Ejemplos de Series de Tiempo Estacionarias

Recordemos los conceptos básicos. ¿Qué son los datos estacionarios? Los datos son estacionarios si sus propiedades estadísticas, como la media, la varianza y la función de autocorrelación, no dependen del tiempo.

Por ejemplo, un proceso de ruido blanco es estacionario. Este proceso no tiene tendencias ni otros patrones de series temporales, las muestras no están correlacionadas entre sí y la varianza es igual a 1 para todas las muestras.

No hay ningún tipo concreto de datos que sea siempre estacionario. Por ejemplo, no podemos decir que las compras en una tienda online sean necesariamente estacionarias (más bien al contrario, en su mayoría no estacionarias). Pero si nos ponemos a examinar las estadísticas de accidentes durante algún periodo corto, lo más probable es que encontremos que estos datos son estacionarios, y no hay dependencia aparente entre ellos.

La mayoría de las series temporales son no estacionarias. Por eso, algunos métodos permiten transformar los datos en estacionarios. En la siguiente sección, aprenderá cómo poner esto en práctica.

¿Por qué es necesario que los datos sean estacionarios? Porque sólo los datos estacionarios contienen características que deben observarse al utilizar los modelos predictivos más populares. Además, incluso sólo desde el punto de vista de la lógica, si los datos no obedecen a ninguna ley en particular y tienen características diferentes en distintos momentos del tiempo, entonces esos datos son muy difíciles de predecir