Capítulo 8 #

Series temporales #

Patrones prácticos para pronóstico, detección de anomalías y diagnóstico en datos temporales.

Temas #

• Descomposición: tendencia/estacionalidad/residuo; STL.
• Pronóstico: ARIMA/SARIMA, ETS, Prophet, boosting con rezagos.
• Atributos: rezagos, estadísticas móviles, efectos calendario y festivos.
• Evaluación: backtesting, validación cruzada temporal, MAPE/sMAPE/MASE.

Consejos #

• Valida siempre hacia adelante en el tiempo; no mezcles futuro en entrenamiento.
• Estabiliza varianza con Box‑Cox/Yeo‑Johnson cuando sea necesario.
• Mantén pipelines reproducibles y re‑entrena al llegar datos nuevos.