Desarrollo:

Cargamos nuestros datos en R como serie de tiempo y realizamos un boxplot para revisar
comportamiento de datos y outliers:
Se aprecia en los bloxplots por mes que los meses de febrero, agosto y noviembre presentan datos
atipicos, ademas que la media y mediana presentan bastante variabilidad de los datos.

Ahora graficamos la serie de tiempo para ver su comportamiento

La grafica muestra datos demasiado aleatorios, solo detectando un único patrón que es hacia los
meses centrales del año en los cuales los delitos disminuyen y luego aumentan hacia fin de año;
Además se aprecia que la mediana de los datos ha ido en aumento con el pasar de los años, ósea
existe una leve tendencia al aumento de delitos
Por tener una tendencia al aumento de delitos trabajaremos con el modelo multiplicativo, y
descomponemos de esta manera:

Al descomponer (trend), claramente se aprecia la tendencia al aumento de delitos; también la

descomposición nos indica una estacionariedad (seasonal) de los delitos años a año.

Ahora estimamos sus componentes:

La tendencia:

La estacionalidad

La aleatoriedad

Ahora realizamos la estimación de la serie: en donde la línea negra es la tendencia, la fucsia es la

estimación, y la azul es la proyección de la serie.
Ahora realizamos la proyección de la serie mediante el método de holt winters (como método
aditivo y multiplicativo, aunque ya dijimos que se debe aplicar el método multiplicativo porque los
delitos tienen tendencia al aumento)
Finalmente, la predicción de delitos es:

Con su correspondiente AIC y RMSE: