Cover of Time Series Forecasting, edition 2026.11.11, code 1RPH-3A4D Time Series Forecasting 1RPH-3A4D 11 editions since Nov 2026 Rolling Edition 2026.11.11

Pronóstico de series temporales

Edición 2026.11.11 Ejemplos verificados el 20 de nov de 2026 41 de 41 ejemplos pasan Qué ha cambiado

Traducido con IA. Verificado por personas en inglés. Cómo hacemos los libros

Traducido del libro en inglés, edición 2026.11.11. Lee el original

Cómo pronosticar la demanda con un día de antelación y comprobar que el pronóstico se sostiene: líneas base, backtests que nunca ven el futuro, modelos estadísticos, un único modelo LightGBM para todos los clientes, totales que suman correctamente e intervalos de predicción calibrados, sobre la demanda horaria de electricidad de treinta clientes.

Para quién es Para científicos de datos y analistas que conocen pandas y la regresión básica, y a quienes se les pide pronosticar la demanda, como ventas, energía, entradas o tráfico, y necesitan pronósticos que se sostengan cuando se verifican.

Empieza a leer
Historial de ediciones11 ediciones desde noviembre de 2026Cada edición y lo que cambió
2026.11.12026.11.11
2026.11.11 · 21 de nov de 2026Corrección de prosa,Contenido nuevo35 secciones modificadas

Contenido

10 capítulos, unos 4 horas 2 minutos de lectura, con 41 ejemplos.

  1. 1Pronostica la demanda de mañana

    Este capítulo construye el primer pronóstico de la demanda de mañana, y la base simple que todo pronóstico posterior tiene que superar.

  2. 2Establece las líneas base que un modelo debe superar

    En este capítulo calculas tres líneas base para la previsión con un día de antelación de un cliente: ingenua, ingenua estacional y promedio de semanas, y escalas el error de un cliente con MASE, usando una escala que solo lee las lecturas anteriores a la semana prevista.

  3. 3Backtesting sin mirar hacia adelante

    Este capítulo te enseña a puntuar un pronóstico del día siguiente a lo largo de un año de fechas de corte, sin dejar que el futuro entre en su historia; a manejar las dos horas de cambio de horario que aparecen en los datos; y a ejecutar una prueba de desplazamiento que detecta una variable que lee más allá de su fecha de corte.

  4. 4Ajuste de un modelo estadístico para cada cliente

    Aquí ajustarás AutoETS y un ARIMA estacional fijo para cada cliente sobre el mismo backtest, compararás ambos con el naive estacional y aprenderás a iniciar un cliente que empieza tarde en su primera lectura.

  5. 5Añade características de calendario y de retardo

    Al terminar este capítulo, podrás convertir el historial horario de un cliente en una tabla de características, añadir retardos y características de calendario y de días festivos que un pronóstico de un día de antelación puede usar, medir qué aporta cada característica sobre las mismas ventanas y detectar un retardo que lee el día que se pronostica.

  6. 6Pronosticar muchos clientes con un solo modelo

    Terminas este capítulo con un modelo global para los treinta clientes, una regla de inicio que mantiene fuera de él los ceros iniciales de los clientes que empiezan tarde, y una puntuación que lo compara con el naive estacional para cada cliente en los mismos cortes temporales.

  7. 7Haz que el total cuadre

    Vas a pronosticar la demanda total de treinta clientes de dos maneras, elegir entre las dos en ventanas de decisión y repartir ese total en partes por cliente usando solo el histórico anterior a cada fecha de corte.

  8. 8Cuantifica la incertidumbre de la previsión

    Este capítulo asigna un rango a cada previsión del día siguiente, para que puedas decir si una compra puede apoyarse en ella.

  9. 9Comparación de Prophet y un modelo fundacional

    Al terminar este capítulo, podrás ajustar Prophet con los tres cortes estándar del libro, cargar un modelo fundacional registrado (Chronos-2) y un modelo neuronal registrado (NHITS), y evaluar todos ellos en una misma escala MASE frente a las mismas lecturas.

  10. 10Keep the forecast running

    Once a forecast runs every day, the question changes from whether it scored well to whether it still holds on the day it's used.

Cita esta sección

Formato

Cada formato cita el libro en inglés, que esta traducción sigue.

Cada formato nombra esta edición. Su enlace abre la edición actual, donde el encabezado de cada sección indica cuándo cambió su texto por última vez. Las fechas de acceso y de recuperación son el día en que lo abres.