Titulació | Tipus | Curs | Semestre |
---|---|---|---|
2503740 Matemàtica Computacional i Analítica de Dades | OT | 4 | 1 |
És recomanable tenir conneixements de Càlcul de probabilitats, Inferencia Estadística, i Models Lineals
L’objectiu del curs és fer una primera mirada al món de les sèries temporals i les seves aplicacions.
Una sèrie temporal és una col·lecció d’observacions fetes al llarg del temps ( o qualsevol altra magnitut ordenada). Les sèries temporals apareixen avui dia a quasi totes les disciplines.
Per tant, la seva anàlisi, i la modelització del mecanisme aleatori que les genera, és de gran importància teòrica i pràctica.
Es preten que l'alumne modeli el mecanisme aleatòri que pot generar les dades observades, en faci la diagnosi i l'utilitzi per a fer prediccions.
1. Introducció. Anàlisi clàssica de sèries temporals.
2. Processos estacionaris. Conceptes d’estacionarietat , exemples. Simulació.
3. Processos lineals. Els models MA(q). Els models AR(p). El correlograma. Les equacions de Yule-Walker. L’operador retard i la relació entre els MA i els AR. La funció d’autocorrelació parcial.
4. Models ARIMA: Els models ARMA(p,q). Estimació de parámeters: métode dels moments, máxima versemblança, unconditional least squares i conditional least squares. Els models ARIMA(p,d,q) i els SARIMA. Metodologia de Box-Jenkins. Segmentació.
5. Diagnostic checking and Forecasting. Criteris AIC i BIC. Anàlisi dels residus. Prediccions elementals i basades en la representació AR(∞). IC per a les prediccions
6. Models per a sèries no estacionàries: ARCH/GARCH, ARMA amb covariants.
7. Series de recomptes, els models INGARCH.
Llevat que les restriccions imposades per les autoritats sanitàries obliguin a una priorització o reducció d’aquests continguts.
En les dues hores teòriques setmanals es presentaran els resultats teòrics fonamentals, i es realitzaran exercicis amb ordinador i problemes.
En les dues hores de práctiques amb ordinador setmanals, s'utilitzarà R per tal d'aplicar els models estudiats a les classes teòriques.
La metodologia docent proposada pot experimentar alguna modificació en funció de les restriccions a la presencialitat que imposin les autoritats sanitàries.
La perspectiva de gènere en la docència va més enllà dels continguts de les assignatures, ja que també implica una revisió de les metodologies docents i de les interaccions entre l’alumnat i el professorat, tant a l’aula com a fora. En aquest sentit, les metodologies docents participatives, on es genera un entorn igualitari, menys jeràrquic a l’aula, evitant exemples estereotipats en gènere i vocabulari sexista, amb l’objectiu de desenvolupar el raonament crític i el respecte a la diversitat i pluralitat d’idees, persones i situacions, solen ser més favorables a la integració i plena participació de les alumnes a l’aula, i per això es procurarà la seva implementació efectiva en aquesta assignatura
Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, per a la complementació per part de l'alumnat de les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura/mòdul.
Títol | Hores | ECTS | Resultats d'aprenentatge |
---|---|---|---|
Tipus: Dirigides | |||
Classes pràctiques | 26 | 1,04 | |
Classes teòriques | 26 | 1,04 | |
Tipus: Autònomes | |||
Anàlisi de dades reals | 25 | 1 | |
Treball personal | 60 | 2,4 |
Al llarg del curs els alumnes haurán de lliurar regularment treballs de pràctiques d'ordinador.
Hi haurà dos exàmens parcials que tindran preguntes tant de teoria com de pràctica.
Per a poder presentar-se a l'examen de recuperació caldrà treure com a mínim una nota de 3 en cada apartat anterior.
L’avaluació proposada pot experimentar alguna modificació en funció de les restriccions a la presencialitat que imposin les autoritats sanitàries.
Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
---|---|---|---|---|
Examen | 0,3 | 3 | 0,12 | 1, 2, 4, 5, 6, 7, 9, 10, 11, 12, 15, 22 |
Lliurement de problemes i pràctiques | 0,4 | 8 | 0,32 | 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 18, 19, 20, 21, 22, 23 |
Parcial 1 | 0,3 | 2 | 0,08 | 1, 2, 4, 5, 7, 8, 9, 10, 11, 17, 22 |
Bisegard, Time Series Analysis and Forecasting By Example, https://onlinelibrary-wiley-com.are.uab.cat/doi/pdf/10.1002/9781118056943
P.J. Brockwell and R.A. Davis: Introduction to Time Series and Forecasting. 2nd edit. Springer. 2002.
https://cataleg.uab.cat/iii/encore/record/C__Rb1671241__Sa%3A%28Brockwell%29%20t%3A%28time%20series%29__P0%2C3__Orightresult__U__X4?lang=spi&suite=def
J.D. Cryer and K.S. Chan: Time Series Analysis with Applications to R. 2nd. edit. Springer. 2008. https://cataleg.uab.cat/iii/encore/record/C__Rb2027637__Sa%3A%28Cryer%29%20t%3A%28time%20series%29__P0%2C1__Orightresult__U__X4?lang=spi&suite=def
R.D. Peña. A course in time series analysis.
https://onlinelibrary-wiley-com.are.uab.cat/doi/book/10.1002/9781118032978
R.H. Shumway, and D.S. Stoffer: Time Series Analysis and its Applications. 3rd. edit. Springer. 2011.
https://cataleg.uab.cat/iii/encore/record/C__Rb1784344__Sa%3A%28shumway%29%20t%3A%28time%20series%29__P0%2C2__Orightresult__U__X4?lang=spi&suite=def
R. Tsay Analysis of Financial Time Series, 3rd Edition, Wiley 2010
Chan, N.H., Time Series: Applications to Finance with R and S- Plus(R),https://onlinelibrary-wiley-com.are.uab.cat/doi/pdf/10.1002/9781118032466
R Core Team (2021). R: A language and environment for statistical computing. R
Foundation for Statistical Computing, Vienna, Austria. URL
https://www.R-project.org/.