Datos Identificativos 2019/20
Asignatura (*) Series de Tempo Código 614493009
Titulación
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 2º cuadrimestre
Primeiro Segundo Optativa 5
Idioma
Modalidade docente Presencial
Prerrequisitos
Departamento Matemáticas
Coordinación
Correo electrónico
Profesorado
Correo electrónico
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.


Plan de continxencia

Competencias do título
Código Competencias do título

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias 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 Horas presenciais Horas non presenciais / 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 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.



(*)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