Datos temporales en R 2023

(00:03) que planteéis vuestras dudas problemas o cualquier cosa que queráis comentar al respecto y el día de mañana el jueves teníamos planeado también una pequeña introducción de dudas pero creo que quizás si lo hacemos hoy y ya podríamos dejar mañana tiempo para trabajo en subgrupos no sé cómo lo ves Emilio si conviene mañana también a primera hora hacer unas sesión en común o directamente que los grupos trabajen por separado
(00:40) perdón se me había perdido la veamos que qué pasa hoy cómo van todos con el grupo y así decidimos perfecto cuando hagamos la última sesión de revisión de proyectos ya vemos si es más adecuado reunirnos mañana de nuevo muy bien espera hay un comentario por aquí Ah no es entrada de alguna persona muy bien pues yo creo que ya podemos proceder al primer tutorial de Denisse si podéis conectar el vídeo si os parece de acuerdo ahora lo estoy conectando ya
(01:24) a ver si pudieran confirmarme si se ve correctamente se ve se ve Ok y ahora le doy Play y por favor me confirman Marian si se escucha también por favor Okay mi nombre es Denisse fierro barcos Hola a todos Mi nombre es barcos voy a hacer la tutora de esta sesión de hoy Que va a tratar sobre datos temporales en r tal como vimos en el tutorial anterior todos los tutoriales están disponibles en la página o el repositorio
(02:04) de tutoriales bajo interconecta Tenemos aquí tutoriales interconecta todos los tutoriales están disponibles aquí Sí claro ayer vi dime dime de nuevo se me ha olvidado comentar que habría Hay que entrar en la plataforma para ir siguiendo el código en vivo si dejamos un par de minutillos para que la gente pueda entrar como siempre sí en la en la página principal de de la web nuestra ya sí puse una cajita prominente con la información básica de Cuál es el enlace de la plataforma la
(02:47) información para cerrar la sesión y para actualizar los tutoriales Muy bien pues soy ahí que entrar ahora mismo la charla es en R con Denis por tanto Hay que entrar en la sesión de r y recargar los tutoriales como siempre dándole a la pestaña de red aunque creo que eso ya fue hecho Antier Así que tal vez no hay necesidad de dinero ya está realmente no sé yo siempre tengo la costumbre de recargar Pero es verdad
(03:22) sí es verdad si no hacéis el pool ya ya lo tenéis De todas formas Entonces ahora Vais a la carpeta de miércoles y sería datos temporales r el punto rmd si podéis confirmar que habéis localizado el archivo bueno no veo ninguna queja en el chat están fascinados ya leyendo el fichero así que bueno Yo creo que podemos retomar de nuevo entonces okay Marian Emilio Perdonen solo comentar que Rubén tiene la mano levantada Rubén Alarcón Ah perdón Ah perfecto dice cargando Júpiter
(04:27) te está cargando todavía El material es eso Rubén el tutorial sí correcto esperamos un poquito más verdad que este paso según el ordenador tarda más o tarda menos y la conexión Supongo no de internet dice Rubén listo y no veo a nadie más recuerdo rápidamente el nombre del fichero está en miércoles y es día 3 datos temporales r punto rmd Pues nada entonces continuamos con el vídeo Muchas gracias Alejandra de acuerdo
(05:27) los datos espaciales en r por ejemplo tiene aquí el vínculo que los lleva directamente ya y hoy martes el miércoles uno de marzo vamos a ver espacios temporales en r pueden hacer clic aquí y les lleva directamente a la donde tienen toda la información ya disponible o pueden simplemente referirse a la carpeta del día que es miércoles hoy y tiene los la información del taller que vamos a ver hoy si no saben cómo
(06:02) conseguir esta información y replicarla en el repositorio local pueden referenciar el video de ayer en el que expliqué Cómo pueden clonar o Descargar toda esta información directamente a su computador o también este pueden accederlo a través de su cuenta de Entonces vamos a empezar vamos ahora en r ayer también les enseñé como hacer proyectos o Cómo activar los proyectos también y así que si nos están ayudando con eso pueden realizar el video de ayer hoy
(06:42) simplemente vamos a crear una nueva screen expresando shift control n o simplemente el esta hojita con el símbolo más y así pueden ingresar un Script nuevo Entonces los datos temporales eso es algo que en ecología nos lidiamos bastante seguido Supongo en este caso vamos a utilizar datos otra vez utilizando el paquete r airdap para bajar datos sobre color fila y hoy nos vamos a concentrar en en Guatemala
(07:20) la cosa pacífica de Guatemala específicamente vamos a también hacer uso de la biblioteca hay divers que nos va a ayudar a poder manipular nuestros datos y presentar nuestros datos de manera súper fácil vamos a poner el timer incluye varios paquetes incluyendo por ejemplo como les mencioné anteriormente vamos a utilizar también a r her edad vamos a utilizar el paquete también ese paquete nos va a ayudar a aliviar
(08:00) bastante con fechas que a veces suelen ser un poco complicadas en r Y por último vamos a hacer uso del paquete de puercas el paquete de puercas nos ayuda a hacer pronósticos que es parte de la serie de tiempo lo primero que vamos a hacer es Descargar estos datos voy a empezar un poquito más adelante de lo que iniciaría porque simplemente yo ya tengo la información de cuáles son los servidores que están disponibles si no saben cómo utilizar el
(08:40) paquete r pueden referirse al video de ayer en el que explicó el detalle Cómo hacer todo esto pero ahora vamos a adelantarnos simplemente vamos a poner los datos set que contienen clorofila como les mencionabas lo que vamos a utilizar hoy vamos a utilizar el paquete de verdad que tiene la función de guión bajo Search y Advance que es una búsqueda avanzada y le voy a decir que quiero que busque clorofila que generalmente refleja como chl le voy a
(09:10) dar el URL o el sitio web donde sé que están disponibles mis datos tengo esta información [Música] Bueno en realidad utilizo este este repositorio y bastante seguido pero también lo vimos en en el repositorio de ayer por lo que ya tenemos esta información pero si no podrían simplemente hacer una búsqueda de todos los servidores disponibles a través de rertapa Este es el sitio web Le voy a Añadir Otra palabra que va a ser mensuales quisiera
(09:55) información que sea de promedios mensuales voy a poner que el tiempo o poner un Rango de tiempo puede decirle 2015 empiece desde ese año hasta hoy no importa si es hasta hoy y le va a decir que una latitud mínima porque solamente quiero que me muestre datos que tengan información para el hemisferio norte desde latitud diez Norte hacia más arriba Simplemente porque Guatemala es nuestra área de interés no sé si corro esto vemos que lo va a evaluar
(10:34) está diciendo que no lo encontró y quizás he puesto simplemente pegarlo estaba Exactamente igual Okay ándale faltaba el último símbolo Okay listo Entonces ya me está dando la información de los set de datos si se refieren otra vez al o si vieron el video de ayer sabemos que este variable que acabamos de crear tiene una tabla de información que la podemos acceder con el ciclo dólar info y podemos ver aquí eh que tiene varios datos de hecho tiene
(11:22) cuarenta y un set de datos disponibles que cumplen nuestras condiciones que fueron que tengan clorofila que sean mensuales que estén disponibles en College que es la el servidor que yo escogí que tengan información desde el 2015 y que sean desde el hemisferio norte es de diez versos diez hacia arriba hacia el norte Okay entonces podemos nosotros ver esto con más detalle poniéndole View Y eso nos Abre una
(11:53) pestaña adicional de esta manera nosotros podemos ver un poco más de información sobre los títulos y cosas así o podemos también hacer uso del info le ponemos Data sets le ponemos info y le damos un ID del identificación del celular y vamos a poner el primero por ejemplo Para probarlo y nos va a dar información más detallada de qué es lo que nos está disponible en ese set de datos en particular yo por ejemplo ya vi esto con anterioridad y dije Bueno voy a ver
(12:37) el número [Música] cuatro aquí que tiene que este es el nombre del del set de datos de la identificación de datos son datos en grilla me está diciendo que tienen datos disponibles desde el 2012 hasta el dos y que tiene disponible información entre esas latitudes y esas longitudes que es lo que yo necesito Entonces lo que voy a hacer es simplemente guardar no guardar sino más bien acceder esa información mantenerla en el disco voy a llamarle simplemente clorofila o chl por
(13:18) corto y le digo que me baje esas grillas porque está el set de datos en grilla le digo que que se refiera al dato sets clorofila estoy diciendo que mire a info le digo que mire a mi Data set y de número cuatro y ahora le voy a decir que extraiga un Rango de tiempo en particular en realidad no voy a bajar un set de dato muy grande para evitar que se demore en la descarga de eso Entonces le voy a decir Simplemente que me dé información
(13:53) desde el 2016 el primero de enero hasta el 2020 el 31 de diciembre por ejemplo entonces se van a hacer cuatro años disponibles de datos luego le va a decir que la latitud la necesito en cierto Rango Entonces les voy a decir que sea aproximadamente Esto es lo que cubre la la zona la costa Guatemala digo así que me deses longitud es perdón esa latitud y le voy a decir que también tenga una longitud mínima este limitada porque no quiero que me dé
(14:29) toda la información a lo largo del Globo en la latitud de 10 a 15 y medio por ejemplo Entonces vamos a poner esa información aquí y le voy a decir que me baje esta información Entonces esto puede tomar un par de minutos no debería tomar en realidad mucho tiempo por lo que son pocos años y son datos mensuales y es un área bastante pequeña entonces una vez que ya la haya bajado Esto va a estar disponible como datos en grilla o en ruster tal
(15:07) como los vimos ayer que es así que tienen celdas y cada celda tiene un valor específico espera un poquito más Generalmente no se demoraba tanto ahí está y vemos que ya tengo yo mi set de datos chl que está disponible ahí me dice que tiene dos elementos y uno es los metadatos y los datos en Sí si recordamos le damos un símbolo de dólar vemos que tiene el que nos da los datos los metadatos y Data que son los datos en sí Entonces si Queremos ver los
(15:48) datos en sí podemos hacer un Head para ver los las primeras columnas Perdón filas y nos dice que tiene longitud latitud el tiempo y la clorofila que es en este caso el promedio mensual tal como vimos aquí un poquito más arriba que son este clorofila en unidades de miligramos por metro cúbico y son promedios mensuales como tal como lo buscamos Ok entonces antes de comenzar a hacer algo más con esta información lo que voy a hacer es graficar estos datos Porque puede ser
(16:32) que lo hayamos escogido mal haya cometido un error entonces lo que voy a hacer es bajar o acceder a un a un polígono de todos los los países en el planeta que está disponible desde este paquete Le voy a decir específicamente quiero a los países ene_contris y le voy a decir que me dé una un polígono de clase sf Porque seguía muy bien con ellos básicamente Okay entonces ya veo que tierra está aquí y está disponible para que yo pueda ser cualquier tipo de gráficos Entonces
(17:21) ahora vamos a crear el mapa si recordamos Necesita que le demos la ubicación de los datos en este caso es chl Data le vamos a decir como no podemos poner todo en uno le vamos a decir Ok haz el filtrado de solamente el primer mes Cómo sabemos Cuál es el primer mes podemos ver aquí abajo en lo que cuando hicimos el vimos que este es el primer mes entonces simplemente copiamos y pegamos o los podemos volver
(17:52) a escribir Si queremos sabemos que es la columna Time y le decimos que ese es el tiempo que está más interesados Luego pasamos esta información de le decimos que los ejes x sería la longitud el eje y sería la latitud luego tengo que Añadir Qué tipo de gráfico voy a poner el que es bueno para graficar raspels y le voy a decir que va a el color que está dentro de cada uno de estos de estos píxeles va a ser el log de clorofila
(18:40) porque hace un momento vi que hay una gran un gran Rango de datos Y si ponemos solamente clorofila no vamos a poder ver muy bien Qué es lo que está pasando en nuestros datos Y luego le vamos a añadir esos mapas del de los de todos los países le vamos a decir que los datos en este caso son diferentes provienen de la variable tierra y le vamos a decir que no quiero que utilice las estéticas que yo puse anteriormente porque no aplican a este set de datos en particular Y por
(19:17) último le va a decir que los límites van a ser [Música] no van a ser de todo el planeta como lo es en los datos de tierra que incluye todos los países sino que me voy a enfocar en el área alrededor de Guatemala por ejemplo entonces voy a decir x que sería mi longitud este 95 ochenta y ocho y mi latitud que sería y va a ser entre 10 y 16 por ejemplo okay Y una vez que tengo todo esto listo también le puedes decir ah para que sea más bonito que aplicarle este fin blanco
(19:55) y negro luego vamos a pensar la computadora un momento en esto y nos va a producir un gráfico entonces aquí me está dando un mensaje de aviso que nos dice que simplemente está removiendo datos que no están disponibles aquí cometí un error por eso me está mostrando tanto es desde menos 95 A menos ochenta y ocho porque se encuentra en el hemisferio oeste al momento me estaba enseñando desde menos desde el cinco s a 88 este por eso es que estaba tan grande ahora
(20:42) sí se ve un poco mejor vemos que aquí está Guatemala y a pesar de que pusimos el log vemos que la mayoría de los lugares no tiene mucha clorofila hay áreas que están un poco más claritas a lo largo de la costa donde el nivel de Ecología es más alto pero por lo general casi no hay nada de clorofila disponible okay Entonces qué hacemos ahora ya que sabemos que tenemos los datos están en modo grilla Si queremos hacer una serie de tiempo necesitamos
(21:21) un dato por periodo de tiempo en este caso como vimos nosotros seleccionamos un solo día y nos dio todos estos datos que están aquí entonces lo que queremos hacer es hacer como un resumen de todo esto entonces lo que vamos a hacer es simplemente crear un promedio si esto es algo que debemos hacer o no va a depender un poco de qué es lo que están haciendo por ejemplo Aquí vemos que si hacemos un promedio estos valores más grandes se van a perder entonces
(21:58) quizás no sea lo más adecuado esto solamente lo vamos a mostrar para que ustedes vean Cómo pueden hacer este tipo de análisis Entonces lo primero que vamos a hacer es crear un nuevo set de edad un resumen sí de los datos que ya tenemos aquí estamos creando una variable vamos a poner serie de tiempo le vamos a llamar clorofila Esto va a estar basado en los datos que tenemos dentro de clorofila y le voy a
(22:27) decir que quiero que el tiempo que si lo mostramos otra vez voy a imprimir esto para que lo veamos otra vez que el tiempo el momento tiene No solamente la fecha el mes el año y el día sino que también tiene las horas en realidad no quiero que tenga las horas y para que sean más bonitos todos mis resultados voy a quitarlos Así que voy a aplicar un que me va a ayudar a cambiar los datos de una o más columnas se va a decir que quiero que mutes la columna
(23:07) tiempo y le voy a aplicar esta función que es State aski_day que básicamente le dice ponlo como fecha no como fecha y hora y la columna en la que va a aplicar eso se llama tiempo no Simplemente de reemplazo okay Y una vez que hago eso le voy a decir lo que ya que tienes eso listo quiero que lo agrupes por tiempo no se puede utilizar el goodby tengo que dar tiempo [Música] y ahora le digo que cree las los
(23:47) promedios Entonces les voy a decir summerce que cree estas resúmenes de los datos voy a llamar promedio de clorofila a este datos en particular y le voy a decir que calcule el promedio de clorofila que seguimos acá Un poquito más arriba vemos que la columna se llama clorofila a en este caso como no si se dieron cuenta Esta columna incluye datos na porque no estaban disponibles en esa fecha así que tenemos que asegurarnos que estos datos de na
(24:32) no afecten a nuestros resultados porque soy un nna en cuando agrupamos los datos el resultado va a ser enea Entonces le vamos a decir que los que hacemos el sumario va a decir que cree un par de columnas adicionales que puede que me ayude con mis mis gráficos principalmente le voy a decir que cree una columna llamada año que va a estar basada en el año que vamos a obtener de la columna de Time que es donde tenemos esta fecha y vamos
(25:09) a crear otra que se llama mes que es simplemente el mes de la columna time y listo vamos a guardar esto en esta nueva sede de edad variable entonces así como hicimos anteriormente podemos ver esta nueva variable utilizando Head para que no imprima todo y veamos qué el tiempo ahora ya no incluye ese perdón la columna de fechas incluye el tiempo tenemos un promedio de toda esa área o sea esta área que tenemos graficada aquí que es justamente el primero el 15 de enero del 2016 es este
(25:54) el valor promedio que encontramos en esa área nos está diciendo que el año es 2016 y el mes es uno justamente lo que estábamos buscando hacer entonces Cómo podemos empezar con nosotros con el análisis Generalmente nosotros podemos graficar Entonces vamos a utilizar Entonces tenemos nuestros datos que están resumidos en esta variable serie de tiempos de clorofila le voy a decir que vamos a utilizar le voy a decir que
(26:34) las estéticas que incluyen el X sería el tiempo o en este caso que contiene la fecha el eje y va a ser el promedio de la clorofila y luego les voy a decir simplemente que escoja el gráfico tipo línea gráfico tipo línea utilizando la información que puse anteriormente luego le voy a decir para que se vean un poquito más bonitos que el el eje x de hecho contiene fechas eso lo puede hacer utilizando esquel y un bajo x guión bajo tates esto aplicar al eje x solamente
(27:26) te voy a decir que mis etiquetas o leibos quiero que muestre no Día mes y años sino simplemente el mes guion Y luego el año si pongo m minúscula me muestra dos dígitos para el mes o sea si generé cero uno si es que siempre es uno dos seguido por un guion y el la y mayúscula se refiere a que necesito el año en cuatro dígitos y luego le voy a decir que quiero que muestre las fechas cada año esto lo puedo hacer con guión bajo breaks hace un año
(28:18) y finalmente lo voy a poner otra vez ese tema de blanco y negro para que se vea un poquito más bonito y vamos a ver Aquí te damos nuestro nuestros datos Cómo se ven a lo largo de los son cuatro o cinco años que escogimos entonces vemos eh que está aquí desde el 2016 y que terminan en diciembre del 2020 Cómo la escogimos aquí más arriba el 31 de diciembre del 2020 Entonces los cuatro años de datos están aquí
(28:57) Entonces si cuando tenemos estas series de tiempo A veces un poco difícil ver si hay alguna tendencia de algún tipo aquí quizás vemos que una tendencia a la alza luego como que cayó se quedó casi sin cambiar y luego subí un poco hacia el final pero Cómo sabemos si esto es cierto no podemos básicamente agregar una función que hace este buring que básicamente hace que lo suaviza los datos desde cierta forma para hacer más evidente Cuáles fueron los cambios entonces
(29:39) remueve toda esta variabilidad que vemos aquí bastante variabilidad utiliza básicamente hace un promedio o algo similar una una regresión utilizando varios puntos y así la suaviza entonces Pues nosotros podemos Añadir esta información al gráfico que acabamos ya de crear para que para que tenga una idea de cómo se hace esto entonces lo que podemos hacer es simplemente copiar y pegar lo que tuvimos lo que acabamos
(30:13) de hacer hace un momento y le voy a Añadir esta esta suavización de los datos Cómo hago esto utilizando el guión que se refiere a su justamente a esta como suavizar estos datos Y le voy a decir que utilice el método lo es que es un tipo de línea de regresión que nos ayuda a suavizar este tipo de datos y luego le voy a decir que generalmente me da una estimación del error estándar le voy a decir que en este caso no quiero que me la muestre ese va a ser falso
(30:59) y le añada esa línea y me da aquí los resultados entonces vemos que tal como vemos visto antes si hay una subida luego como que no hace un cambio baja y sube otra vez al final Entonces sí tenemos sí pudimos como que algo entender lo que decía el modelo algo que quizás deja mencionar es que si vamos a la ayuda digamos [Música] Ellos tienen una opción disponible que se llama span aquí está que básicamente es el la cantidad de datos que van a utilizar para hacer este
(31:50) esta suavizar los datos aquí tenemos el spam controla la cantidad de suavización que se hace a través de esta línea de regresión lo es un número más pequeño hace que se mantengan esas esas variabilidad en los datos que vemos ahí y números más grandes nos va a dar va a incluir más datos en esa regresión por lo que va a haber la línea se va a suavizar un poco más yo lo dejé simplemente en el dispón que tenía que como vieron un poco más arriba las cero punto setenta y cinco pero ustedes pueden cambiarlo si es que
(32:32) sus necesidades así lo lo necesitan no Okay entonces qué más podemos ver aquí podemos ver que quizás vemos que la clorofila ha estado como disminuyendo por cada año especialmente después del 2017 en el que hubo ese pico Parece que ya ha estado disminuyendo nunca volvió a ese pico entonces podemos nosotros ver también utilizando Gigi Sí es que esto es cierto no Entonces vamos otra vez a hacer otro gráfico utilizando el mismo
(33:15) ser de datos le vamos a llamar a vamos a decirle que esta vez utilice los meses en vez del tiempo porque quiero que me salgan los meses en el eje x y que cada de la luna de las líneas sea por año Entonces cómo hago eso el eje x va a ser mes el eje x el eje y perdón para seguir siendo el promedio de la clorofila por medio de la clorofila y le voy a decir que agrupe a esta información por año que son las columnas que nosotros creamos al final cuando estábamos agrupando haciendo este
(34:05) resumen de los datos luego debo decir que otra vez utilices la línea porque así es más fácil verla le voy a decir que quiero que el color de la línea sea basado en años y le voy a decir así mismo que utilice ciertos colores específicos para poder yo verlos Un poco mejor diferenciar un poco mejor le voy a decir okay quiero que utilices un gradiente de color que hacer color es que el color guión bajo gradiente debo decir que el más bajo
(34:43) estos colores yo ya los vi hace un momento Estos son simplemente colores o o la no color sino más bien el código gex de ciertos colores Entonces lo hago yo por ejemplo en rojo o en rosado como ven ahí y el más alto va a ser un color rojo oscuro estos números yo ya los identifiqué antes no se me memoria Ah y luego le va a poner otra vez el tema de blanco y negro vamos a ver qué me da esto y veo aquí que como ven el año 2021 es
(35:23) el más oscuro el 2016 el más claro como vemos acá el año 2016 es el quizás uno de los el más alto uno de los más altos pero no hay como que no parece ver que verse que siempre hay una una disminución de los valores por año Pues que por aquí Tenemos aquí Esto será el 2018 quizás dice 2019 que vemos que está más alto que cualquiera Y entonces como que no no vemos que hay un patrón por año Pero quizás si hay un
(36:02) patrón estacional vemos que hay estos picos al inicio del año vemos que estos picos también Al final de año y probablemente uno como a mitad pero definitivamente al inicio y al final de año vemos que hay estos picos en los valores de la clorofila lo que nos está indicando que quizás haya un elemento de tendencia por estaciones Okay entonces vamos ahora ya que estamos hemos visto un poco más Cómo están la
(36:35) Cómo es los gráficos de estos datos lo que vamos a hacer ahora es más estadísticas entonces lo que vamos a hacer es convertir a estos datos en series de decir Okay vamos a crear la serie de tiempo de clorofila eso está por mes no utilizamos el paquete perdón el el la función ts que está en series o series de tiempo le digo que estos datos están disponibles en mis datos anteriores con los que dicen los gráficos que es St guión bajo
(37:11) clorofila y mis datos están en como promedios clorofila luego le digo que desde cuándo empiezan mis datos no Entonces le digo ok mis datos inician en el 2016 y finalizan en el 2021 y luego le digo que tiene una frecuencia de 12 meses en un año a eso se refiere el dosis una frecuencia mensual qué lo tengo ahí listo no sé si quiero verlas puedo escoger esto y me está diciendo que está todos los meses disponibles acá
(38:09) y luego decimos pero este es 2020 me quedó la duda Sí 2020 hasta el 12 y puedo hacer también un gráfico entonces simplemente puedo hacer un plot de la serie de tiempo y me da básicamente el mismo gráfico que obtuvimos anteriormente este de acá es el mismo gráfico sino que utilizando un paquete diferente Lo bueno es que una vez que tenemos ya los datos en este en esta clase de serie de tiempo podemos descomponer la serie de tiempo y ver si hay algún tipo de patrón en los datos
(39:04) entonces lo que vamos a hacer es vamos a crear una nueva variable serie de tiempo descompuesta vamos a utilizar esta función stl que nos permite descomponer series de tiempo estacionales como ven ahí y utilizar esta función sobre esa de que suavicen los datos lo ves le voy a decir que mis datos están en serie tiempo mes y le voy a decir que mi ventana va a ser por periodo entonces va a tener en cuenta el la periodicidad de mis datos
(39:48) okay Y luego puedo hacer un gráfico en el que voy a ver que ha descompuesto voy a hacer ven acá qué descompuesto mi serie de tiempo Entonces estos datos de aquí son los datos originales exactamente lo que lo que graficamos con ggp y una vez que hicimos la serie de tiempo luego ahí comienza a descomponer estos datos Esta es la tendencia estacional como vimos al inicio hay estos picos hacia el final del año otra vez hay esos picos y y de hecho no había un pico Bueno sí hay un
(40:31) pico ahí como a la mitad y hay una una bajada antes de ese pico entonces estemos un pico al inicio un pico a la mitad y luego tenemos ese ese nivel más bajo es cerca del mediado de año la tendencia total es que hubo una subida no hubo mucho cambio hubo una bajada luego que es básicamente el mismo la línea azul que nosotros pusimos sobre los datos originales cuando utilizamos y este que dice remainder es simplemente esta variabilidad que no está incluida en las tendencias estacionales o la
(41:10) tendencia general de los datos Okay entonces volvemos otra vez quizás en ciertos casos haya necesidad de quitar esta tendencia estacional para solo estudiar la tendencia general de los datos nosotros podemos hacer eso utilizando básicamente la información de la descomposición hay otra función que se llama dicom post que hace básicamente lo mismo que lo que esta función stl hace pero nos permite acceder un poco más fácil a los datos de las diferentes tendencias Entonces les
(41:57) voy a mostrar voy a crear St vamos a si acepte HL componentes para diferenciar las dos y vamos a hacer dicom post y vamos a utilizar la misma información es la serie de tiempo que debemos de crear de la clorofila Entonces si nosotros hacemos un plot de esta serie de tiempo nos va a dar básicamente el mismo resultado la original la tendencia global la tendencia estacional y lo que no está explicado está contenido en esas dos otras tendencias y ahora si nosotros
(42:45) queremos ajustar nuestra tendencia para remover esa parte estacional podemos poner ajustada por ejemplo aquí clorofila ajustada que sería la clorofila mensual eso nuestros datos originales menos la clorofila las componentes de la clorofila Tenemos aquí con pendientes y vamos a hacer uso de los componentes de estacionamientos ya hemos calculado esto Y si hacemos un podemos ver el resultado que se vea un poco diferente nuestros datos originales porque en este caso
(43:35) hemos removido eh las tendencias estacional sí esto de aquí no no se ve como la tendencia general porque Recuerden que esto tiene no solamente el componente estacional general sino que este componente aleatorio y en este caso incluye ambos el componente de la tendencia general y el componente aleatorio pero aún así está un poco más como suavizado en relación a los patrones originales que nosotros vimos en
(44:08) nuestros datos y bueno por último pasamos a cuestiones de pronósticos que esto es algo que he hecho con regularidad con estas series de tiempo entonces supongamos que nosotros queremos pronosticar qué es lo que pasa con la clorofila en en Guatemala vamos a usar la misma serie de tiempo lo que vamos a hacer primero es crear un subconjunto de datos que nos va a pedir armar el modelo para luego hacer el pronóstico y vamos a tener una también un conjunto un subconjunto
(44:50) para probar que tan qué tan buenas son las predicciones que vamos a crear para hacer esta subconjuntos nosotros Generalmente podemos hacer algo así como filtrado o darle aleatoriamente seleccionar en este caso no sería buena idea seleccionar aleatoriamente sino que seleccionar como un subconjunto de datos en vez de utilizar estas otras opciones podemos utilizar la función Windows que es justamente diseñada para aliviar con series de tiempo Entonces vamos a hacer dos
(45:24) variables la primera es va a ser el los la clorofila que da utilizada para llevar a cabo los modelos vamos a utilizar esta función Windows Nosotros sabemos que los datos de la serie de tiempo están en la variable de la clorofila serie de tiempo mes le voy a decir que esta inicia en el 2016 y le voy a decir que termine en el 2019 para tener ese último año de datos que yo pueda hacer esas predicciones pero tenga suficiente información para poder
(46:00) obtener una idea de cómo varían estos datos y luego tengo la de prueba Así mismo lo voy a utilizar el Windows voy a utilizar las luces de datos pero en este caso le voy a decir que empiece cuando terminan ni set de datos para el modelo Es decir desde el 2019 en adelante porque justamente Quiero ver cómo compara se comparan esas predicciones a lo que yo tengo en mis observaciones no listo y lo que nosotros vamos a hacer es utilizar modelos conocidos en inglés
(46:41) como ets o en español sería este que se refiere a error tendencia Y estacionalidad estos hay varios modelos que pueden ser utilizados como los modelos arriba por ejemplo que habrán escuchado eso es un poco más complejos de aplicar y como tenemos un tiempo limitado decidí más bien hacer ese otro tipo de modelo de ete y tampoco voy a entrar en muchos detalles Porque son algo complejos de aplicar y depende mucho del tipo de datos que tengan
(47:16) de cierta forma de su conocimiento también de de sus datos depende bastante estos modelos ete de error tennesseinstitucionalidad utilizan una sola variable por lo que en este caso como estamos solamente haciendo lo de clorofila es apropiado para nosotros Entonces la idea es que esos modelos tratan de entender la variabilidad que que hubo en el pasado y básicamente tratan de de capturar la estacionalidad de los datos las tendencias generales las tendencias
(47:52) que no pudieron ser explicadas aleatorias Y tratar de predecir lo que pasaría en el futuro claro Muchas gracias Nos propone Emilio un momentito para ver si hay preguntas y responder las para que sea un poco más interactivo también el tutorial de alguien que quiera preguntar algo por chat o hablando como queráis y cualquier duda que haya surgido pequeña o grande es cierto que Denisse no está aquí pero tal vez alguien que programe en r que esté aquí pueda
(48:34) abordarlo la pregunta que surja bueno Esto significa que todo está todo lo están siguiendo perfectamente alguien tiene algún problema para correr el Script va todo bien no está dando ningún error todo perfecto no bueno parece que no hay dudas continuaremos entonces Gracias de acuerdo seguimos tienden a utilizar a decir que como no decir pero la idea es que utilicen información pasada que va a influir en el futuro
(49:27) pero mientras más tiempo haya entre el pasado y el futuro menos influencia van a tener esas variables o esos Perdón dos variables no esos números o medidas del pasado en el futuro entonces Mientras más cercano más influencia va a tener como el clima por ejemplo si ayer estuvo muy muy caliente es más probable que hoy sea muy muy caliente y no que de repente nieve no entonces esa es la idea Existen varios tipos de estos modelos ete
(50:10) que dependen del tipo de errores que incluyan o las tendencias que puedan tener pero básicamente Nosotros hemos aquí aplicadas varios y vamos a ver cómo Cómo sus pronósticos son que tan buenos son o no vamos a utilizar modelos aditivos multiplicativos y los que los seleccionan automáticamente para eso vamos a utilizar la función de y de ets que nos va a permitir aplicar estos modelos Entonces lo primero que
(50:52) vamos a hacer es crear Este modelo Entonces vamos a decir okay Quiero que mi modelo sea el ets vamos a poner de regresar aquí clorofila ets y el automático el que no le hago ni simplemente le digo aplica la función ets a mis datos y Recuerden que ahora ya no utilizar los datos originales sino que voy a utilizar los datos que yo el subconjunto de datos llamados modelo digo okay crea eso luego le voy a decir okay tengo otro tipo de modelo de ts que
(51:37) en este caso son los modelos El M era el modelo multiplicativo por ejemplo entonces digo que haga un modelo multiplicativo es la misma función ets es el mismo los mismos datos que voy a utilizar pero aquí el modelo va a ser igual a Ok luego le voy a decir por ejemplo que utilice otro tipo de modelos ets Vamos a ponerle el MMM y vamos a ponerle esa es otra de las opciones que está disponible en esta función de ets
(52:39) entonces podemos el mismo modelo MMM y le voy a decir que es igual a cierta entonces podemos encontrar un poco más información utilizando la ayuda para ver qué hace ets es estas suavizantes modelos de espacio tiempo exponenciales Entonces me dice el modelo por default es triple Z aquí me da información sobre los modelos me dicen que como les mencioné hace un momento la primera letra se refiere al tipo de error la segunda letra es el tipo de
(53:24) tendencia y la tercera letra es el tipo de estación contar como les decía multiplicativa y el que se selecciona automáticamente por default es el triple Z es el que se aplica Entonces sería este aquí el auto que es el automático aplica el triple Z y esto de dan como que trata de suavizar un poco más incluso la esta tendencia que que ha sido pronosticada y tiene muchísimas más opciones Sería bueno si es que ustedes quieren
(54:05) aplicar ese tipo de modelos que se refieran a la documentación e incluso Aquí les da información de referencias en las que pueden leer un poco más sobre qué es lo que estamos haciendo aquí okay Y ya tenemos todos los modelos listos lo que ahora tenemos que hacer es crear los pronósticos Entonces vamos a llamarlas lo mismo pero al final la vamos a poner pro de pronóstico para pronosticar utilizamos Forecast que significa pronóstico utilizamos el
(54:38) modelo y ese caso sería ets auto y le voy a decir que son 12 meses que me faltan entonces que pronostique doce los doce meses del año no luego le voy a decir que haga lo mismo con los otros no Este smm voy a poner el pro de pronóstico para poder diferenciarlos pero es exactamente lo mismo utilizo mi modelo este 12 meses y el último Ay perdón se dice pero el último va a ser el de Así voy a aumentar el
(55:45) y le voy a hacer el pronóstico y quiero que haga 12 veces esto no es el pronóstico para los 12 siguientes puntos Ok entonces si nosotros vemos estas variables que están incluidas aquí en realidad son listas no son Data frames lo que puede ser un poco difícil graficarlas entonces lo que voy a hacer es ahora cambiar estas variables a Data frames y así poder graficarlas en un poco más fácil Entonces cómo hago esto Vamos a ponerle
(56:38) Vamos a ponerle el mismo nombre vamos a empezar con Auto de pronóstico Data frame le voy a decir que convierta el los pronósticos que acabo de calcular un poquito más arriba que lo convierte en Data frame luego voy a decir que los Roy names básicamente Déjenme mostrarle los datos aquí entonces básicamente me da esta lista que tiene dos tres cuatro cinco columnas y tiene el mes y el año como los nombres de las
(57:21) filas y eso no es algo que yo quiero me vas a cocinar un montón de problemas cuando estoy tratando de graficar entonces lo que quiero hacer es que los nombres de las columnas como vemos aquí pasen a una pero los hombres las filas pasan a una columna que yo voy a llamar mes O de hecho lo voy a llamar fecha Porque no solo el maestro hace la fecha y luego le voy a decir que esta columna fecha la mute y la convierta en fecha
(57:55) para eso vamos a utilizar esta función y lo que voy a hacer es agregar que agrega esta información a lo que ya está incluido aquí entonces va a decir que agregue el número 15 porque si recordamos estas información original venía de mediado eso era calculada por mes y tenía el número quince que es el mediado del mes como la fecha entonces para poder hacer esas conversaciones con el quince y un espacio y lo va a pegar a la
(58:29) información que está en Facebook entonces Esto me queda como aquí por ejemplo tengo las fechas que es febrero 19 va a quedar como 15 espacios febrero 19 okay Y una vez que lo haya pegado le voy a decir que mis datos deberían verse como están escritos como día que son dos dígitos en este caso el mes que está no en números por eso no pongo m sino que está escrito con palabras pero está cortado si es B mayúscula es el nombre completo
(59:11) de la fecha sería ferry o marzo o lo que sea con p es cuando está achicado y luego tengo el año y son cuatro dígitos precios tengo la mayúscula ahí Y por último le voy a agregar esta información de modelo Entonces le voy a decir que este de aquí Este modelo se refiere al modelo ete el automático no y eso me va a ayudar con mi gráfico Entonces ya tengo esta primera Data frame como vemos aquí se ve un poco diferente a lo que tenemos arriba esto con lo que iniciamos ahora tenemos la
(59:51) fecha y todo lo demás y tenemos ya el modelo ahí entonces básicamente tenemos que hacer lo mismo con las otras dos variables entonces voy a copiar y pegar y voy a hacer unos pequeños cambios entonces la siguiente variable ya no es auto sino que sería la mm pro y le pongo de F al final porque este es un dato frame esto también cambiaría sería la MMM Pro luego le cambio lo mismo la fechas y eso vamos a hacer autos sino que va a ser este
(1:00:42) que no lo encontró a ver si lo calculamos seguramente pegarlo aquí Ahí está listo y tengo voy a copiar y pegar otra vez que sería la última es la tan Pro