FLT-2023/28

VOLUMENDEPASAJEROS

EN MÉXICO·19.4363°N 99.0721°W

Modelos SARIMA entrenados con 31 años de registros DGAC. Proyecciones mensuales de Aeroméxico y Viva Aerobus hasta 2028 con intervalos de confianza al 95%.

DATOS0AÑOS HIST.
FLOTAS0AEROLÍNEAS
FCAST0MESES PROY.
ACC0% PRECISIÓN
LAST UPDATE: 2022-12-31 · DGAC MÉXICO
DISPLAY · CHT-01

PROYECCIÓN GLOBAL 2023–2028

Pasajeros mensuales · IC 95% · Modelos SARIMA

ESPERADOIC 95%
← SINTONIZADO: AEROMÉXICO
PROCESANDO SERIES DE TIEMPO.
SARIMA · DGAC · 1992–2022
MODELOS ENTRENADOS

ARQUITECTURAS SARIMA

IDMODELOORDENAICPERÍODOSAJUSTE
GLB-01
MODELO GLOBALMercado nacional total
(1,1,1)(1,1,1)[12]2847.31992–2022s=12
82%
AM-438
AEROMÉXICOLíder del mercado · AM
(1,1,1)(1,1,1)[12]1934.81992–2022s=12
89%
VB-2712
VIVA AEROBUSLow-cost carrier · VB
(1,1,1)(1,1,1)[12]1756.22006–2022s=12
91%
CRONOLOGÍA

LÍNEA DE TIEMPO SARIMA

TELEMETRY1992.00
1992199620002004200820122016202020242028 CRISIS 2008 COVID-19 RECUPERACIÓNGLB-01AM-438VB-2712
ENTRENAMIENTOFORECASTEVENTO · CLICK🖱SCROLL = ZOOM · DRAG = PAN
AM-438

AEROMÉXICO

Líder del mercado · AM
ORDEN(1,1,1)(1,1,1)[12]
AIC1934.8
PERÍODO1992–2022
SEASONALs=12
AJUSTE89%
PROCEDIMIENTO

FASES DE VUELO DEL ANÁLISIS

01

Recopilación de datos

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

DGAC · 1992–2022
02

Limpieza y normalización

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

PREPROCESSING
03

Identificación SARIMA

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

MODEL SELECTION
04

Validación y proyección

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

FORECAST · IC 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. DATOS1992–2022
PROYECCIÓN2023–2028
LIBRERÍAStatsmodels
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%
GSAP + LenisAnimaciones y scroll
80%
PRECISIÓN GENERALMAPE < 5%