FLT-2023/28Series de tiempo · ML

Volumen de
Pasajeros
en México

Modelos SARIMA entrenados con +30 años de registros de la DGAC. Proyecciones mensuales de Aeroméxico y Viva Aerobus hasta 2028.

DATOS
0
Años hist.
FLOTAS
0
Aerolíneas
FORECAST
0
Meses proyect.
ACCURACY
0%
Precisión aprox.
DISPLAY · CHT-01

Proyección Global 2023–2028

Pasajeros mensuales · IC 95% · Modelos SARIMA

Esperado IC 95%
Cargando proyecciones...
Modelos entrenados

Arquitecturas SARIMA

GLOBALGLB-01

Modelo Global

Mercado nacional total

ORDEN(1,1,1)(1,1,1)[12]
AIC2847.3
PERIODO1992–2022
SEASONALs=12
Ajuste82%
AEROMÉXICOAM-438

Aeroméxico

AM · Líder del mercado

ORDEN(1,1,1)(1,1,1)[12]
AIC1934.8
PERIODO1992–2022
SEASONALs=12
Ajuste89%
VIVA AEROBUSVB-2712

Viva Aerobus

VB · Low-cost carrier

ORDEN(1,1,1)(1,1,1)[12]
AIC1756.2
PERIODO2006–2022
SEASONALs=12
Ajuste91%
Procedimiento

Fases de vuelo del análisis

A1

Recopilación de datos

Registros mensuales de la DGAC sobre pasajeros nacionales e internacionales 1992–2022. Fuente oficial de aeronáutica civil.

A2

Limpieza y normalización

Detección de outliers, imputación del periodo COVID-2020, segmentación por aerolínea y conversión a formato mensual.

A3

Identificación SARIMA

Análisis ACF/PACF, pruebas de estacionariedad (ADF, KPSS), selección óptima de parámetros (p,d,q)(P,D,Q)[12] por AIC/BIC.

A4

Validación y proyección

Walk-forward cross-validation temporal. 60 puntos mensuales proyectados (2023–2028) con intervalos de confianza al 95%.

Contexto

Acerca del proyecto

Análisis y proyección del tráfico aéreo de México mediante modelos SARIMA. Tres décadas de datos incluyendo la crisis financiera de 2008, la pandemia COVID-2020 y la posterior recuperación del sector aviación.

Hist. datos
1992–2022
Proyección
2023–2028
Librería
Statsmodels
MAPE
< 5%
Stack técnico
Python 3.11Análisis y modelado
100%
StatsmodelsSARIMA · ajuste y forecast
90%
Pandas / NumPyManipulación de datos
95%
Next.js + RechartsDashboard interactivo
85%
Framer MotionAnimaciones de UI
80%