Competencias do título |
Código
|
Competencias / Resultados do título
|
A2 |
Capacidade para comprender, formular, formular e resolver aqueles problemas susceptibles de ser abordados a través de modelos da estatística e da investigación operativa. |
A6 |
Realizar inferencias respecto aos parámetros que aparecen no modelo. |
A8 |
Capacidade de identificar e resolver problemas que requiran o uso de técnicas da análise de series de tempo. |
A13 |
Ser capaz de manexar diverso software (en particular R) e interpretar os resultados que proporcionan estes nos correspondentes estudos prácticos. |
A15 |
Fomentar a sensibilidade cara aos principios do pensamento científico, favorecendo as actitudes asociadas ao desenvolvemento dos métodos matemáticos, como: o cuestionamento das ideas intuitivas, a análise crítica das afirmacións, a capacidade de análise e síntese ou a toma de decisións racionais. |
B6 |
Capacidade para iniciar a investigación e para participar en proxectos de investigación que poden culminar na elaboración dunha tese doutoral. |
B8 |
Capacidade de traballo en equipo e de forma autónoma |
B10 |
Capacidade de identificar e resolver problemas |
C1 |
Ser capaz de identificar un problema da vida real. |
C2 |
Dominar a terminoloxía científica-metodolóxica para comprender e interactuar con outros profesionais. |
C3 |
Habilidade para traballar os aspectos metodolóxicos da investigación en colaboración con outros colegas a través do Campus Virtual co foro. |
C4 |
Habilidade para realizar a análise estatística con ordenador. |
C5 |
Escoller o deseño máis axeitado para responder á pregunta de investigación. |
C6 |
Utilizar as técnicas estatísticas máis axeitadas para analizar os datos dunha investigación. |
C7 |
Planificar, analizar e interpretar os resultados dunha investigación considerando tanto os aspectos teóricos coma os metodolóxicos. |
C8 |
Habilidade de xestión administrativa do proceso dunha investigación. |
C9 |
Comunicación e difusión dos resultados das investigacións. |
C10 |
Lectura con xuízo crítico de artigos científicos dende unha perspectiva metodolóxica. |
Resultados de aprendizaxe |
Resultados de aprendizaxe |
Competencias / Resultados do título |
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
|
|
|
Capacidade para iniciar a investigación e para participar en proxectos de investigación que poden culminar na elaboración dunha tese doutoral. |
|
BP6
|
|
Capacidade de traballo en equipo e de forma autónoma |
|
BP8
|
|
Capacidade de identificar e resolver problemas |
|
BP10
|
|
Ser capaz de identificar un problema da vida real. |
|
|
CP1
|
Dominar a terminoloxía científica-metodolóxica para comprender e interactuar con outros profesionais. |
|
|
CP2
|
Habilidade para traballar os aspectos metodolóxicos da investigación en colaboración con outros colegas a través do Campus Virtual co foro. |
|
|
CP3
|
Habilidade para realizar a análise estatística con ordenador. |
|
|
CP4
|
Escoller o deseño máis axeitado para responder á pregunta de investigación. |
|
|
CP5
|
Utilizar as técnicas estatísticas máis axeitadas para analizar os datos dunha investigación. |
|
|
CP6
|
Planificar, analizar e interpretar os resultados dunha investigación considerando tanto os aspectos teóricos coma os metodolóxicos. |
|
|
CP7
|
Habilidade de xestión administrativa do proceso dunha investigación. |
|
|
CP8
|
Comunicación e difusión dos resultados das investigacións. |
|
|
CP9
|
Lectura con xuízo crítico de artigos científicos dende unha perspectiva metodolóxica. |
|
|
CP10
|
Contidos |
Temas |
Subtemas |
1. Series de tempo e procesos estocásticos. |
Introducción. Os conceptos de proceso estocástico e serie de tempo: Exemplos. Definicións asociadas a un proceso estocástico. A descomposición de Wold. |
2. 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. |
3. Tópicos adicionais. |
Análisise de intervención. Valores atípicos. Regresión con series de tempo. |
Planificación |
Metodoloxías / probas |
Competencias / Resultados |
Horas lectivas (presenciais e virtuais) |
Horas traballo autónomo |
Horas totais |
Sesión maxistral |
A2 A6 A15 B6 B10 C1 C2 C3 C5 C6 C7 C8 C9 C10 |
17.5 |
38.5 |
56 |
Prácticas de laboratorio |
A13 B8 B10 C4 C6 |
16.5 |
36.3 |
52.8 |
Proba de resposta múltiple |
A2 A6 C6 |
1.5 |
0 |
1.5 |
Proba práctica |
A13 B10 C4 C6 |
2.5 |
0 |
2.5 |
|
Atención personalizada |
|
12 |
0 |
12 |
|
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado |
Metodoloxías |
Metodoloxías |
Descrición |
Sesión maxistral |
Clases de tipo teórico impartidas polo profesor, nas que desenrolará os contidos do Temario. Para iso, apoiarase na proxección de transparencias (a súa versión en pdf estará dispoñible online).
O material que se permitirá utilizar na realización de cada proba/exame (apuntes, scripts, bibliografía,…) dependerá do grao de asistencia a clase do alumno. |
Prácticas de laboratorio |
Clases de tipo práctico impartidas polo profesor, nas que os alumnos participarán de xeito activo a través da realización de análises prácticas (para isto último, é necesario que os alumnos dispoñan no aula dun ordenador).
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. O material que se permitirá utilizar na realización de cada proba/exame (apuntes, scripts, bibliografía,…) dependerá do grao de asistencia a clase do alumno. |
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. |
Proba práctica |
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: Avaliación. |
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
|
Competencias / Resultados |
Descrición
|
Cualificación
|
Proba de resposta múltiple |
A2 A6 C6 |
Refírese á parte A do exame final e consiste nunha proba escrita tipo test de coñecementos teórico-prácticos. Para aprobar a materia será necesario superar esta parte A. |
60 |
Proba práctica |
A13 B10 C4 C6 |
Refírese tanto á evaluación continua como á parte B do exame final. Ambas consisten na análise dunha serie de tempo a través das técnicas estatísticas e do software explicados na clase. Para aprobar a materia será necesario superar esa parte B, que terá un peso do 20%. O peso da evaluación continua tamén será do 20%. Para os alumnos matriculados a tempo parcial que non realizasen a avaliación continua, o peso do exame B pasará a ser do 40%. |
40 |
|
Observacións avaliación |
A avaliación da materia realirase a través de: 1. Avaliación continua. Programaranse unha ou duas probas de evaluación, que se realizarán durante as clases. Consistirán na análise dunha serie de tempo a través das técnicas estatísticas e do software explicados ata a semán anterior á realización de cada proba. 2. Exame final. Constará de duas partes e realizarase na data establecida pola Comisión Académica do mestrado: a. Exame escrito A: proeba tipo test de coñecementos teórico-prácticos. b. Exame escrito B: análise dunha serie de tempo coa axuda do software empleado no desenrolo do curso. Para aprobar a materia será necesario superar polo menos os exames escritos A y B. En tal caso, a calificación final obterase promediando as calificacións acadadas en ditos exames, A e B, e na avaliación continua, sendo os pesos: 60% (exame A), 20% (exame B) y 20% (avaliación continua). Para os alumnos matriculados a tempo parcial que non realizasen a avaliación continua, o peso do exame B pasará a ser do 40%. A calificación obtida na avaliación continua conservarase para a segunda oportunidade (extraordinaria), si fose o caso. O material que se permitirá utilizar na realización de cada proba/exame (apuntes, scripts, bibliografía,…) dependerá do grao de asistencia a clase do alumno.
|
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)
Shumway, R.H. y Stoffer, D.S. (2017). Time Series Analysis and Its Applications. With R Examples.. Springer (4ª edición) |
|
Recomendacións |
Materias que se recomenda ter cursado previamente |
Modelos de Probabilidade/614493001 | Estatística Aplicada/614493002 |
|
Materias que se recomenda cursar simultaneamente |
|
Materias que continúan o temario |
|
Observacións |
Para
superar con éxito a materia é aconsellable a asistencia regular ás clases,
sendo fundamental o seguimiento diario do traballo realizado na aula. Tamén
son recomendables coñecementos básicos de Probabilidade e de Inferencia
Estatística (por exemplo, ter cursado as materias Modelos de Probabilidade e
Estatística Aplicada do presente mestrado). Por último, o dispoñer de nocións xerais sobre o paquete estatístico R facilitará a comprensión do seu uso no contexto específico das series de tempo. |
|