2026-04-14T18:08:18Zhttps://uvadoc.uva.es/oai/requestoai:uvadoc.uva.es:10324/438492021-06-30T03:59:06Zcom_10324_38col_10324_852
Clasificación de paquetes de series temporales en R. Ejemplo de modelización ARIMA con datos de contaminación de Madrid
Martín Mateos, Miguel
Rodríguez del Tío, María Pilar
Universidad de Valladolid. Facultad de Ciencias
Este trabajo fin de grado presenta una pequeñaa clasificación de los paquetes y funciones de R
más recomendables para tratar con series temporales y en particular con modelos ARIMA.
Como ejemplo para el uso de R en la modelación de una serie temporal, se utilizan datos
horarios y diarios de contaminación de NO2 de una zona concreta de Madrid, tanto para el análisis
descriptivo como para crear modelos predictivos. Previamente, se realiza un preprocesamiento de
los datos.
A nivel descriptivo se realizan comparaciones anuales,mensuales,diarias y horarias utilizando la
herramienta Tableau.
Además, se trabaja con datos de Marzo y Abril de 2020 en los que se produjo el estado de
alarma por la enfermedad del Covid19, lo cual se verá reflejado en una disminución notable de la
contaminación.
Para los modelos predictivos se aplica un enfoque de Box-Jenkins a dos series,una mensual y
otra horaria, esta última se modela con doble estacionalidad.
This Final Degree Project presents a small classification of the most recommended R packages
and functions for dealing with time series and in particular with ARIMA models.
As an example for the use of R in the modeling of a time series, hourly and daily pollution
data of NO2 are used from a specific area in Madrid, both for descriptive analysis and for creating
predictive models. Previously, the data is pre-processed.
At a descriptive level, annual, monthly, daily and hourly comparisons are made using the Tableau
tool.
In addition, we work with data from March and April 2020, when the state of alarm for Covid
disease19 occurred,, which will be reflected in a significant decrease in the contamination levels.
For predictive models, a Box-Jenkins methodology is applied to two series, one monthly and
the other one hourly. The latter is modeled with double seasonality.
2020-12-03T17:37:17Z
2020-12-03T17:37:17Z
2020
info:eu-repo/semantics/bachelorThesis
http://uvadoc.uva.es/handle/10324/43849
spa
info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional