Escolar Documentos
Profissional Documentos
Cultura Documentos
RESUMEN: Las series de Fourier en el campo del análisis de datos, cumplen una función muy
importante para la transformación y descomposición de series de tiempo en armónicos, que nos
permitirán predecir el comportamiento de 2 variables en el tiempo mediante el uso de redes
neuronales como principal predictor por medio de señales. En este artículo, se revisarán las
funciones empleadas mediante el lenguaje R como motor estadístico para el análisis, Talend Open
Studio como integrador de datos y Power BI como plataforma para el despliegue de resultados
mediante cuadros de mando y la implementación de CRISP-DM como metodología para Minería de
Datos.
PALABRAS CLAVE: series de Fourier, armónicos, predicción, redes neuronales, lenguaje R,
Talend Open Studio, Power BI, CRISP-DM, Minería de Datos.
ABSTRACT: Fourier series in the field of data analysis, fulfill a very important function for the
transformation and decomposition of time series in harmonics, which will allow us to predict the
behavior of 2 variables over time by using neural networks as the main predictor through signals. In
this article, we will review the functions used through the R language as a statistical engine for
analysis, Talend Open Studio as a data integrator and Power BI as a platform for the deployment of
results through dashboards and the implementation of CRISP-DM as a methodology for Data
Mining.
KEYWORDS: Fourier series, harmonics, prediction, neural networks, R language, Talend Open
Studio, Power BI, CRISP-DM, Data Mining.
Se encontraron similitudes en las series de tiempo con respecto a los años, parece haber
una fuerte periodicidad entre los trimestres, esto sugiere que hay una estructura subyacente
en los datos que puede usarse para pronosticar (gráfica 3).
Gráfica 3. Fabricación mes a mes
El dominio de la frecuencia está relacionado con las series de Fourier, las cuales permiten
descomponer una señal periódica en un número finito o infinito de frecuencias (gráfica 4).
Función Descripción
Lee datos almacenados por 'Minitab', 'S', 'SAS',
library(foreign) 'SPSS', 'Stata', 'Systat', 'Weka'.
Herramientas de visualización de datos para
library(ggfortify) resultados de análisis estadísticos.
Funciones de pronóstico para series temporales y
library(forecast) modelos lineales
library(TSA) Análisis de series temporales
Cree gráficos web interactivos a través de
library(plotly) 'plotly.js'.
Cree elegantes visualizaciones de datos utilizando
library(ggplot2) la gramática de gráficos
library(RColorBrewer Paletas de ColorBrewer
)
library(grid) instalar, actualizar, cargar paquetes de CRAN,
'GitHub' y 'Bioconductor' en un solo paso
Redes neuronales de avance y modelos
library(nnet) multinomiales logarítmicos lineales
Gráfica 1. Comportamiento de las producciones de café por departamento en general para todos los
meses de cada año
Graph 1. Behavior of coffee productions by department in general for all months of each year
9. REFERENCIAS
[4] Morales A. 2019. R y GIS: qué es R y
[1] Kane D. 2015. Introduction to Data su relación con los SIG. Enlace:
Mining & Predictive Analytics. Enlace: https://mappinggis.com/2019/02/r-y-gis-
file:///C:/Users/admin/Documents/Downl que-es-r-y-su-relacion-con-los-sig/.
oads/16.%20Fourier%20Analysis.pdf.
[5] Ub.edu. 2016. ANÁLISIS
[2] Rpubs. 2015. Análisis espectral con EXPLORATORIO DE DATOS. Enlace:
R. Enlace: http://rstudio http://www.ub.edu/aplica_infor/spss/cap2
pubsstatic.s3.amazonaws.com/12345_6c9 -3.htm
d6827c7204c5ca974a1944138b452.html.
[6] VELÁSQUEZ HENAO J,
[3] Neto J. 2013. Fourier Transform: A R MORALES OLAYA Y, CARDONA
Tutorial. Enlace: FRANCO C. 2010. Enlace:
http://www.di.fc.ul.pt/~jpn/r/fourier/fouri http://www.scielo.org.co/pdf/dyna/v78n1
er.html. 65/a30v78n165.pdf.