Series Estacionarias

Para empezar, descargamos las librerías las cuales serán necesario para la resolución de
nuestro ejercicio

library(lubridate)
library(tidyverse)
library(astsa)
library(foreign)
library(timsac)
library(vars)
library(mFilter)
library(dynlm)
library(nlme)
library(xts)
library(tseries)
library(forecast)

attach(turistas): Para poder trabajar con el archivo, en este caso turistas

names(turistas): Para especificar el título de nuestra columna

Empezamos especificando que es una serie de tiempo con las siguientes funciones
Especificamos que queremos que nos muestre el data frame del periodo de inicio y fin, que sería en
el año 2019 y en el mes 1 que sería enero y culmina en el año 2022 en el mes 12 es decir diciembre,
a continuación colocamos “turistas.ts” y nos muestra el data frame completo desde el año que
empezó hasta que termina por mes, para saber que ya está convertido en un archivo de tiempo
colocamos “class” y nos arroja “ts” que significa time serie, es decir series de tiempo, para
visualizar mejor podemos graficar con la función plot ()

Como observamos, notamos la presencia de turistas en el año 2019 está acogida de turistas duro
hasta el año 2020 , a mediados de ese año bajo el número de turistas y entre los años 2021 hasta el
2023 se puede observar cómo ha ido en ascenso la cantidad de turistas que visitan galápagos en la
actualidad se observa entre 20.000 turistas.

Para este grafico se utilizó la función “seasonplot(turistas.ts, col=rainbow(12), year.labels = TRUE)”

para visualizar por cada año y mes la llegada de los turistas a Galápagos .

Función de Autocorrelación
Nos sirve para saber si es nuestra serie de tiempo es estacionaria o no , con la
función “acf ()”
Desde nuestro primer grafico ya podíamos decir que no es estacionaria ya que para que lo sea la
media y la varianza tiene que ser constante a lo largo del tiempo y dado que no lo era se dice que
no es estacionaria, en este grafico podemos confirmar que no es estacionaria dado que la
correlación va decreciendo, por lo tanto, tenemos que convertirla en estacionaria.

Para convertirla en Estacionaria

Usamos esta función para saber cuántas diferencias requiere mi seria de tiempo para que se vuelva
estacionaria

 Usamos estas funciones para saber si ya está convertida en Estacionaria

Como observamos ya nos da 0 en las diferencias y gráficamente se ve así:

Así se ve una seria estacionaria la media es igual a 0 y varianza constante

Análisis visual de los gráficos de Autoorrelacion

Le pido que me grafique 4 gráficos, primero le pido que grafique mi serie original, luego la función
de autocorrelación de mi serie original que no es estacionaria y después que grafique la serie
diferenciada y por último que haga la función de autocorrelacion de mi serie diferenciada es decir la
estacionaria

Aquí podemos observar de manera comparativa como es la serie estacionaria y la seria no

estacionaria.