Una serie temporal es simplemente el universo contando su historia, un instante a la vez.
— Prof. Dulcetti
Tu asistente de Series Temporales
Powered by los apuntes del profe. Sin excusas para no entender el ARIMA.
⚠ Contraseña incorrecta
FUN FACT
Las series temporales predicen el futuro… pero no el tuyo en el examen si no estudias ·
ARIMA: tres letras que han causado más lágrimas que Breaking Bad ·
Una serie temporal sin estacionariedad es como una pizza sin queso ·
El prof. Dulcetti sabe cuándo estás usando ChatGPT en el examen ·
ACF y PACF: los plots que nadie entiende a la primera (ni a la segunda) ·
Las series temporales predicen el futuro… pero no el tuyo en el examen si no estudias ·
📈
Bienvenido/a, Estudiante
// serie_temporal.fit() → model.ready = True
🔮
Predice el futuro
Pregúntame sobre ARIMA, LSTM, Prophet y más modelos de predicción
📚
Solo los apuntes
Respondo únicamente con el material del Prof. Dulcetti. Sin inventos.
🎯
Citas exactas
Cada respuesta incluye la referencia exacta al documento y página
⚡
Siempre disponible
A las 3am antes del examen también. Sin juicios.
Asistente inteligente entrenado exclusivamente con los apuntes del Prof. Leonardo Dulcetti para el Máster IA de UAX. Solo responde con información del curso — sin inventos.
💬
Chat RAG
Pregunta cualquier cosa del curso. Respondo con citas exactas de los documentos.
📚
Herramientas
Panel izquierdo: Test, Flashcards, Mapa Mental y Resumen generados con IA.
☰
Sidebar
Botón "Herramientas" arriba: ver documentos indexados, FAQ y quiz rápido.
● PREGUNTAS FRECUENTES
Dudas más comunes
¿Qué es la estacionariedad y por qué importa?
Una serie es estacionaria cuando su media, varianza y autocovarianza son constantes en el tiempo. Es fundamental porque la mayoría de modelos (ARIMA) lo asumen. Si no lo es, hay que diferenciarla.
¿Cómo elijo los parámetros p, d, q de ARIMA?
d: número de diferenciaciones para lograr estacionariedad (test ADF). p: orden AR, se lee en la PACF (corte en lag p). q: orden MA, se lee en la ACF (corte en lag q).
¿Cuándo uso LSTM en lugar de ARIMA?
Usa LSTM cuando la serie tiene dependencias no lineales o patrones complejos a largo plazo. ARIMA es mejor para series cortas, lineales y cuando necesitas interpretabilidad.
¿Qué diferencia hay entre ACF y PACF?
ACF mide correlación incluyendo efectos indirectos → orden MA. PACF mide solo correlación directa eliminando intermedios → orden AR.
¿Cómo se evalúa un modelo de predicción?
Métricas: MAE (error absoluto medio), RMSE (penaliza errores grandes), MAPE (error porcentual). Valida siempre con walk-forward validation para respetar el orden temporal.
¿Qué es la descomposición STL?
STL descompone la serie en Tendencia + Estacionalidad + Residuo usando regresión Loess. Es robusta ante outliers y funciona con estacionalidades no enteras.