Aplicación de un modelo "ARIMA" para pronosticar la producción de leche en vacas Brown Swiss del altiplano peruano

Abstract

El objetivo del estudio fue aplicar un modelo ARIMA para pronosticar la producción de leche en vacas Brown Swiss del altiplano peruano, tomando los datos del rebaño del Centro de Investigación y Producción Chuquibambilla de la Universidad Nacional del Altiplano, Puno de los años 2008-2016 ordenado por meses. Los datos fueron importados en el programa RStudio aplicando un modelo ARIMA que consistió en realizar un ploteo horizontal de la producción de leche por año, una gráfica estacional distribuida por meses y los pronósticos utilizando los comandos "meanf", "naive", "snaive" y "rfw" tanto de forma textual como gráfica, para finalmente aplicar el modelo autorregresivo ARIMA (1,0,0) (2,0,0). Se señala que la producción de leche no es estacionaria según prueba de Dickey Fuller (p=0.02811). En tal sentido fue clasificada como una serie de tiempo no estacionaria con un comportamiento estacional relacionado con características climáticas propias del altiplano (época lluviosa, de transición y seca). Entre los modelos de pronóstico el "ingenuo estacional" fue más acorde. El pronóstico del modelo ARIMA muestra la producción pronosticada para el año 2017 con intervalos de confianza al 80 y 95 %. En conclusión, el modelo ARIMA propuesto para la producción de leche fue apropiado, pues permitió pronosticar las producciones del año 2017.

The aim of this study was to apply an ARIMA model to forecast milk production in Brown Swiss cows from the Peruvian highlands, taking data from the Chuquibambilla Research and Production Center herd of the National University of the Altiplano, Puno for the years 2008-2016 ordered by months. The data were imported into the RStudio program applying an ARIMA model that consisted of making a horizontal plot of milk production by years, a seasonal graph distributed by months and the forecasts using the commands "meanf", "naive", "snaive" and "rfw" both textually and graphically, to finally apply the ARIMA (1,0,0) (2,0,0) autoregressive model. It is shown that milk production is not stationary according to the Dickey Fuller test (p=0.02811). In this sense, it was classified as a non-stationary time series with a seasonal behavior related to the climatic characteristics of the highlands (rainy, transition and dry seasons). Among the forecasting models, the "seasonal naive" was more consistent with this characteristic. The forecast of the ARIMA model shows the forecast production for the year 2017 with confidence intervals at 80 and 95 %. In conclusion, the ARIMA model proposed for milk production was adequate because it allowed forecasting the productions of the year 2017.