Primeira oportunidade: Si se denotan a través de P e F as notas (sobre 10) obtidas nas "Prácticas a través de TIC" e na "Proba mixta", respectivamente, a nota final será:

(a) 0.4*P+0.6*F, sempre e cando tanto P como F sexan maiores ou iguais que 3.

(b) 4.5*(0.4*P+0.6*F)/7.2, sempre e cuando P e/ou F sexan menores que 3.

Como consecuencia do anterior, tense que para superar a materia será necesario obter un mínimo de 3 puntos tanto nas "Prácticas a través de TIC" como na "Proba mixta".

Avisarase da data en que se realizará cada proba práctica cunha antelación mínima de 7 días. Os traballos prácticos terán un prazo de entrega de polo menos 7 días.

Segunda oportunidade: Por defecto, a puntuación obtida nas "Prácticas a través de TIC" na primera oportunidade manterase para esta segunda oportunidade. Pero si o alumno así o desexa, terá a opción de volver a facer a(s) proba(s)/traballo(s) correspondente(s) a a(s) parte(s) de prácticas que considere, e as novas puntuacións obtidas reemplazarán ás anteriores. Todos os alumnos deben realizar a "Proba mixta". A nota final obterase da mesma forma que na primera oportunidade.

Learning outcomes	Study programme competences
Coñecer e comprender conceptos xerais relativos a procesos estocásticos.	A17 A19	B4 B8
Identificar e analizar modelos estatísticos susceptibles de xerar a un conxunto de datos dependentes.	A17 A19	B2 B4 B9 B10	C4
Coñecer e aplicar técnicas de estimación dos parámetros presentes nos modelos estatísticos con datos dependentes.	A17 A19	B2 B4 B9 B10	C4
Entender a importancia de levar a cabo unha diagnose dun modelo construído con datos que presenten dependencia temporal e/ou espacial.	A17 A19	B4	C4
Coñecer e aplicar os fundamentos da predición en series de tempo.	A17 A19	B2 B4 B7 B9 B10	C4
Ser capaz de interpretar os modelos propostos e os resultados obtidos ao utilizar técnicas estatísticas para datos dependentes.		B3 B4 B7 B9 B10	C4
Saber manexar con soltura programas informáticos avanzados de análise estatística.	A20		C1

Topic	Sub-topic
1. Análise descritiva dunha serie de tempo	1.1 Introdución 1.2 Descomposición dunha serie de tempo
2. Series de tempo e procesos estocásticos	2.1 Introdución 2.2 Procesos estocásticos: concepto e definicións asociadas
3. Metodoloxía Box- Jenkins	3.1 Introdución 3.2 Modelización ARIMA e predición
4. Tópicos adicionais	Introducción a análise de intervención, valores atípicos, regresión con series de tempo, e cluster e clasificación con series de tempo
5. Estatística Espacial	5.1 Tipos de procesos espaciais 5.2 Análise exploratorio de datos espaciais 5.3 Modelado de procesos xeoestatísticos 5.4 Predición Kriging 5.5 Introdución á Estatística espazo-temporal

Methodologies / tests	Competencies	Ordinary class hours	Student’s personal work hours	Total hours
Guest lecture / keynote speech	A17 A19 B3 B4 B8 B9 C4	21	42	63
ICT practicals	A20 B2 B4 B7 B9 B10 C1 C4	14	42	56
Seminar	B7 B8 C4	7	14	21
Mixed objective/subjective test	A17 A19 B2 B3 B8 B9 C4	2	0	2

Personalized attention		8	0	8

(*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students.

Methodologies	Description
Guest lecture / keynote speech	O profesor, coa axuda dos medios audiovisuais pertinentes, expoñerá os contidos teórico-prácticos da materia. O material empregado estará ao dispor dos estudantes.
ICT practicals	Trátase de poñer en práctica a metodoloxía estatística aprendida nas sesións maxistrais. Farase uso do software R (gratuíto). Faránselle chegar ao estudante distintos conxuntos de datos reais para ser analizados ao longo das sesións de prácticas. Á súa vez, recomendaráselle que obteña outros datos pola súa conta para que reforce a súa destreza na análise de datos con dependencia, esta vez nas horas dedicadas ao traballo autónomo.
Seminar	O seu obxectivo é apontoar, a través da realización de exercicios teórico-prácticos, a comprensión dos contidos expostos nas sesións maxistrais. Nalgunhas ocasións, poderían dedicarse a completar as prácticas a través de TIC. Faránselle chegar ao estudante distintos exercicios para que trate de resolvelos (algúns deles ao longo do propio seminario e outros nas horas dedicadas ao traballo autónomo).
Mixed objective/subjective test	Proba tipo test a través da cal se avaliará o grao de aprendizaxe alcanzada polo estudante.

Methodologies	Competencies	Description	Qualification
Mixed objective/subjective test	A17 A19 B2 B3 B8 B9 C4	Consistirá nunha proba tipo test de coñecementos teórico-prácticos, que será realizada na data oficial aprobada pola Xunta de Facultade.	60
ICT practicals	A20 B2 B4 B7 B9 B10 C1 C4	Parte do grao de aprendizaxe alcanzada nas prácticas a través de TIC avaliarase de maneira continua. Para iso, realizaranse unha ou dúas probas ao longo do curso (no horario establecido para ditas prácticas) e/ou un ou dous traballos (individuais ou en grupo). A súa resolución requirirá do uso do software R e tamén do coñecemento da metodoloxía estatística explicada nas sesións maxistrais.	40

Assessment comments
Primeira oportunidade: Si se denotan a través de P e F as notas (sobre 10) obtidas nas "Prácticas a través de TIC" e na "Proba mixta", respectivamente, a nota final será: (a) 0.4P+0.6F, sempre e cando tanto P como F sexan maiores ou iguais que 3. (b) 4.5(0.4P+0.6F)/7.2, sempre e cuando P e/ou F sexan menores que 3. Como consecuencia do anterior, tense que para superar a materia será necesario obter un mínimo de 3 puntos* tanto nas "Prácticas a través de TIC" como na "Proba mixta". Avisarase da data en que se realizará cada proba práctica cunha antelación mínima de 7 días. Os traballos prácticos terán un prazo de entrega de polo menos 7 días. Segunda oportunidade: Por defecto, a puntuación obtida nas "Prácticas a través de TIC" na primera oportunidade manterase para esta segunda oportunidade. Pero si o alumno así o desexa, terá a opción de volver a facer a(s) proba(s)/traballo(s) correspondente(s) a a(s) parte(s) de prácticas que considere, e as novas puntuacións obtidas reemplazarán ás anteriores. Todos os alumnos deben realizar a "Proba mixta". A nota final obterase da mesma forma que na primera oportunidade.

Basic	Bivand R.S., Pebesma E.J., Gómez-Rubio V. (2008). Applied Spatial Data Analysis with R. Springer Hyndman R.J., Athanasopoulos G. (2018). Forecasting: Principles and Practice. O Texts (2ª edición) (accesible online en https://otexts.com/fpp2/) Cowpertwait P.S.P., Metcalfe A.V. (2009). Introductory Time Series with R. Springer Diggle P., Ribeiro P.J. (2007). Model-based Geostatistics. Springer Clark, I. (1979). Practical geostatistics. London: Applied Science Publishers Cryer J.D., Chan K-S. (2008). Time Series Analysis. With Applications in R. Springer (2ª edición) Montero P., Vilar J.A. (2014). TSclust: An R package for time series clustering. Journal of Statistical Software 62(1)

Complementary	Peña D. (2005). Análisis de Series Temporales. Alianza Editorial Liao T.W. (2005). Clustering of time series-a survey. Pattern Recognittion 38, 1857-1874 Chilès J.P., Delfiner P. (1999). Geostatistics: modeling spatial uncertainty. Wiley Brockwell P.J., Davis R.A. (2002). Introduction to Time Series and Forecasting. Springer (2ª edición) Wikle C.K., Zammit-Mangion A., Cressie N. (2019). Spatio-temporal Statistics with R. Chapman and Hall/CRC (accesible online en https://spacetimewithr.org) Shumway R.H., Stoffer D.S. (2017). Time Series Analysis and Its Applications. With R Examples. Springer (4ª edición)