La evaluación de la materia se realizará a través de:

1. Evaluación continua. Se programarán una o dos pruebas de evaluación, que se realizarán durante las clases. Consistirán en el análisis deuna serie de tiempo a través de las técnicas estadísticas y del software explicados hasta la semana anterior a la realización de cada prueba.

2. Examen final. Constará de dos partes y se realizará en la fecha establecida por la Comisión Académica del máster:

a. Examen escrito A: prueba tipo test de conocimientos teórico-prácticos.

b. Examen escrito B: análisis de una serie de tiempo con ayuda del software empleado en el desarrollo del curso.

Para aprobar lamateria será necesario superar al menos los exámenes escritos A y B. En tal caso, la calificación final se obtendrá promediando las calificaciones alcanzadas en dichos exámenes, A y B, y en la evaluación continua, siendo los pesos: 60% (examen A), 20% (examen B) y 20% (evaluación continua). Para los alumnos matriculados a tiempo parcial que no hayan realizado la evaluación continua, el peso del examen B pasará a ser del 40%.

La calificación obtenida en la evaluación continua se conservará para la segunda oportunidad (extraordinaria), si fuese el caso.

El material que sepermitirá utilizar en la realización de cada prueba/examen (apuntes, scripts, bibliografía,…)dependerá del grado de asistencia a clase del alumno.

Resultados de aprendizaje	Competencias del título
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
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

Tema	Subtema
1. Series de tiempo y procesos estocásticos.	Introducción. Los conceptos de proceso estocástico y serie de tiempo: Ejemplos. Definiciones asociadas a un proceso estocástico. La descomposición de Wold.
2. 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.
3. Tópicos adicionales.	Análisis de intervención. Valores atípicos. Regresión con series de tiempo.

Metodologías / pruebas	Competéncias	Horas presenciales	Horas no presenciales / trabajo autónomo	Horas totales
Sesión magistral	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
Prueba de respuesta múltiple	A2 A6 C6	1.5	0	1.5
Prueba práctica	A13 B10 C4 C6	2.5	0	2.5

Atención personalizada		12	0	12

(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologías	Descripción
Sesión magistral	Clases de tipo teórico impartidas por el profesor, en las que desarrollará los contenidos del Temario. Para ello, se apoyará en la proyección de transparencias (su versión en pdf estará disponible online). El material que se permitirá utilizar en la realización de cada prueba/examen (apuntes, scripts, bibliografía,…) dependerá del grado de asistencia a clase del alumno.
Prácticas de laboratorio	Clases de tipo práctico impartidas por el profesor, en las que los alumnos participarán de manera activa a través de la realización de análisis prácticos (para esto último, es necesario que los alumnos dispongan en el aula de un ordenador). 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. El material que se permitirá utilizar en la realización de cada prueba/examen (apuntes, scripts, bibliografía,…) dependerá del grado de asistencia a clase del alumno.
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.
Prueba práctica	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.

Metodologías	Competéncias	Descripción	Calificación
Prueba de respuesta múltiple	A2 A6 C6	Se refiere a la parte A del examen final y consiste en una prueba escrita tipo test de conocimientos teórico-prácticos. Para aprobar la materia será necesario superar esta parte A.	60
Prueba práctica	A13 B10 C4 C6	Se refiere tanto a la evaluación continua como a la parte B del examen final. Ambas consisten en el análisis de una serie de tiempo a través de las técnicas estadísticas y del software explicados en clase. Para aprobar la materia será necesario superar esa parte B, que tendrá un peso del 20%. El peso de la evaluación continua también será del 20%. Para los alumnos matriculados a tiempo parcial que no hayan realizado la evaluación continua, el peso del examen B pasará a ser del 40%.	40

Observaciones evaluación
La evaluación de la materia se realizará a través de: 1. Evaluación continua. Se programarán una o dos pruebas de evaluación, que se realizarán durante las clases. Consistirán en el análisis deuna serie de tiempo a través de las técnicas estadísticas y del software explicados hasta la semana anterior a la realización de cada prueba. 2. Examen final. Constará de dos partes y se realizará en la fecha establecida por la Comisión Académica del máster: a. Examen escrito A: prueba tipo test de conocimientos teórico-prácticos. b. Examen escrito B: análisis de una serie de tiempo con ayuda del software empleado en el desarrollo del curso. Para aprobar lamateria será necesario superar al menos los exámenes escritos A y B. En tal caso, la calificación final se obtendrá promediando las calificaciones alcanzadas en dichos exámenes, A y B, y en la evaluación continua, siendo los pesos: 60% (examen A), 20% (examen B) y 20% (evaluación continua). Para los alumnos matriculados a tiempo parcial que no hayan realizado la evaluación continua, el peso del examen B pasará a ser del 40%. La calificación obtenida en la evaluación continua se conservará para la segunda oportunidad (extraordinaria), si fuese el caso. El material que sepermitirá utilizar en la realización de cada prueba/examen (apuntes, scripts, bibliografía,…)dependerá del grado de asistencia a clase del alumno.

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) Shumway, R.H. y Stoffer, D.S. (2017). Time Series Analysis and Its Applications. With R Examples.. Springer (4ª edición)