Logo UAB
2022/2023

Anàlisi de Dades Temporals

Codi: 104413 Crèdits: 6
Titulació Tipus Curs Semestre
2503740 Matemàtica Computacional i Analítica de Dades OT 4 1

Professor/a de contacte

Nom:
Amanda Fernandez Fontelo
Correu electrònic:
amanda.fernandez@uab.cat

Utilització d'idiomes a l'assignatura

Llengua vehicular majoritària:
espanyol (spa)
Grup íntegre en anglès:
No
Grup íntegre en català:
No
Grup íntegre en espanyol:
No

Altres indicacions sobre les llengües

El material de classe (apunts i pràctiques) estarà en anglès, castellà i/o català.

Equip docent

Anna Lopez Ratera

Prerequisits

És recomanable haver aprovat les assignatures de càlcul de probabilitats, inferència estadística i models lineals.

Objectius

L'objectiu del curs és donar una primera ullada 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 magnitud ordenada). Les sèries temporals apareixen actualment en moltes disciplines. Per tant, la seva anàlisi i la modelització del mecanisme aleatori que les genera és de gran importància teòrica i pràctica. Es pretén que l'alumne modeli el mecanisme aleatori darrere de les dades observades, en faci la diagnosi i l'utilitzi per a fer prediccions.

Competències

  • Avaluar de manera crítica i amb criteris qualitat el treball realitzat.
  • Calcular i reproduir determinades rutines i processos matemàtics amb agilitat.
  • Dissenyar, desenvolupar, mantenir i avaluar sistemes de programari que permeten representar, emmagatzemar i manipular de forma fiable i eficient grans volums de dades heterogènies d'acord amb els requisits establerts.
  • Formular hipòtesis i imaginar estratègies per confirmar-les o refutar-les.
  • Que els estudiants hagin desenvolupat aquelles habilitats d'aprenentatge necessàries per emprendre estudis posteriors amb un alt grau d'autonomia.
  • Que els estudiants puguin transmetre informació, idees, problemes i solucions a un públic tant especialitzat com no especialitzat.
  • Que els estudiants sàpiguen aplicar els coneixements propis a la seva feina o vocació d'una manera professional i tinguin les competències que se solen demostrar per mitjà de l'elaboració i la defensa d'arguments i la resolució de problemes dins de la seva àrea d'estudi.
  • Que els estudiants tinguin la capacitat de reunir i interpretar dades rellevants (normalment dins de la seva àrea d'estudi) per emetre judicis que incloguin una reflexió sobre temes destacats d'índole social, científica o ètica.
  • Relacionar objectes matemàtics nous amb altres de coneguts i deduir-ne les propietats.
  • Treballar cooperativament en un context multidisciplinar asumiendo y respetando el rol de los diferentes miembros del equipo.
  • Utilitzar eficaçment la bibliografia i els recursos electrònics per obtenir informació.

Resultats d'aprenentatge

  1. Analitzar críticament diferents models de sèries temporals.
  2. Analitzar dades mitjançant el model de sèries temporals.
  3. Avaluar de manera crítica i amb criteris de qualitat el treball desenvolupat.
  4. Conèixer programari estadístic per programar funcions i procediments avançats.
  5. Extreure conclusions rellevants de problemes aplicats, mitjançant l'aplicació de mètodes estadístics avançats.
  6. Extreure conclusions rellevants de problemes aplicats, mitjançant l'aplicació de mètodes estadístics.
  7. Identificar la modelització més apropiada per a una sèrie cronològica.
  8. Identificar les característiques metodològiques especials en l'anàlisi estadística segons les diferents àrees d'aplicació.
  9. Identificar les suposicions estadístiques associades a cada procediment avançat.
  10. Identificar, utilitzar i interpretar els criteris per avaluar el grau de compliment dels requisits necessaris per aplicar cada procediment estadístic avançat.
  11. Interpretar resultats amb metodologies avançades i extreure'n conclusions.
  12. Planificar estudis basats en sèries temporals per a casos reals.
  13. Que els estudiants hagin desenvolupat aquelles habilitats d'aprenentatge necessàries per emprendre estudis posteriors amb un alt grau d'autonomia.
  14. Que els estudiants puguin transmetre informació, idees, problemes i solucions a un públic tant especialitzat com no especialitzat.
  15. Que els estudiants sàpiguen aplicar els coneixements propis a la seva feina o vocació d'una manera professional i tinguin les competències que se solen demostrar per mitjà de l'elaboració i la defensa d'arguments i la resolució de problemes dins de la seva àrea d'estudi.
  16. Que els estudiants tinguin la capacitat de reunir i interpretar dades rellevants (normalment dins de la seva àrea d'estudi) per emetre judicis que incloguin una reflexió sobre temes destacats d'índole social, científica o ètica.
  17. Reconèixer els avantatges i els inconvenients de les diferents metodologies estadístiques quan s'apliquen a les diverses disciplines.
  18. Redactar l'informe tècnic a partir d'una anàlisi estadística avançada.
  19. Redactar l'informe tècnic a partir d'una anàlisi estadística.
  20. Treballar cooperativament en un context multidisciplinari assumint i respectant el rol dels diferents membres de l'equip.
  21. Utilitzar eficaçment la bibliografia i els recursos electrònics per obtenir informació.
  22. Utilitzar gràfics de resum de dades d'evolució temporal.
  23. Utilitzar programari estadístic per a l'estudi de sèries temporals.

Continguts

  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. Les funcions d’autocorrelació i d'autocorrelació parcial.
  4. Models ARIMA: Els models ARMA(p,q). Estimació de paràmetres: mètode dels moments, màxima versemblança, mínims quadrats incondicionals i condicionals. Els models ARIMA(p,d,q) i els SARIMA. Metodologia de Box-Jenkins. Segmentació
  5. Validació i Predicció. 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 temporals no estacionàries: ARCH/GARCH, ARMA amb covariants.
  7. Series de recomptes: Els models INAR.

Llevat que les restriccions imposades per les autoritats sanitàries obliguin a una priorització o reducció d’aquests continguts.

Metodologia

En les dues hores teòriques setmanals es presentaran els resultats teòrics fonamentals, i es resoldran exercicis amb ordinador i problemes. En les dues hores de pràctiques amb ordinador setmanals, s'utilitzarà l'R per a 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, perquè l'alumnat empleni les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura/mòdul.

Activitats formatives

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

Avaluació

Al llarg del curs els alumnes hauran de lliurar regularment treballs de pràctiques d'ordinador. Hi haurà dos exàmens (parcial i final) 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 3/10 en cada apartat anterior.

Lavaluació proposada pot experimentar alguna modificació en funció de les restriccions a la presencialitat que imposin les autoritats sanitàries.

Activitats d'avaluació

Títol Pes Hores ECTS Resultats d'aprenentatge
Examen Final 0,4 3 0,12 1, 2, 4, 5, 6, 7, 9, 10, 11, 12, 15, 22
Examen Parcial 0,3 2 0,08 1, 2, 4, 5, 7, 8, 9, 10, 11, 17, 22
Lliurement de problemes i practiques d'ordinador 0,3 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

Bibliografia

  1. Bisegard, S. (2011). Time Series Analysis and Forecasting By Example. John Wiley & Sons, Inc., Hoboken, New Jersey. https://onlinelibrary-wiley-com.are.uab.cat/doi/pdf/10.1002/9781118056943
  2. Brockwell, P.J. and Davis, R.A. (2002). Introduction to Time Series and Forecasting. 2nd edit. Springer. 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
  3. Cryer, J.D. and Chan, K.S. (2008). Time Series Analysis with Applications to R. 2nd. edit. Springer. 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
  4. Peña, R.D. A course in time series analysis. https://onlinelibrary-wiley-com.are.uab.cat/doi/book/10.1002/9781118032978
  5. Peña, D., Tiao, G.C., and Tsay, R.S. (2001). A Course in Time Series Analysis. John Wiley & Sons, Inc. https://onlinelibrary-wiley-com.are.uab.cat/doi/book/10.1002/9781118032978
  6. Shumway, R.H. and Stoffer, D.S. (2011) Time Series Analysis and its Applications. 3rd. edit. Springer. 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
  7. Tsay., R.S. (2010). Analysis of Financial Time Series, 3rd Edition, Wiley. 

Programari

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/.