Esta versión de la guía docente es provisional hasta que no finalize el periodo de edición de las guías del nuevo curso.

Logo UAB

Análisis de Datos Temporales

Código: 104413 Créditos ECTS: 6
2024/2025
Titulación Tipo Curso
2503740 Matemática Computacional y Analítica de Datos OT 4

Contacto

Nombre:
Ana Alejandra Cabaña Nigro
Correo electrónico:
anaalejandra.cabana@uab.cat

Equipo docente

Anna Lopez Ratera

Idiomas de los grupos

Puede consultar esta información al final del documento.


Prerrequisitos

Es recomendable tener conocimientos de probabilidades, inferencia estadística y modelos lineales.


Objetivos y contextualización

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 muchas disciplinas. 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.


Resultados de aprendizaje

  1. CM31 (Competencia) Planificar estudios basados en series temporales con responsabilidad ética para casos reales.
  2. CM31 (Competencia) Planificar estudios basados en series temporales con responsabilidad ética para casos reales.
  3. CM32 (Competencia) Evaluar el grado de cumplimiento de los requisitos necesarios para aplicar cada procedimiento estadístico avanzado.
  4. CM32 (Competencia) Evaluar el grado de cumplimiento de los requisitos necesarios para aplicar cada procedimiento estadístico avanzado.
  5. CM33 (Competencia) Extraer conclusiones relevantes de problemas aplicados mediante la aplicación de métodos estadísticos avanzados.
  6. CM33 (Competencia) Extraer conclusiones relevantes de problemas aplicados mediante la aplicación de métodos estadísticos avanzados.
  7. CM33 (Competencia) Extraer conclusiones relevantes de problemas aplicados mediante la aplicación de métodos estadísticos avanzados.
  8. KM27 (Conocimiento) Reconocer las ventajas e inconvenientes de las distintas metodologías estadísticas cuando se aplican a las diversas disciplinas.
  9. KM27 (Conocimiento) Reconocer las ventajas e inconvenientes de las distintas metodologías estadísticas cuando se aplican a las diversas disciplinas.
  10. KM28 (Conocimiento) Identificar la modelización más apropiada para una serie cronológica.
  11. KM28 (Conocimiento) Identificar la modelización más apropiada para una serie cronológica.
  12. SM33 (Habilidad) Emplear gráficos de resumen de datos de evolución temporal.
  13. SM34 (Habilidad) Analizar datos mediante el modelo de series temporales.
  14. SM35 (Habilidad) Utilizar software estadístico para el estudio de series temporales.

Contenido

  1. Introducción. Análisis clásico de 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 modelos MA y AR. Las funciones de autocorrelación y autocorrelación parcial.
  4. Modelos ARIMA: Los 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 para series no estacionarias: ARCH/GARCH, ARMA con covariantes.
  7. Series de recuentos: Los modelos INAR.


A menos que las restricciones impuestas por las autoridades sanitarias obliguen a una priorización o reducción de estos contenidos.


Actividades formativas y Metodología

Título Horas ECTS Resultados de aprendizaje
Tipo: Dirigidas      
Clases prácticas 24 0,96
Clases teóricas 26 1,04
Tipo: Autónomas      
Análisis de datos reales 25 1
Trabajo personal 62 2,48

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 perspectiva de género en la docencia va más allá 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.


Evaluación

Actividades de evaluación continuada

Título Peso Horas ECTS Resultados de aprendizaje
Entregas de problemas y practicas de ordenador 0,3 8 0,32 CM31, CM32, CM33, KM27, KM28, SM33, SM34, SM35
Examen Final 0,4 3 0,12 CM32, CM33, KM28, SM33, SM34
Examen Parcial 0,3 2 0,08 CM33, KM27, KM28, SM33, SM34

La asignatura se evaluará con entregas de trabajos (entregas de ejercicios, controles de problemas y/o prácticas) y 2 exámenes. Para obtener la nota ponderada de evaluación continua es necesario tener un mínimo de 3/10 en cada una de las partes.
El alumnado que se haya acogido en la modalidad de evaluación única deberá realizar una evaluación que consistirá en un examen de teoría, una prueba de problemas y la entrega de los informes de la primera y última práctica del curso. La evaluación de las entregas puede requerir una entrevista de evaluación con el profesor. La calificación del estudiante será la media ponderada de las tres actividades anteriores, donde el examen supondrá el 45% de la nota, la prueba 45% y las entregas el 10%.
Si la nota final no alcanza 5/10, el estudiante tiene otra oportunidad de superar la asignatura mediante el examen de recuperación que se celebrará en la fecha que fije la coordinación de la titulación. En esta prueba se podrá recuperar el 70% de la nota correspondiente a la teoría y problemas. La parte de entrega de prácticas no es recuperable.


Bibliografía

    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://bibcercador.uab.cat/permalink/34CSUC_UAB/1gfv7p7/alma991002663039706709
    3. Cryer, J.D. and Chan, K.S. (2008). Time Series Analysis with Applications to R. 2nd. edit. Springer. https://bibcercador.uab.cat/permalink/34CSUC_UAB/1gfv7p7/alma991008499229706709
    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://bibcercador.uab.cat/permalink/34CSUC_UAB/1eqfv2p/alma991010033559706709
    7. Tsay., R.S. (2010). Analysis of Financial Time Series, 3rd Edition, Wiley.

Software

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/.


Lista de idiomas

Nombre Grupo Idioma Semestre Turno
(PLAB) Prácticas de laboratorio 1 Catalán primer cuatrimestre tarde
(PLAB) Prácticas de laboratorio 2 Catalán primer cuatrimestre tarde
(TE) Teoría 1 Español primer cuatrimestre tarde