# Simula un modelo ARIMA(p,d,q) si d=0, es un ARMA(p,q)
rt_RB <- arima.sim(list(order = c(0,0,0)), n = 1000 )
par(mfrow = c(1,2))
plot(rt_RB, type = "l", main = "Serie simulada ruido blanco wt")
acf(rt_RB, lag.max = 40) 
3 ACF - Ruido Blanco - Drift
3.1 ACF muestral de un ruido blanco wt(,)
El Autocorrelograma decae rápidamente, por lo cual no hay estacionariedad
3.2 ACF muestral de una Caminata Aleatoria
3.2.1 Generación de la serie con y sin drift
set.seed(154) # para reproducir los resultados
w <- rnorm(200); x <- cumsum(w) # dos comandos en una sola línea
wd <- w + 0.2; xd <- cumsum(wd)
par(mfrow = c(1,1))
plot.ts(xd, ylim = c(-5,55), main = "Random walk", ylab = "")
lines(x, col = 4)
abline(h = 0, col = 4, lty = 2)
abline(a = 0, b = 0.2, lty = 2)
3.2.2 ACF de la caminata aleatoria sin drift
par(mfrow = c(2,2))
plot.ts(x, ylim = c(-5,55), main = "Random walk sin drift", ylab = "", col = 4)
abline(h = 0, col = 4, lty = 2)
acf(x, lag.max = 40)
3.2.3 ACF de la caminata aleatoria con drift
plot.ts(xd, main = "Random walk con drift", ylab = "")
abline(a = 0, b = 0.2, lty = 2)
acf(xd, lag.max = 40)
3.3 ACF de una serie con estacionalidad (AirPassengers)
Se logra ver tendencia en el Autocorrelograma
par(mfrow = c(1,2))
plot(AirPassengers)
acf(AirPassengers, lag.max = 48) 