Temperatura promedio horaria durante el 2018 en Bogotá-Suba: Pasos claves para realizar un análisis de series temporales.

Abstract

Introducción: Los modelos de series de tiempo[MST] permiten descubrir la tendencia y comportamiento de datos ocurridos en diversas medidas de tiempo ordenadas cronológicamente. Objetivos: Nosotros describimos los pasos claves para seleccionar y analizar un MST aplicado en datos de la temperatura horaria en el año 2018 (Bogotá–Suba). Metodología: La temperatura horaria promedio fue 14.4 °C (4.1; min: 5.1, max: 27.0 °C) con diferencias al comparar entre horas del día y meses del año (Valor p:<0.001; Kruskall Wallis test). Los componentes de la serie evidenciaron un patrón estacionario (Dickey-Fuller; Valor p:<0.01) y alta influencia de los componentes periódico y aleatorio[Comp_per&aleat]. La influencia de los Comp_per&aleat disminuyó al diferenciar la serie[ndiff1], y preliminarmente con los análisis de autocorrelación[ACF;PACF] se esperaba un modelo ARIMA (ARIMA: p1_d0_q3). El modelo p1,d0,q3[AIC: 1382.55] fue más parsimonioso que el modelo p2_d0_q2[AIC: 1390.92] sugerido por la función AutoARIMA (Forecast Library), pero el gráfico Inverse­­­ AR Root sugirió mayor estabilidad en el modelo p2_d0_q2. No obstante,, entre los modelos paramétricos y no paramétricos ejecutados, el MST Holt-Winters de doble periodicidad pronosticó con alta precisión[Forecast_IC95%] el comportamiento y tendencia de la temperatura °C. Conclusión: Los datos ordenados de la temperatura horaria en la localidad de Suba-Bogotá permitieron aplicar los pasos básicos para seleccionar un MST. Esta aproximación práctica puede ser útil para estudiantes o principiantes que necesitan analizar observaciones secuenciales.

Keywords

• Series de tiempo
• Factores de tiempo
• Medioambiente
• Temperatura del medioambiente
• Meteorología
• Bioestadística