Datos Identificativos 2014/15
Asignatura (*) Series de Tempo Código 614493009
Titulación
Mestrado Universitario en Técnicas Estadísticas (Plan 2011)
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 2º cuadrimestre
Primeiro-Segundo Optativa 5
Idioma
Prerrequisitos
Departamento Matemáticas
Coordinación
Aneiros Perez, German
Correo electrónico
german.aneiros@udc.es
Profesorado
Aneiros Perez, German
Correo electrónico
german.aneiros@udc.es
Web http://eio.usc.es/pub/mte/
Descrición xeral Preténdese modelizar o comportamento dunha serie de observacións dunha variable tomadas secuencialmente ó longo do tempo. Para iso, utilizaranse modelos estatísticos paramétricos. Estes modelos permitirannos comprender a dinámica da serie, así como predecir os seus futuros valores. A metodoloxóa utilizada será ilustrada a través da súa aplicación a datos reais, para o que se fará uso do paquete estatístico R. O manexo de dito paquete no contexto específico das series de tempo será aprendido ó longo do curso.



Competencias do título
Código Competencias da titulación

Resultados de aprendizaxe
Competencias de materia (Resultados de aprendizaxe) Competencias da titulación
Comprender técnicas da análise de series de tempo AM2
Capacidade crítica sobre as posibilidades e limitacións das técnicas da análise de series de tempo AM15
Capacidade de identificar e resolver problemas que requiran o uso de técnicas da análise de series de tempo AM2
AM6
AM8
Capacidade de manexar software comercial (fundamentalmente o software libre R) para analizar series de tempo AM13

Contidos
Temas Subtemas
1. Análise descriptiva dunha serie de tempo. Introducción. O concepto de serie de tempo: Exemplos. Descomposición clásica dunha serie de tempo: Exemplos.
2. Series de tempo e procesos estocásticos. Introducción. O concepto de proceso estocástico: Exemplos. Definicións asociadas a un proceso estocástico. A descomposición de Wold.
3. Modelos Box-Jenkins. Introducción. Procesos ARMA: Definición e identificación. Procesos ARIMA: Definición e identificación. Estimación e diagnosis. Selección do modelo e predicción. Aplicación a datos reais. Procesos ARIMA estacionais. Aplicación a datos reais.
4. Tópicos adicionais. Análisise de intervención. Valores atípicos. Regresión con series de tempo.

Planificación
Metodoloxías / probas Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Sesión maxistral 20 30 50
Prácticas de laboratorio 20 30 50
Proba de resposta múltiple 1.5 0 1.5
Solución de problemas 1.5 0 1.5
Proba de ensaio 0 15 15
 
Atención personalizada 7 0 7
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Sesión maxistral O profesor desenrolará na clase os contidos do Temario. Para iso, apoiarase na proxección de transparencias (a súa versión en pdf estrá disponibel on-line).
Prácticas de laboratorio O profesor desenrolará na clase distintos tipos de aplicacións a datos reais da teoría previamente exposta. Para iso, introducirá as ferramentas específicas de que dispón o paquete estatístico R. Posteriormente, será o alumno o que desenrole outras aplicacións coa axuda dun ordenador.
Proba de resposta múltiple Un dos requisitos para aprobar a asignatura será a superación dunha proba de resposta múltiple. Máis información sobre dita proba pode ser vista na la Sección 7: Evaluación.
Solución de problemas Un dos requisitos para aprobar a asignatura será resolver un problema de carácter práctico. Para iso, será necesaria a utilización do paquete estatístico R (utilizado nas clases prácticas). Máis información sobre este punto pode ser vista na Sección 7: Evaluación.
Proba de ensaio Un dos requisitos para aprobar a asignatura será a correcta realización e entrega, nas datas indicadas, de prácticas propostas polo profesor. Para iso, será necesaria a utilización do paquete estatístico R (utilizado nas clases prácticas). Máis información sobre este punto pode ser vista na Sección 7: Evaluación.

Atención personalizada
Metodoloxías
Prácticas de laboratorio
Sesión maxistral
Descrición
Cualquera dúbida que se lle presente ao alumno ó longo das horas presenciais tratará de ser resolta instantáneamente por parte do profesor. Sin embargo, é posible que outras dúbidas surxan unha vez que o estudante profundice na materia no transcurso de horas non presenciais. Neste caso, resulta convinte que o alumno faga uso das tutorías individualizadas.

Avaliación
Metodoloxías Descrición Cualificación
Proba de resposta múltiple (Realizarase coa presencia do profesor)

Estará formada por unha proba tipo test de coñecementos teórico-prácticos.
40
Prácticas de laboratorio O material que se permitirá utilizar na proba de resposta múltiple (apuntes, bibliografía,…) dependerá do grao de asistencia a clase do alumno. 0
Solución de problemas (Realizarase coa presencia do profesor)

Consistirá na análise dunha serie de tempo. Para iso, contarase coa axuda do paquete estatístico R (utilizado na clase).
30
Sesión maxistral O material que se permitirá utilizar na proba de resposta múltiple (apuntes, bibliografía,…) dependerá do grao de asistencia a clase do alumno. 0
Proba de ensaio (Realizarase sin a presencia do profesor)

Realización e entrega, nas datas indicadas, de prácticas propostas polo profesor. Para iso, contarase coa axuda do paquete estatístico utilizado na clase.
30
 
Observacións avaliación

A metodoloxía da evaluación é aplicable tanto aos alumnos a tempo completo como aos alumnos a tempo parcial.


Fontes de información
Bibliografía básica Peña, D. (2005). Análisis de Series Temporales.. Alianza Editorial
Cowpertwait, P.S.P. y Metcalfe, A.V. (2009). Introductory Time Series with R.. Springer
Cryer, J.D. y Chan, K-S. (2008). Time Series Analysis. With Applications in R.. Springer (2ª edición)


Bibliografía complementaria Brockwell, P.J. y Davis, R.A. (2002). Introduction to Time Series and Forecasting.. Springer (2ª edición)
González, M. y del Puerto, I.M. (2009). Series Temporales.. Colección manuales uex-60
Shumway, R.H. y Stoffer, D.S. (2006). Time Series Analysis and Its Applications. With R Examples.. Springer (2ª edición)


Recomendacións
Materias que se recomenda ter cursado previamente

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario
Modelos de Probabilidade/614493001
Estatística Aplicada/614493002

Observacións


(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías