Series Temporales

Cómo visualizar series temporales en highcharter

Un apartado fundamental dentro de los datos numéricos son las series temporales. Las series temporales indican la evolución en el tiempo de algún fenómeno. generalmente, se representan con gráficos de líneas y su predicción o forecast en un gráfico de rango de área.

Para mostrar cómo hacer un gráfico de series temporales con highcharter utilizaremos el dataset AirPassengers de R.

hchart(AirPassengers, name = "AirPassengers") |> 
  hc_title(text = "<b>Cifras mensuales de pasajeros de líneas aéreas 1949-1960</b>") |>
  hc_subtitle(text = "<i>Dataset AirPassengers de R</i>") |>
  hc_credits(enabled = TRUE, text = "http://elartedeldato.com")
Created with Highcharts 9.3.1Cifras mensuales de pasajeros de líneas aéreas 1949-1960Dataset AirPassengers de RAirPassengers19491950195119521953195419551956195719581959196019610100200300400500600700http://elartedeldato.com

Descomposición de series temporales

x <- stl(log(AirPassengers), s.window = "periodic")

hchart(x) |>
  hc_title(text = "<b>Descomposición de cifras mensuales de pasajeros de líneas aéreas 1949-1960</b>") |>
  hc_subtitle(text = "<i>Dataset AirPassengers de R</i>") |>
  hc_credits(enabled = TRUE, text = "http://elartedeldato.com")
Created with Highcharts 9.3.1Descomposición de cifras mensuales de pasajeros de líneas aéreas1949-1960Dataset AirPassengers de Rdataseasonaltrendremainder194919501951195219531954195519561957195819591960196137-0.240.243.26.4-0.120.12http://elartedeldato.com

Cómo visualizar predicciones

library(forecast)

x <- forecast(ets(AirPassengers), level = 95)

hchart(x) |>
  hc_title(text = "<b>Forecast de las cifras mensuales de pasajeros de líneas aéreas 1949-1960</b>") |>
  hc_subtitle(text = "<i>Dataset AirPassengers de R</i>") |>
  hc_credits(enabled = TRUE, text = "http://elartedeldato.com")
Created with Highcharts 9.3.1Forecast de las cifras mensuales de pasajeros de líneas aéreas 1949-1960Dataset AirPassengers de RETS(M,Ad,M)ETS(M,Ad,M)195019521954195619581960196202004006008001000http://elartedeldato.com

Autocovarianza y autocorrelación

x <- acf(diff(AirPassengers), plot = FALSE)

hchart(x) |>
  hc_colors("#206999") |>
  hc_title(text = "<b>ACF de las cifras mensuales de pasajeros de líneas aéreas 1949-1960</b>") |>
  hc_subtitle(text = "<i>Dataset AirPassengers de R</i>") |>
  hc_credits(enabled = TRUE, text = "http://elartedeldato.com")
Created with Highcharts 9.3.1ACF de las cifras mensuales de pasajeros de líneas aéreas 1949-1960Dataset AirPassengers de RACF246810121416182022-0.5-0.2500.250.50.7511.25http://elartedeldato.com

Cómo representar series temporales multivariantes

Para este ejemplo utilizaremos las series temporales mdeaths y fdeaths que recogen las muertes mensuales por bronquitis, enfisema y asma en el Reino Unido, 1974-1979 de varones (mdeaths) y mujeres (fdeaths).

x <- cbind(mdeaths, fdeaths)

hchart(x) |>
  hc_title(text = "<b>Cifras mensuales de pasajeros de líneas aéreas 1949-1960</b>") |>
  hc_subtitle(text = "<i>Dataset AirPassengers de R</i>") |>
  hc_credits(enabled = TRUE, text = "http://elartedeldato.com")
Created with Highcharts 9.3.1Cifras mensuales de pasajeros de líneas aéreas 1949-1960Dataset AirPassengers de RmdeathsfdeathsJan '74Jul '74Jan '75Jul '75Jan '76Jul '76Jan '77Jul '77Jan '78Jul '78Jan '79Jul '7901k2k3k050010001500http://elartedeldato.com