
Bandas de confianza de la ACF: el retardo que se sale por azar, con simulaciones en R
Si has mirado muchos correlogramas, seguro que alguna vez has visto un retardo que se salía de la banda y le has buscado explicación. Quizá la tenía. O quizá era azar: en un correlograma de 20 retardos, lo raro es que no se salga ninguno.
Aquí vamos a medirlo: de dónde salen las bandas, cuántas veces se sale un retardo de puro ruido y cómo decidir cuándo hacerle caso.

Si prefieres verlo paso a paso en pantalla, está en vídeo: Bandas de confianza en R: el retardo que se sale por azar.
La regla, por adelantado
| Lo que ves | Qué significa |
|---|---|
| Un retardo suelto que apenas se sale | Nada |
| Uno que se sale donde la teoría lo espera: el 1, o el 12 en datos mensuales | Sí importa |
| Varios con un patrón | Hay estructura |
| Dudas | Ljung-Box sobre todos |
De dónde salen las bandas
Las bandas vienen de la varianza de la autocorrelación muestral. Si la serie es ruido blanco, esa varianza es , y la banda es fija:
Es la que dibuja feasts. Stata, para la ACF, usa la fórmula de Bartlett, que ensancha la banda con el retardo: si comparas programas, no te extrañe que no coincidan.
Generamos 100 datos de ruido blanco y miramos. La banda está en , y el primer retardo da 0.14: dentro.
library(tsibble)
set.seed(49)
ruido <- tsibble(t = 1:100, e = rnorm(100), index = t)

Un contraste en vez de veinte
Mirar 20 barras una a una son 20 contrastes. El de Ljung-Box los junta en un solo número: suma las autocorrelaciones al cuadrado, con un peso que corrige las muestras pequeñas, y se compara con una chi cuadrado.
Box.test(ruido$e, lag = 20, type = "Ljung-Box")
Con 20 retardos da 20.6, con un p-valor de 0.42. Ruido blanco, como sabíamos.

La prueba de fuego: mil series de ruido
Ahora lo medimos en serio: mil series de ruido blanco para cada tamaño, 50, 100 y 500 datos, y la proporción de veces que cada retardo se sale de la banda.
set.seed(4949)
fuera <- sapply(c(50, 100, 500), function(n) {
rowMeans(replicate(1000, abs(acf(rnorm(n), lag.max = 20, plot = FALSE)$acf[-1]) > 1.96 / sqrt(n)))
})
dimnames(fuera) <- list(retardo = 1:20, n = c(50, 100, 500))
round(100 * colMeans(fuera), 1)
En R tarda segundos. De media se sale un 2.7 % con 50 datos, un 3.4 % con 100 y un 4.8 % con 500.
Con ggplot y geom_tile, el mapa de calor por retardo y tamaño cuenta el resto. Con 500 datos estamos cerca del 5 % que promete la banda. Con 50, la fila se aclara en los retardos altos: con pocos datos la autocorrelación muestral se encoge hacia cero. Pero en ninguna casilla es cero.

Por qué lo raro es que no se salga ninguno
Si cada retardo se sale un 5 % de las veces, la probabilidad de que no se salga ninguno de 20 es . Así que:
En un correlograma de 20 retardos de ruido puro, hay un 64 % de probabilidad de ver al menos uno fuera. Buscarle explicación a ese retardo es contar una historia sobre el azar.
Tu turno
Un correlograma de 40 retardos de ruido blanco: ¿cuántos esperas ver fuera de la banda? ¿Y cuál es la probabilidad de que se salga al menos uno? Calcúlalo antes de seguir leyendo.

Solución
De media, retardos fuera. Y la probabilidad de al menos uno, : un 87 %. En un correlograma largo, ver alguno fuera es casi seguro.
Con datos reales
Antes de interpretar un retardo, pregúntate si lo esperabas. El 1 en casi cualquier serie o el 12 en datos mensuales tienen una razón; el 17 suelto, probablemente no. Es la misma disciplina que evita encontrar patrones donde no los hay.
El tutorial completo, con el código en pantalla: Bandas de confianza en R: el retardo que se sale por azar. Y para el contexto: cómo leer la ACF y la PACF.

¿Necesitas resolver algo parecido?
Modelización cuantitativa, validación de modelos y data leadership. Trabajo bajo NDA si lo pides.
Háblame de tu proyecto →