AnalisisProduccion.rmd

---
title: "Análisis producción café 2009-2018"
output: html_notebook
---

```{r}

library(tidyverse)
library(lubridate)

```

se cargan los datos
```{r}
  datosAnual <- readxl::read_excel(file.path('datos','Produccion_valor_anualModf.xlsx'))
```

#Datos Valor Anual Producción
##EDA

```{r}
  datosAnual <- datosAnual %>% 
  mutate(yearC = as.factor(`AÑOS CALENDARIO`), yearsC = as.factor(`AÑOS CAFETEROS`)) %>% mutate(vCosecha = `Valor de la cosecha`, vCosechaCaf = `Valor de la cosecha Cafeteros` )%>%select(yearC,vCosecha, yearsC,vCosechaCaf)
```


```{r}
  datosAnual %>% ggplot(aes(x=yearC,y=vCosecha)) +geom_point()+labs(title='Valor de la producción Anual')+geom_line(aes(x=as.numeric(yearsC)))
```

```{r}
  datosAnual %>% ggplot(aes(x=yearsC,y=vCosechaCaf))+geom_point()+
  geom_line(aes(x=as.numeric(yearsC)))+
  labs(title='Valor de la producción Anual AñosCafeteros')+
  theme(axis.text.x = element_text(angle = 90, hjust = 1))
```

```{r}
  write_rds(datosAnual,file.path('datos','datosAnualesProd.rds'))
```

#Datos Volumen Mensual
```{r}
  datosvol <- readxl::read_excel(file.path('datos','Produccion_volumen_mensualCompleto.xlsx'))
```

```{r}
  datosvol %>% summary
```

```{r}
  datosvol <- datosvol %>% mutate( year = year(Mes) , mes = as.factor(month(Mes,label=T,abbr = FALSE)), prod = `Producción`) %>% select(year,mes,prod)
```


###EDA
```{r}
  datosvol %>% group_by(year) %>% summarise(prodT = sum(prod)) %>%
  ggplot(aes(x=year,y=prodT))+geom_point()+
  geom_line(aes(x=as.numeric(year)))+
  labs(title='Producción Anual Total')
```

```{r}
  datosvol %>% group_by(year) %>% summarise(prodP = mean(prod)) %>%
  ggplot(aes(x=year,y=prodP))+geom_point()+
  geom_line(aes(x=as.numeric(year)))+
  labs(title='Producción Anual Promedio')
```

#Analizando Series de tiempo
```{r}
  #install.packages('xts')
library(astsa)
library(xts)
```


```{r}
  #Datos modificados
  datosvol <- read_rds(file.path('datos','datosVolMensual.rds'))
  #Datos sin modificar
  datosvol2 <- readxl::read_excel(file.path('datos','Produccion_volumen_mensualCompleto.xlsx'))

  #Datos convertidos a TimeSeries
  datos <- xts(x=datosvol2$Producción, order.by = datosvol2$Mes)

  
```

##EDA

```{r}
  datos %>% plot(., main='Producción mensual de café desde 1956 hasta 2018')
```

```{r}
  plot(diff(log(datos)))
```

```{r}
  plot(acf2(diff(log(datos))))
```


```{r}
  datosT <- diff(log(datos))
```

```{r}
  model <- sarima(datos,p=1,d=0,q=0)
```

```{r}
  model$ttable
  model$AIC
  model$BIC
```

```{r}
  model <- sarima(datosT,p=0,d=1,q=1)
```
```{r}
model$ttable
  model$AIC
  model$BIC
```