Estadística Aplicada

Grado y Doble Grado. Curso 2024/2025.

SERIES TEMPORALES - 801603

Curso Académico 2024-25

Datos Generales

SINOPSIS

COMPETENCIAS

Generales
CG8 Demostrar un pensamiento lógico y un razonamiento estructurado
CG9 Mostrar capacidad de síntesis

Específicas
CE7 Describir situaciones con comportamiento aleatorio
CE9 Elaborar y construir modelos estadísticos adecuados a problemas reales y su validación
CE15 Elaborar previsiones y escenarios utilizando sus conocimientos estadísticos

ACTIVIDADES DOCENTES

Clases teóricas
50%
Clases prácticas
50%
TOTAL
100%

Presenciales

2,4

No presenciales

3,6

Semestre

7

Breve descriptor:

Construcción de modelos de series temporales según la metodología Box-Jenkins. Validación, comparación y explotación de dichos modelos.

Requisitos

Conocimientos básicos de Inferencia, Modelos Lineales y software estadístico.

Contenido


TEMA 0: repaso de R

  • Repaso de conceptos de R base
  • Introducción al uso de tidyverse para series temporales

TEMA 1: introducción a las series temporales

  • Diferencias entre regresión lineal ordinaria y serie temporal
  • Introducción de conceptos básicos: procesos estocásticos, tendencia, ruido, estacionalidad
  • Representación de series temporales
  • Función de autocorrelación simple y función de autocorrelación parcial. 

TEMA 2: descomposición (sin hipótesis) de series temporales

  • Descomposiciónes aditivas
  • Descomposiciones multiplicativas
  • Periodograma
  • Suavizados

TEMA 3: introducción a los modelos SARIMA (bajo hipótesis de estacionariedad)

  • Concepto de proceso estacionario
  • Modelos autorregresivos (AR)
  • Modelos de medias móviles (MA)
  • Modelos mixtos (ARMA)
  • Modelos integrados (ARIMA)
  • Modelos estacionales (SARIMA)

TEMA 4: identificación, estimación y diagnosis

  • Metodología Box-Jenkins
  • Transformaciones box-cox
  • Identificación órdenes
  • Estimación
  • Diagnosis (análisis residuos, métricas de error)
  • Predicción

 TEMA 5: análisis de intervención (atípicos y missing)

  • Tipos de intervenciones (escalón, impulso, etc)
  • Atípicos y ausentes
  • Funciones de transferencia

Evaluación

A lo largo del curso los alumnos tendrán que realizar entregas de manera individual, tanto teóricas como aplicadas (implementando lo aprendido en R). Se podrá plantear una entrega final grupal.

La nota final tendrá en cuenta tanto la evaluación continua como la prueba final. Se calculará como el máximo entre:

a) La calificación de la prueba final.

b) La media ponderada de la evaluación continua y la prueba final, siendo el peso de la evaluación continua de al menos el 35%.


El alumno/a tiene la opción de superar la asignatura por evaluación continua. Además cualquier alumno/a tendrá derecho a una prueba final pudiendo resultar su calificación la nota final del curso.

Bibliografía

En español:
González Velasco, M. y del Puerto García, I.M. (2009) Series Temporales. Colección Manuales UEX.
Peña, D. (2018) Análisis de Series Temporales. Alianza Editorial. Madrid.
Cesar Perez Lopez (2021). Análisis de Series Temporales: ejercicios resueltos con R. Editorial Garceta. Madrid
Pérez, César (2011) Series Temporales. Técnicas y Herramientas. Editorial Garceta.
Uriel E. y Peiró A. (2006) Introducción al Análisis de Series Temporales.
En Inglés:
Bowerman/O Connell. (1997) Forecasting and Time Series an applied approach. Ed. Duxbury.
Box, G.E.P., Jenkins, G.M., and Reinsel, G.C. (1994), Time Series Analysis: Forecasting and Control, Englewood Cliffs, N.J.:Prentice Hall, Inc.
Brocklebank J.C., Dickey D.A., Choi B.S. (2018) SAS for Forecasting Time Series. Third Edition. SAS Institut
Brockwell, P.J. and Davis, R.A. (1996), Introduction to the Time Series and Forecasting, New York: Springer-Velarg.

Chatfield, C (2000), Time-Series Forecasting, Ed: Chapman & Hall/CRC Press.
Fuller, W.A. (1995), Introduction to Statistical Time Series; Ed: John Wiley & Sons, Inc.
Hamilton, J.D. (1994), Time Series Analysis, Princeton, NJ: Princeton University Press.
Harvey, A.C. (1994), Time Series Models, Cambridge, MA:MIT Press.
Makridakis, S.G., Wheelwright, S.C., and Hyndman, R.J. (1997), Forecasting: Methods and Applications, New York: John Wiley & Sons, Inc.

Estructura

MódulosMaterias
ANÁLISIS DE DATOSMODELOS DE PREDICCIÓN

Grupos

Actividades prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo mañana A09/09/2024 - 20/12/2024MARTES 13:00 - 15:00-JAVIER ALVAREZ LIEBANA
Grupo tarde B09/09/2024 - 20/12/2024JUEVES 18:00 - 20:00-JAVIER ALVAREZ LIEBANA


Clases teóricas y/o prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo mañana A09/09/2024 - 20/12/2024VIERNES 11:00 - 13:00-JAVIER ALVAREZ LIEBANA
Grupo tarde B09/09/2024 - 20/12/2024LUNES 18:00 - 20:00-JAVIER ALVAREZ LIEBANA