L'anàlisi de sèries temporals és una branca de l'estadística que es dedica a l'estudi de dades recollides en intervals de temps successius. Aquest tipus d'anàlisi és crucial en molts camps, com ara la meteorologia, l'economia, la medicina i la gestió de negocis, per predir tendències futures basades en dades històriques.

• Comprendre els conceptes bàsics de les sèries temporals.
• Aprendre a manipular i visualitzar dades de sèries temporals en R.
• Aplicar models estadístics per a la predicció de sèries temporals.

1. Tendència (Trend): La direcció general en què es mou la sèrie temporal a llarg termini.
2. Estacionalitat (Seasonality): Patrons que es repeteixen a intervals regulars de temps.
3. Cicle (Cycle): Fluctuacions a llarg termini que no són regulars com l'estacionalitat.
4. Soroll (Noise): Variabilitat aleatòria que no es pot explicar per la tendència, l'estacionalitat o el cicle.

• Univariades: Sèries temporals amb una sola variable.
• Multivariades: Sèries temporals amb múltiples variables.

1. Identificació del Model:
   • Autocorrelation Function (ACF): Per identificar la part MA (Moving Average).
   • Partial Autocorrelation Function (PACF): Per identificar la part AR (AutoRegressive).

2. Ajust del Model:

3. Predicció:

1. Importa un conjunt de dades de sèries temporals.
2. Converteix les dades a un objecte de sèrie temporal.
3. Descompon la sèrie temporal utilitzant la descomposició clàssica i STL.
4. Interpreta els components descompostos.

1. Ajusta un model ARIMA a les dades de sèries temporals.
2. Realitza una predicció per als propers 12 mesos.
3. Visualitza els resultats de la predicció.

Solució Exercici 1

Solució Exercici 2

En aquest mòdul, hem après els conceptes bàsics de les sèries temporals, com manipular i visualitzar dades de sèries temporals en R, i com aplicar models estadístics per a la predicció. Aquestes habilitats són fonamentals per a l'anàlisi de dades en molts camps i proporcionen una base sòlida per a l'aprenentatge avançat en anàlisi de sèries temporals.