ejemplos de datos de series de tiempo son:
- Pronóstico de Energía
- Sensores IoT en Industrias y Dispositivos Inteligentes
- Datos meteorológicos por hora / Velocidad del viento
- Ingresos Trimestrales / Anuales
- Datos de ventas mensuales