Conviene haber comprendido Diseño de estudios, causalidad y datos faltantes.
CONTENIDO ORIGINAL
Avanza en orden. Cada lección está redactada para Palta es Cool, utiliza ejemplos propios y termina con una actividad cuya respuesta puedes desplegar.
ANTES DE EMPEZAR
Ubícate antes de avanzar
Al terminar deberías poder relacionar Tiempo y rezagos con Patrones temporales y resolver un caso nuevo.
Reserva entre 75 y 120 minutos o divide el laboratorio en dos sesiones.
04 / PREPARA EL LABORATORIO
Instala R y luego RStudio. Conserva cada ejercicio en un proyecto separado.
Abrir la guía de herramientas →Diagnóstico rápido: ¿cómo se relacionan Tiempo y rezagos y Patrones temporales? ＋
No necesitas acertar todavía. Escribe una hipótesis de dos líneas y compárala con tu respuesta al finalizar; si puedes corregirla y justificar el cambio, hubo aprendizaje.
Aprende el tema paso a paso
Aprenderás a respetar el orden temporal, separar patrones y evaluar pronósticos sin usar accidentalmente información del futuro.
Al terminar podrás
- Una serie no es una tabla que se pueda mezclar al azar
- Tendencia, estacionalidad y residuo describen comportamientos distintos
- La validación temporal imita el momento real de decisión
01
Tiempo como estructura
Una serie no es una tabla que se pueda mezclar al azar
Las observaciones cercanas pueden depender entre sí. Frecuencia, zona horaria, intervalos irregulares y ausencias temporales cambian la interpretación. Un rezago usa solo valores anteriores.
Ordena y valida duplicados del índice temporal.
Distingue ausencia de registro de valor cero.
Crea variables de calendario sin mirar la respuesta futura.
¿Por qué calcular un promedio centrado puede causar fuga al predecir?
Mostrar respuesta ＋
Porque incluye valores posteriores al instante pronosticado. Las variables predictivas deben construirse solo con información disponible en ese momento.
02
Patrones temporales
Tendencia, estacionalidad y residuo describen comportamientos distintos
La tendencia refleja cambio de largo plazo; la estacionalidad repite un patrón conocido; ciclos no siempre tienen período fijo. La autocorrelación mide asociación con rezagos y ayuda a detectar estructura pendiente.
Visualiza la serie completa y por temporadas.
Compara nivel y variación en distintos períodos.
Una tendencia compartida puede crear correlaciones engañosas.
¿Una autocorrelación alta prueba que el pasado causa el futuro?
Mostrar respuesta ＋
No. Indica dependencia temporal y puede reflejar tendencia, estacionalidad o factores omitidos. Sirve para modelar, no para afirmar causalidad.
03
Pronosticar y evaluar
La validación temporal imita el momento real de decisión
Se entrena con el pasado y se evalúa en períodos posteriores, avanzando el origen del pronóstico. Un modelo complejo debe superar una línea base como último valor o temporada anterior.
Define horizonte: mañana no es lo mismo que tres meses.
Evalúa errores con unidades y costos del problema.
Reporta intervalos que suelen ampliarse con el horizonte.
¿Por qué dividir filas al azar produce una evaluación optimista?
Mostrar respuesta ＋
Porque el entrenamiento puede contener observaciones posteriores y muy cercanas a las de prueba. Eso no representa cómo se usará el modelo en producción.
Tu recorrido en tres ideas
- Una serie no es una tabla que se pueda mezclar al azar
- Tendencia, estacionalidad y residuo describen comportamientos distintos
- La validación temporal imita el momento real de decisión
Pronostica sin usar información del futuro
Integra orden temporal, tendencia, estacionalidad, rezagos y validación fuera del futuro.
CASO
Debes anticipar demanda semanal con dos años de datos y una fuerte temporada de verano.
Procedimiento
- Ordena y grafica la serie; identifica frecuencia, huecos y cambios de definición.
- Separa entrenamiento y prueba respetando el tiempo y crea una línea base estacional.
- Compara errores por horizonte y revisa residuos, no solo un promedio global.
Evidencia mínima
- Fechas de corte y horizonte.
- Error frente a una base ingenua.
- Gráfico de errores y períodos donde falla.
Mostrar razonamiento modelo ＋
Una división aleatoria filtraría patrones futuros. La comparación válida entrena con el pasado, pronostica un período posterior y debe superar una referencia simple que repite la última temporada.
Para ir más lejos¿Cómo evaluarías un modelo cuando la demanda cambió estructuralmente?
CIERRE DE LA SECCIÓN
Comprueba que puedes usarlo
Antes de continuar, revisa estos tropiezos frecuentes y resuelve un caso sin copiar los ejemplos.
Mezclar filas al azar para evaluar un pronóstico.
Usar variables que incorporan información posterior.
Ahora hazlo sin guía
Pronostica cuatro semanas de demanda y compáralo con una línea base estacional mediante validación temporal.
Mostrar pauta de corrección ＋
Una respuesta sólida:
- Valida índice, frecuencia, ceros y ausencias.
- Usa solo información disponible en cada origen.
- Reporta error e incertidumbre por horizonte.