Aplique una transformación de tipo Box–Cox a una serie temporal 

TimeSeriesMap puede ser usada para transformar valores de series temporales.

Los datos contienen el índice de desempleo civil en los Estados Unidos desde 1948 hasta 1993.

muestre la entrada completa de Wolfram Languageoculte la entrada

In[1]:=

X timeFrame = Interval[{DateObject[{1948, 1, 1}], DateObject[{1993, 12, 1}]}];

In[2]:=

X data = EntityValue[Entity["Country", "UnitedStates"], EntityProperty["Country", "CivilianUnemploymentRate", {"Date" -> timeFrame, "Frequency" -> "Monthly"}]]

Out[2]=

In[3]:=

X DateListPlot[data, ImageSize -> Medium]

Out[3]=

Defina una transformación de tipo Box–Cox.

In[4]:=

X BoxCox[x_, \[Lambda]_, \[Alpha]_, \[Sigma]_] := With[{y = QuantityMagnitude[x]}, Piecewise[{{(((y - \[Alpha])/\[Sigma])^\[Lambda] - 1)/\[Lambda], \[Lambda] > 0 || \[Lambda] < 0}}, Log[(y - \[Alpha])/\[Sigma]]]]

Use TimeSeriesMap para aplicar una transformación de tipo Box–Cox a los datos con pocas opciones de λ.

In[5]:=

X lambdas = {1/2, 0, -1/2}; newdata = Table[TimeSeriesMap[BoxCox[#, \[Lambda], .02, .016] &, data], {\[Lambda], lambdas}];

muestre la entrada completa de Wolfram Languageoculte la entrada

In[6]:=

X Grid[{MapThread[ DateListPlot[#1, ImageSize -> 180, PlotRange -> All, FrameTicks -> {{Table[{x, NumberForm[N[x], {5, 2}]}, {x, Min[#1], Max[#1], (Max[#1] - Min[#1])/5}], Automatic}, {Automatic, Automatic}}, PlotLabel -> Row[{"\[Lambda] = ", #2}]] &, {newdata, lambdas}]}]

Out[6]=