Estadística Aplicada

Grado y Doble Grado. Curso 2022/2023.

SERIES TEMPORALES - 801603

Curso Académico 2022-23

Datos Generales

SINOPSIS

COMPETENCIAS

Generales
CG 2-AD 1- Elaborar un informe de carácter profesional con los resultados de un análisis de datos.
CG 10-AD 1- Realizar trabajos con otros estudiantes y debatir sobre el análisis de datos adecuado.
Específicas
CE 7-AD 1- Describir situaciones con evolución aleatoria mediante series temporales.
CE 7-AD 2- Hacer predicciones de situaciones con comportamiento aleatorio utilizando técnicas de predicción.
CE 9-AD1- Elaborar y construir el modelo adecuado al problema real planteado.

ACTIVIDADES DOCENTES

Clases teóricas
42,5%
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.

Objetivos

 

Contenido

SERIES TEMPORALES

TEMA 1 INTRODUCCIÓN A LAS SERIES TEMPORALES

1.1 Ejemplos de series temporales univariantes

1.2 Representación de series temporales

 

TEMA 2 ANALISIS DESCRIPTIVO DE UNA SeRIE TEMPORAL

2.1 Estudio de la tendencia. Metodo de ajuste analistico

2.2 Variaciones estacionales.

2.3 Existencia de ciclos. Periodograma

2.4 Métodos de Suavizado.

 

TEMA 3 MODELOS DE SERIES TEMPORALES ESTACIONARIAS

3.1.- Introducción.

3.2.- Función de autocorrelación simple y función de autocorrelación parcial. 

3.3.- El modelo autorregresivo AR(p).

                3.3.1. El proceso AR(1).

                3.3.2. El proceso AR(2).

                3.3.3. El proceso autoregresivo general AR(p).

3.4.- El modelo de medias móviles MA(q).

                3.4.1. El proceso de media móvil de orden 1 MA(1).

                3.4.2.- El proceso MA(q).

3.5.-El modelo mixto ARMA(p,q). 

3.6.- Procesos integrados: El modelo ARIMA(p,d,q).

3.7.- El modelo ARIMA estacional.

 

 

TEMA 4 IDENTIFICACION, ESTIMACION, DIAGNOSIS Y PREDICCIÓN DE MODELOS ARMA

 

4.1.- La metodología Box-Jenkins.

4.2.- Transformaciones para estabilizar la varianza. 

4.3.-Identificación del modelo ARIMA. 

4.4.- Estimación de los parámetros del modelo. 

4.5.-Diagnósis del modelo.

                4.5.1.- Análisis de los residuos.

                4.5.2. Medidas de la adecuación del modelo.

4.6  Predicción con Modelos ARIMA

 

TEMA 5 ANALISIS DE INTERVENCIO, DATOS ATIPICOS, MISSING Y FUNCIONES DE TRANSFERENCIA

 

5.1.- Modelos de series temporales con intervención.

                 5.1.1. Variables impulso.

                 5.1.2. Variables escalón.

5.2.- Datos atípicos e intervención.

                5.2.1. Tratamiento de atípicos.

                5.2.2. Diferentes modelos de intervención

5.3.-Estimación de datos missing en series temporales.

5.4.-Predicciones automáticas en presencia de intervención.

 

5.5.- Modelos de funciones de Transferencia

 

Evaluación

Se utilizará el procedimiento de evaluación continua exclusivamente para aquellos alumnos que asistan a las clases de prácticas. Estos alumnos podrán realizar trabajos mediante software de aplicación específico y ser evaluados por ellos.
La nota final tendrá en cuenta tanto la evaluación continua como la prueba final y se calculará como el máximo entre:
a) Calificación de la prueba final.
b) La media ponderada de la evaluación continua y la prueba final, siendo el peso de la evaluación continua del 40%.
Los alumnos que no asistan a las clases de prácticas, junto con aquellos que, habiendo participado en el proceso de evaluación contínua, no hubieran superado la asignatura, serán calificados exclusivamente por el examen final; dicha calificación supondrá el 100% de su nota final.

Bibliografía

En español:
González Velasco, M. y del Puerto García, I.M. (2009) Series Temporales. Colección Manuales UEX.
Peña, D. (2005) Análisis de Series Temporales. Alianza Editorial. Madrid.
Pérez, César (2006) Econometría de las Series Temporales. Ed Prentice Hall.
Pérez, César (2011) Series Temporales. Técnicas y Herramientas. Editorial Garceta.
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.
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 A08/09/2022 - 21/12/2022VIERNES 09:00 - 11:00-JOSE LUIS VALENCIA DELFA
Grupo tarde B08/09/2022 - 21/12/2022JUEVES 18:00 - 20:00-CESAR PEREZ LOPEZ


Clases teóricas y/o prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo mañana A08/09/2022 - 21/12/2022MIÉRCOLES 11:00 - 13:00-JOSE LUIS VALENCIA DELFA
Grupo tarde B08/09/2022 - 21/12/2022LUNES 18:00 - 20:00-CESAR PEREZ LOPEZ