Column

Este estudio muestra el comportamiento de los casos de COVID-10 en Nuevo León , México. De Abril 9 del 2020 al 14 de Mayo del 2020.

Column

Column

Column

Chart 1

PREDICCIONES

Para poder obtener las predicciones se utilizó un modelo de predicción arima(0,3,2) el cual se sustenta con los siguientes supuestos:

Column 1

#MEDIA ESTACIONARIEDAD
correccion<-diff(diff(diff(TS)))
#plot(Costo)
x<-seq(1,length(correccion))
tendencia<-lm(correccion~x)
anova(tendencia)

Analysis of Variance Table

Response: correccion
          Df Sum Sq Mean Sq F value Pr(>F)
x          1      0    0.04       0 0.9971
Residuals 31  90578 2921.88               

Column 2

library(tseries)
Serie_tiempo<-correccion
adf.test(Serie_tiempo)

    Augmented Dickey-Fuller Test

data:  Serie_tiempo
Dickey-Fuller = -4.2143, Lag order = 3, p-value = 0.01373
alternative hypothesis: stationary

#Checar (ARIMA,ARMA,AR,MA)
Serie_tiempo<-ts(correccion,start=1,frequency = 1)
best.aic<-Inf
best.order<-c(0,0,0)
ycorregida<-Serie_tiempo
#ar(ycorregida) El mejor ar es de orden 3
for(i in 0:5)#para i de 0 a el mejor ar
{
  for(j in 0:5)
  { 
    fit.AIC<-AIC(arima(ycorregida,order=c(i,0,j)))
    if(fit.AIC<best.aic)
    {
      best.order<-c(i,3,j)
      best.arma<-arima(ycorregida,order=best.order)#Guarda los parametros
      best.aic<-fit.AIC
    }
    
  }
}
best.order

[1] 1 3 2

Column 1

Supuesto de media 0:

#1.  media 0
i=0
j=2
#Como el modelo es el modelo ya diferenciado, no se le agrega el numero de en medio , quedando como orden(c(0,0,2))

    elegido<-arima(Serie_tiempo,order=c(i,0,j))
resi<-residuals(elegido)
mean(resi)/var(resi)

[1] -0.0007522648

#2. Varianza cte
plot(resi,type="p")

Column 2

#3.PROBAR INDEPENDENCIA
#acf(resi)
#pacf(resi)
#Estan por debajo de la linea por lo tanto son independientes
#Hipotesis nula:los residuales se distribuyen de forma independiente,
#Hipotesis alternativa:Los datos no son independientes
#Box.test(n1, lag = 1, type = c("Box-Pierce", "Ljung-Box"), fitdf = 0)
Box.test(resi, type = c("Box-Pierce"))

    Box-Pierce test

data:  resi
X-squared = 0.00067065, df = 1, p-value = 0.9793

Supuesto de varianza Constante

#4. Prueba de normalidad
shapiro.test(resi)

    Shapiro-Wilk normality test

data:  resi
W = 0.87707, p-value = 0.001426

plot(density(resi))