Documentos de Académico
Documentos de Profesional
Documentos de Cultura
#Recordar que los paquetes que est�n entre par�ntesis luego de "library"
#Deben ser instalados para que puedan funcionar
library(forecast)
D=read.table("solar.txt",header=FALSE)
D
#Lo primero es generar datos del conjunto de entrenamiento (yi) y de prueba (yf)
T=length(y)
T
#Usamos los primeros datos para el ajuste y
#los �ltimos 12 datos para el pron�stico
yi=y[1:(T-12)]
yf=y[(T-12+1):T]
#Ajustar modelos
ajustelineal=m.lineal$fitted.values
ajustecuadratico= m.cuadratico$fitted.values
ajustecubico=m.cubico$fitted.values
plot(t,yi,type='l')
lines(t,ajustelineal, lty=3, col='red', lwd=3)
lines(t,ajustecuadratico, lty=5, col='blue', lwd=3)
lines(t,ajustecubico, lty=7, col='purple', lwd=3)
legend("topleft", c("Observado","M. Lineal", "M. Cuadr�tico", "M. C�bico"), lty=
c(1,3,5,7), bg='white')
tt=seq((T-12+1),T,1)
tt2=tt^2
tt3=tt^3
#Pron�stico lineal
prlineal=predict(m.lineal,data.frame(t=tt))
prlineal
prcubico=predict(m.cubico,data.frame(t=tt,t2=tt2,t3=tt3))
prcubico
# Comparaci�n gr�fica
plot(tt,yf,type='b')
lines(tt,prlineal,col='red', lwd=3)
lines(tt,prcuadratico,col='blue', lwd=3)
lines(tt,prcubico,col='purple', lwd=3)
legend("bottomright", c("Observado","Pron. Lineal", "Pron. Cuadr�tico", "Pron.
C�bico"), lty= c(1,3,5,7), bg='white')