Estacionariedad y diferenciación
Preparar una serie para crear modelos.
Estacionariedad y diferenciación es una lección gratuita de Data Science Academy en CoddyKit. Esta es la lección 3 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de Data Science Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de Data Science Academy incluye 4 lecciones en total.
A los modelos les gustan los datos estables
La mayoría de los modelos de pronóstico supone que la serie se comporta de forma constante a lo largo del tiempo. Esta propiedad tiene un nombre: estacionariedad. 🎯
Qué significa estacionaria
Una serie estacionaria tiene una media y una dispersión estables que no cambian con el tiempo. Su comportamiento estadístico se mantiene igual.
Las tendencias rompen la estacionariedad
Una tendencia ascendente significa que la media sigue aumentando, por lo que la serie no es estacionaria. Muchos modelos tendrán dificultades hasta que se corrija.
La estacionalidad también la rompe
Las variaciones estacionales repetidas hacen que la media suba y baje en ciclos. Este patrón cambiante también implica que la serie no es estacionaria.
La prueba ADF
No tiene que adivinar. La prueba ADF comprueba la estacionariedad y devuelve un valor p que puede interpretar.
from statsmodels.tsa.stattools import adfuller
result = adfuller(sales)Interprete el valor p
Si el valor p de ADF es inferior a 0,05, es probable que la serie sea estacionaria. Si es superior, probablemente aún haya que eliminar una tendencia.
La diferenciación al rescate
La diferenciación sustituye cada valor por cuánto cambió respecto al paso anterior. Este sencillo procedimiento suele eliminar una tendencia.
diffed = sales.diff()Por qué elimina las tendencias
Al observar los cambios en lugar de los niveles, un ascenso constante se convierte en una línea plana que oscila alrededor de cero y es estacionaria.
Elimine el primer NaN
La primera fila no tiene ningún valor que restar, por lo que diff la deja como NaN. Elimínela antes de realizar pruebas o modelos.
diffed = sales.diff().dropna()Vuelva a diferenciar
Si una ronda no es suficiente, diferencie el resultado una segunda vez. El número de rondas se convierte en el término d de ARIMA.
Diferenciación estacional
Para eliminar un ciclo anual, reste el valor de hace 12 pasos. Esta diferencia estacional actúa directamente sobre el patrón repetitivo.
seasonal = sales.diff(12)Comprobación rápida
Una prueba ADF sobre su serie original devuelve un valor p de 0,40. ¿Qué sugiere esto?
Resumen: hágala estable
Ha aprendido a comprobar la estacionariedad con ADF y a eliminar tendencias y ciclos mediante diferenciación antes de crear modelos.
Aprende Python con un tutor de IA — gratis
Escribe y ejecuta código real en tu navegador, obtén ayuda instantánea de un tutor de IA disponible 24/7 y continúa donde lo dejaste en la web o en la aplicación.
- Cursos
- 30
- Lecciones
- 120
Preguntas frecuentes
¿La lección «Estacionariedad y diferenciación» es gratis?
Sí — el texto completo de «Estacionariedad y diferenciación» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de Data Science Academy, actualiza a CoddyKit PRO. El curso de Data Science Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Estacionariedad y diferenciación»?
Preparar una serie para crear modelos. Practicas Data Science Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar Data Science Academy?
No se requiere experiencia previa. Data Science Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 3 de 4.
¿Cuánto tiempo toma la lección «Estacionariedad y diferenciación»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de Data Science Academy?
Sí. Cada lección de Data Science Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Tendencia, estacionalidad y ruido
- Ventanas móviles y retardos
- Estacionariedad y diferenciación
- Una primera línea base de pronóstico