● PANEL 01 — SANDBOX

Editor Python

Ejecuta código Python real en el navegador. Numpy, Pandas, Statsmodels disponibles.

Iniciando motor Python (Pyodide)... puede tardar 15-30 segundos la primera vez.

📊 Serie básica

🔍 Test ADF

📉 ACF / PACF

🏰 ARIMA forecast

🌋 Descomposición STL

📐 Métricas MAE/RMSE

import numpy as np
import pandas as pd

# Generamos una serie temporal sintética
np.random.seed(42)
n = 200
trend = np.linspace(0, 10, n)
seasonal = 3 * np.sin(2 * np.pi * np.arange(n) / 12)
noise = np.random.normal(0, 1, n)
series = trend + seasonal + noise

print("=== SERIE TEMPORAL GENERADA ===")
print(f"Longitud: {n} observaciones")
print(f"Media: {series.mean():.3f}")
print(f"Std: {series.std():.3f}")
print(f"Min: {series.min():.3f} | Max: {series.max():.3f}")

# Estadísticas por ventana de 12
df = pd.DataFrame({'valor': series})
df['media_movil'] = df['valor'].rolling(12).mean()
df['std_movil'] = df['valor'].rolling(12).std()

print(f"\nÚltimas 5 filas:")
print(df.tail().to_string())
print("\n✓ Listo para análisis más avanzados.")

OUTPUT

Esperando ejecución...

● PANEL 02 — VISUALIZADOR

Sube tu CSV

Carga cualquier serie temporal, la IA la analiza y sugiere el mejor modelo.

📂

Arrastra tu CSV aquí

O haz click para seleccionar — formato: fecha,valor (o sólo valores)

Seleccionar archivo

● PANEL 03 — COMPARADOR

ARIMA vs LSTM

Configura ambos modelos, entrena sobre datos reales y compara métricas lado a lado.

🏰

ARIMA

Modelo clásico estadístico

DATASET

p (AR)

d (diff)

q (MA)

TEST SIZE (%)

🔮

LSTM Simulado

Red neuronal recurrente

LOOKBACK (pasos)

HIDDEN UNITS

EPOCHS

NOISE LEVEL