Capítulo 7 ALGORITMO FACEBOOK PROPHET
# Ajuste inicial de los datos para entramiento del modelo
dataprophet<-data[,-c(3,4)]
colnames(dataprophet)<- c("ds","y") # se deben nombrar las columnas de esta forma.# Limpieza ultimas 3 fechas
dataprophet[c("828","829","830"),"ds"]<-c("2024-06-01","2024-07-01","2024-08-01")# Creacion de las fechas futuras para la prediccion
future <- make_future_dataframe(mprophet,periods = 12 ,freq = 'month')
tail(future)## ds
## 837 2025-03-01
## 838 2025-04-01
## 839 2025-05-01
## 840 2025-06-01
## 841 2025-07-01
## 842 2025-08-01
La gráfica muestra en negro los datos originales, en azul la predicción con el modelo prophet y la sombra azul el intervalo de confianza del 95%. Se puede observar que el modelo prophet se ajusta a la tendencia del IPC. Sin embargo, su ajuste es conservador, comportándose en los picos de la serie como un valor estable y central. Adicionalmente, se observan varios puntos de la serie original por fuera de los intervalos de confianza, lo que sugiere que una inferencia con bastante incertidumbre sobre la predicción.

Gráfico superior (“trend”):
Representa la tendencia general de la serie de tiempo (trend) a lo largo de los años (ds). Se observa un aumento progresivo desde aproximadamente 1960 hasta alcanzar un máximo cerca del año 2000. Después del año 2000, la tendencia muestra una disminución notable, seguida de un leve repunte hacia el 2020.
Gráfico inferior (“yearly”):
Representa el patrón estacional anual (yearly), mostrando cómo varían los valores de la serie a lo largo de un año típico. El eje horizontal está etiquetado como “Day of year”, indicando días específicos dentro del año. Se pueden observar picos y valles recurrentes, lo que sugiere estacionalidad marcada en ciertos períodos del año, como un aumento significativo cerca de enero y abril, seguido de descensos en otras épocas.