Titulación | Tipo | Curso | Semestre |
---|---|---|---|
2503852 Estadística Aplicada | OB | 3 | 1 |
Es recomendable tener conocimientos de probabilidades, inferencia estadística y modelos lineales
El objetivo de este curso es el de dar una primera mirada al mundo de las series temporales y sus aplicaciones.
Una serie temporal es una colección de observaciones hechas a lo largo del tiempo ( o alguna otra magnitud ordenada). Las series temporales aparecen hoy en día en casi cualquier disciplina,
por lo tanto, su análisis y la modelización del mecanismo aleatorio que las genera es de gran importancia desde el punto de viste teórico y práctico.
Se pretende que el alumno modele el mecanismo aleatorio que genera las observaciones, haga diagnósticos y predicciones.
1. Introducción. Análisis clássicaode series temporals.
2. Procesos estacionarios. Conceptos de estacionaridad , ejemplos. Simulación de series temporales.
3. Procesos Lineales. Los modelos MA(q). Modelos AR(p). El correlograma. Las equaciones de Yule-Walker. El operador de retardos y la relación entre los MA y los AR. La función de autocorrelación parcial.
4. Modelos ARIMA. Modelos ARMA(p,q). Estimación de parámetros: método de los momentos, máxima verosimilitud, mínimos cuadrados condicinales e incondicionales. Modelos ARIMA(p,d,q) y SARIMA. La metodología de Box-Jenkins. Segmentación.
5. Diagnósticosy predicción Criterios AIC y BIC. Análisis de residuos. Predicciones elementals y basadas en la representación AR(∞). IC para las predicciones
6. Modelos pata a series no estacionarias: ARCH/GARCH, ARMA con covariantes.
7. Series de recuentos
A menos que las restricciones impuestas por las autoridades sanitarias obliguen a una priorización o reducción de estos contenidos.
En las dos horas semanales de teorías presentarán los resultados fundamentales y se realizarán ejercicios ( con ordenador) y problemas.
En las dos horas de prácticas (que se realizarán con ordenador portátil) se utilizará R para aplicar los modelos estudiados en teoría.
La metodología docente propuesta puede experimentar alguna modificación en función de las restricciones a la presencialidad que impongan las autoridades sanitarias.
La perspectiva de género en la docencia va más llá de los contenidos de las asignaturas, ya que también implica una revisión de las metodologías docentes y las interacciones entre el alumnado y el profesorado, tanto dentro como fuera del aula. En este sentido, se emplearán metodologías docentes participativas, donde se genere un entorno igualitario, evitando ejemplos estereotipados en género y vocabulario sexista, con el objetivo de desarrollar el razonamiento crítico y el respecto a la diversidad y pluralidad de ideas, personas y situaciones, pues suelen ser más favorables a la integración y plena participación del estudiantado, y por eso se procurará su implementación efectiva en esta asignatura.
Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.
Título | Horas | ECTS | Resultados de aprendizaje |
---|---|---|---|
Tipo: Dirigidas | |||
Clases prácticas | 26 | 1,04 | 1, 2, 3, 4, 8, 7, 5, 6, 9, 10, 11, 12, 13, 14, 15, 16, 17, 19, 20 |
Clases teóricas | 26 | 1,04 | 1, 2, 3, 7, 5, 6, 9, 10, 11, 12, 15, 16, 17, 18, 19, 20 |
Tipo: Autónomas | |||
Análisis de datos reales | 25 | 1 | 1, 2, 3, 4, 8, 7, 5, 6, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20 |
Trabajo personal | 60 | 2,4 | 1, 2, 3, 4, 8, 7, 5, 6, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20 |
A lo largo del curso los alumnos tendrán que entregar regularmente trabajos de prácticas de ordenador. Habrá dos exámenes parciales que tendrán preguntas tanto de teoría como de práctica.
Para poder presentarse al examen de recuperación habrá que tener como mínimo una nota de 3 en cada apartado anterior.
La evaluación propuesta puede experimentar alguna modificación en función de las restricciones a la presencialidad que impongan las autoridades sanitarias.
Título | Peso | Horas | ECTS | Resultados de aprendizaje |
---|---|---|---|---|
Entregas ( problemas y prácticas de ordenador) | 0,4 | 8 | 0,32 | 1, 2, 3, 4, 8, 7, 5, 6, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20 |
Exámen | 0,3 | 3 | 0,12 | 1, 2, 3, 7, 9, 10, 11, 12, 14, 17, 19, 20 |
Parcial 1 | 0,3 | 2 | 0,08 | 1, 2, 3, 7, 9, 10, 11, 12, 14, 17, 19, 20 |
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/.