Recientemente he comenzado a trabajar para una clínica de la tuberculosis. Nos reunimos periódicamente para analizar el número de casos de TB estamos tratando actualmente, el número de pruebas administradas, etc. Me gustaría empezar a modelar estos recuentos, de modo que no sólo estamos adivinando que algo sea inusual o no. Por desgracia, he tenido muy poco entrenamiento en series de tiempo, y la mayor parte de mi exposición ha sido modelos para muy continua de datos (los precios de las acciones) o muy grandes números de cuenta (influenza). Pero tratamos de 0 a 18 casos por mes (media 6.68, la mediana de 7, var 12.3), que se distribuyen así:
[imagen perdido a la noche de los tiempos]
[imagen comido por un grue]
He encontrado un par de artículos que tratan de los modelos como este, pero me gustaría mucho encantaría escuchar sus sugerencias, tanto de los planteamientos y por R los paquetes que podría utilizar para implementar esas estrategias.
EDIT: mbq la respuesta que me ha obligado a pensar más detenidamente acerca de lo que les estoy pidiendo aquí; tengo demasiado colgado en la cuenta mensual y perdido en el centro de la cuestión. Lo que me gustaría saber es: ¿el (bastante visible) la disminución de, digamos, de 2008 en adelante reflejan una tendencia a la baja en el número total de casos? A mí me parece que el número de casos mensuales de 2001 a 2007 refleja un proceso estable; tal vez algunos de la estacionalidad, pero en general estable. Desde el 2008 hasta el presente, parece que el proceso está cambiando: el número total de casos está disminuyendo, aunque la cuenta mensual podría mueva hacia arriba y hacia abajo debido a la aleatoriedad y la estacionalidad. ¿Cómo puedo comprobar si hay un cambio real en el proceso? Y si yo puedo identificar un descenso, ¿cómo podría yo uso esa tendencia y lo que la estacionalidad no se podría estimar el número de casos que podríamos ver en los próximos meses?
¡Uf. Gracias por dar conmigo.