|
Teaching GuideTerm Faculty of Computer Science |
| Mestrado Universitario en Técnicas Estadísticas (Plan 2019) |
 Subjects |
| Time Series |
| Contents |
| Identifying Data | 2019/20 | |||||||||||||
| Subject | Time Series | Code | 614493123 | |||||||||||
| Study programme |
|
|||||||||||||
| Descriptors | Cycle | Period | Year | Type | Credits | |||||||||
| Official Master's Degree | 2nd four-month period |
First | Optional | 5 | ||||||||||
|
||||||||||||||
| Topic | Sub-topic |
| 1. Time series and stochatic processes. | 1.1 Introducción. Gráfico secuencial. Características dunha serie de tempo. Exemplos. 1.2 Os conceptos de proceso estocástico e serie de tempo. Procesos estocásticos. Series de tempo. Exemplos. 1.3 Definicións asociadas a un proceso estocástico. Función de medias. Función de varianzas. Función de autocovarianzas. Función de autocorrelacións simples. Función de autocorrelacións parciais. Procesos estacionarios. Estimación da media, das autocovarianzas e das autocorrelacións simples e parciais. Proceso lineal. Proceso causal. Proceso invertible. 1.4 A descomposición de Wold. |
| 2. Box-Jenkins models. | 2.1 Introducción. 2.2 Procesos ARMA: Definición e identificación. Procesos autorregresivos. Procesos de medias móviles. Procesos autorregresivos de medias móviles. Distribución asintótica das autocorrelacións simples e parciais muestrales. Función de autocorrelacións simples extendida (poblacional e muestral). Identificación das ordes do ARMA a través das autocorrelacións simples e parciais muestrales, e das autocorrelacións simples extendidas muestrales. 2.3 Procesos ARIMA. 2.3.1 Introducción. Diferenciación regular para eliminar a tendencia. 2.3.2 Definición e identificación. Definición. Identificación das ordes do ARIMA a través das autocorrelacións simples e parciais muestrales, e das autocorrelacións simples extendidas muestrales, do ARMA asociado. 2.3.3 Estimación e diagnose. Estimación: mínimos cudrados, mínimos cadrados condicionados, máxima verosimilitude. Propiedades. Diagnose: métodos gráficos e contrastes de hipóteses. 2.3.4 Selección do modelo e predicción. Criterios de información: AIC, AICC, BIC. Predicción puntual e intervalos de predicción. 2.3.5 Aplicación a datos reais. 2.4 Procesos ARIMA estacionais. 2.4.1 Introducción 2.4.2 Procesos ARMA estacionais: Definición e identificación. 2.4.3 Procesos ARMA estacionais multiplicativos: Definición e identificación. 2.4.4 Procesos ARIMA estacionais: Definición e identificación. 2.4.5 Transformacións para estabilizar a varianza. 2.4.6 Aplicación a datos reais. |
| 3. Additional topics. | 3.1 Análise de intervención. Efectos permanentes. Efectos transitorios. Función de transferencia. Construcción e estimación do modelo. Aplicación a datos reais. 3.2 Valores atípicos. Atípico aditivo. Atípico innovativo. Detección de valores atípicos. Aplicación a datos reais. 3.3 Regresión con series de tempo. Función de covarianzas cruzadas. Función de correlacións cruzadas: estimación e distribución asintótica. Correlación espuria. Construcción e estimación do modelo. Aplicación a datos reais. |
|
