| Competencias del título |
|
Código
|
Competencias de la titulación
|
| A2 |
Capacidad para comprender, plantear, formular y resolver aquellos problemas susceptibles de ser abordados a través de modelos de la estadística y de la investigación operativa. |
| A6 |
Realizar inferencias respecto a los parámetros que aparecen en el modelo. |
| A8 |
Capacidad de identificar y resolver problemas que requieran el uso de técnicas del análisis de series de tiempo. |
| A13 |
Ser capaz de manejar diverso software (en particular R) e interpretar los resultados que proporcionan éstos en los correspondientes estudios prácticos. |
| A15 |
Fomentar la sensibilidad hacia los principios del pensamiento científico, favoreciendo las actitudes asociadas al desarrollo de los métodos matemáticos, como: el cuestionamiento de las ideas intuitivas, el análisis crítico de las afirmaciones, la capacidad de análisis y síntesis o la toma de decisiones racionales. |
| Resultados de aprendizaje |
| Competencias de materia (Resultados de aprendizaje) |
Competencias de la titulación |
| Comprender técnicas del análisis de series de tiempo |
AM2
|
|
|
| Capacidad crítica sobre las posibilidades y limitaciones de las técnicas del análisis de series de tiempo |
AM15
|
|
|
| Capacidad de identificar y resolver problemas que requieran el uso de técnicas del análisis de series de tiempo |
AM2
AM6
AM8
|
|
|
| Capacidad de manejar software comercial (fundamentalmente el software libre R) para analizar series de tiempo |
AM13
|
|
|
| Contenidos |
| Tema |
Subtema |
| 1. Análisis descriptivo de una serie de tiempo. |
Introducción. El concepto de serie de tiempo: Ejemplos. Descomposición clásica de una serie de tiempo: Ejemplos. |
| 2. Series de tiempo y procesos estocásticos. |
Introducción. El concepto de proceso estocástico: Ejemplos. Definiciones asociadas a un proceso estocástico. La descomposición de Wold. |
| 3. Modelos Box-Jenkins. |
Introducción. Procesos ARMA: Definición e identificación. Procesos ARIMA: Definición e identificación. Estimación y diagnosis. Selección del modelo y predicción. Aplicación a datos reales. Procesos ARIMA estacionales. Aplicación a datos reales. |
| 4. Tópicos adicionales. |
Análisis de intervención. Valores atípicos. Regresión con series de tiempo. |
| Planificación |
| Metodologías / pruebas |
Horas presenciales |
Horas no presenciales / trabajo autónomo |
Horas totales |
| Sesión magistral |
20 |
30 |
50 |
| Prácticas de laboratorio |
20 |
30 |
50 |
| Prueba de respuesta múltiple |
1.5 |
0 |
1.5 |
| Solución de problemas |
1.5 |
0 |
1.5 |
| Prueba de ensayo/desarrollo |
0 |
15 |
15 |
| |
| Atención personalizada |
7 |
0 |
7 |
| |
| (*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos |
| Metodologías |
|
Metodologías |
Descripción |
| Sesión magistral |
El profesor desarrollará en clase los contenidos del Temario. Para ello, se apoyará en la proyección de transparencias (su versión en pdf estará disponible on-line). |
| Prácticas de laboratorio |
El profesor desarrollará en clase distintos tipos de aplicaciones a datos reales de la teoría previamente expuesta. Para ello, introducirá las herramientas específicas de que dispone el paquete estadístico R. Posteriormente, será el alumno el que desarrolle otras aplicaciones con la ayuda de un ordenador. |
| Prueba de respuesta múltiple |
Uno de los requisitos para aprobar la asignatura será la superación de una prueba de respuesta múltiple. Más información sobre dicha prueba puede ser vista en la Sección 7: Evaluación. |
| Solución de problemas |
Uno de los requisitos para aprobar la asignatura será resolver un problema de carácter práctico. Para ello, será necesaria la utilización del paquete estadístico R (utilizado en las clases prácticas). Más información sobre este punto puede ser vista en la Sección 7: Evaluación. |
| Prueba de ensayo/desarrollo |
Uno de los requisitos para aprobar la asignatura será la correcta realización y entrega, en las fechas indicadas, de prácticas propuestas por el profesor. Para ello, será necesaria la utilización del paquete estadístico R (utilizado en las clases prácticas). Más información sobre este punto puede ser vista en la Sección 7: Evaluación. |
| Atención personalizada |
|
Metodologías
|
| Prácticas de laboratorio |
| Sesión magistral |
|
| Descripción |
| Cualquier duda que se le presente al alumno a lo largo de las horas presenciales tratará de ser resuelta instantáneamente por parte del profesor. Sin embargo, es posible que otras dudas surjan una vez que el estudiante profundice en la materia en el transcurso de horas no presenciales. En este caso, resulta conveniente que el alumno haga uso de las tutorías individualizadas. |
|
| Evaluación |
|
Metodologías
|
Descripción
|
Calificación
|
| Prueba de respuesta múltiple |
(Se realizará con la presencia del profesor)
Estará formada por una prueba tipo test de conocimientos teórico-prácticos.
|
40 |
| Prácticas de laboratorio |
El material que se permitirá utilizar en la prueba de respuesta múltiple (apuntes, bibliografía,…) dependerá del grado de asistencia a clase del alumno. |
0 |
| Solución de problemas |
(Se realizará con la presencia del profesor)
Consistirá en el análisis de una serie de tiempo. Para ello, se contará con la ayuda del paquete estadístico R (utilizado en clase). |
30 |
| Sesión magistral |
El material que se permitirá utilizar en la prueba de respuesta múltiple (apuntes, bibliografía,…) dependerá del grado de asistencia a clase del alumno. |
0 |
| Prueba de ensayo/desarrollo |
(Se realizará sin la presencia del profesor)
Realización y entrega, en las fechas indicadas, de prácticas propuestas por el profesor. Para ello, se contará con la ayuda del paquete estadístico utilizado en clase. |
30 |
| |
|
Observaciones evaluación |
La metodología de la evaluación es aplicable tanto a los alumnos a tiempo completo como a los alumnos a tiempo parcial. |
| Fuentes de información |
|
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)
|
|
|
Complementária
|
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)
|
|
| Recomendaciones |
| Asignaturas que se recomienda haber cursado previamente |
|
| Asignaturas que se recomienda cursar simultáneamente |
|
| Asignaturas que continúan el temario |
| Modelos de Probabilidade/614493001 | | Estatística Aplicada/614493002 |
|
|