Primera oportunidad: Si se denotan a través de P y F las notas (sobre 10) obtenidas en las "Prácticas a través de TIC" y en la "Prueba mixta", respectivamente, la nota final será:

(a) 0.4*P+0.6*F, siempre y cuando tanto P como F sean mayores o iguales que 3.

(b) 4.5*(0.4*P+0.6*F)/7.2, siempre y cuando P y/o F sean menores que 3.

Como consecuencia de lo anterior, se tiene que para superar la asignatura será necesario obtener un mínimo de 3 puntos tanto en "Prácticas a través de TIC" como en la "Prueba mixta".

Se avisará de la fecha en que se realizará cada prueba práctica con una antelación mínima de 7 días. Los trabajos prácticos tendrán un plazo de entrega de al menos 7 días.

Segunda oportunidad: La puntuación obtenida en "Prácticas a través de TIC" en la primera oportunidad se mantendrá para esta segunda oportunidad si es superior o igual a 5. Si es menor que 5, el alumno tendrá la opción de volver a hacer la(s) prueba(s)/trabajo(s) correspondiente(s) a la(s) parte(s) de prácticas no superada(s); si no hace uso de dicha opción, se le mantendrá la nota de la primera oportunidad. Todos los alumnos deben realizar la "Prueba mixta". La nota final se obtendrá de la misma forma que en la primera oportunidad.

Resultados de aprendizaje	Competencias del título
Conocer y comprender conceptos generales relativos a procesos estocásticos.	A17 A19	B4 B8
Identificar y analizar modelos estadísticos susceptibles de haber generado a un conjunto de datos dependientes.	A17 A19	B2 B4 B9 B10	C4
Conocer y aplicar técnicas de estimación de los parámetros presentes en los modelos estadísticos con datos dependientes.	A17 A19	B2 B4 B9 B10	C4
Entender la importancia de llevar a cabo una diagnosis de un modelo construido con datos que presenten dependencia temporal y/o espacial.	A17 A19	B4	C4
Conocer y aplicar los fundamentos de la predicción en series de tiempo.	A17 A19	B2 B4 B7 B9 B10	C4
Ser capaz de interpretar los modelos propuestos y los resultados obtenidos al utilizar técnicas estadísticas para datos dependientes.		B3 B4 B7 B9 B10	C4
Saber manejar con soltura programas informáticos avanzados de análisis estadístico.	A20		C1

Tema	Subtema
1. Análisis descriptivo de una serie de tiempo	1.1 Introducción 1.2 Descomposición de una serie de tiempo
2. Series de tiempo y procesos estocásticos	2.1 Introducción 2.2 Procesos estocásticos: concepto y definiciones asociadas
3. Metodología Box-Jenkins	3.1 Introducción 3.2 Modelización ARIMA y predicción
4. Tópicos adicionales	Introducción a análisis de intervención, valores atípicos, regresión con series de tiempo, y cluster y clasificación con series de tiempo
5. Estadística Espacial	5.1 Tipos de procesos espaciales 5.2 Análisis exploratorio de datos espaciales 5.3 Modelado de procesos geoestadísticos 5.4 Predicción Kriging 5.5 Introducción a la Estadística espacio-temporal

Metodologías / pruebas	Competéncias	Horas presenciales	Horas no presenciales / trabajo autónomo	Horas totales
Sesión magistral	A17 A19 B3 B4 B8 B9 C4	21	42	63
Prácticas a través de TIC	A20 B2 B4 B7 B9 B10 C1 C4	14	42	56
Seminario	B7 B8 C4	7	14	21
Prueba mixta	A17 A19 B2 B3 B8 B9 C4	2	0	2

Atención personalizada		8	0	8

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

Metodologías	Descripción
Sesión magistral	El profesor, con la ayuda de los medios audiovisuales pertinentes, expondrá los contenidos teórico-prácticos de la asignatura. El material empleado estará a disposición de los estudiantes.
Prácticas a través de TIC	Se trata de poner en práctica la metodología estadística aprendida en las sesiones magistrales. Se hará uso del software R (gratuito). Se le harán llegar al estudiante distintos conjuntos de datos reales para ser analizados a lo largo de las sesiones de prácticas. A su vez, se le recomendará que obtenga otros datos por su cuenta para que refuerce su destreza en el análisis de datos con dependencia, esta vez en las horas dedicadas al trabajo autónomo.
Seminario	Su objetivo es apuntalar, a través de la realización de ejercicios teórico-prácticos, la comprensión de los contenidos expuestos en las sesiones magistrales. En algunas ocasiones, podrían dedicarse a completar las prácticas a través de TIC. Se le harán llegar al estudiante distintos ejercicios para que trate de resolverlos (algunos de ellos a lo largo del propio seminario y otros en las horas dedicadas al trabajo autónomo).
Prueba mixta	Prueba tipo test a través de la cual se evaluará el grado de aprendizaje alcanzado por el estudiante.

Metodologías	Competéncias	Descripción	Calificación
Prueba mixta	A17 A19 B2 B3 B8 B9 C4	Consistirá en una prueba tipo test de conocimientos teórico-prácticos, que será realizada en la fecha oficial aprobada por la Junta de Facultad.	60
Prácticas a través de TIC	A20 B2 B4 B7 B9 B10 C1 C4	Parte del grado de aprendizaje alcanzado en las prácticas a través de TIC se evaluará de manera continua. Para ello, se realizarán una o dos pruebas a lo largo del curso (en el horario establecido para dichas prácticas) y/o uno o dos trabajos (individuales o en grupo). Su resolución requerirá del uso del software R y también del conocimiento de la metodología estadística explicada en las sesiones magistrales.	40

Observaciones evaluación
Primera oportunidad: Si se denotan a través de P y F las notas (sobre 10) obtenidas en las "Prácticas a través de TIC" y en la "Prueba mixta", respectivamente, la nota final será: (a) 0.4P+0.6F, siempre y cuando tanto P como F sean mayores o iguales que 3. (b) 4.5(0.4P+0.6F)/7.2, siempre y cuando P y/o F sean menores que 3. Como consecuencia de lo anterior, se tiene que para superar la asignatura será necesario obtener un mínimo de 3 puntos* tanto en "Prácticas a través de TIC" como en la "Prueba mixta". Se avisará de la fecha en que se realizará cada prueba práctica con una antelación mínima de 7 días. Los trabajos prácticos tendrán un plazo de entrega de al menos 7 días. Segunda oportunidad: La puntuación obtenida en "Prácticas a través de TIC" en la primera oportunidad se mantendrá para esta segunda oportunidad si es superior o igual a 5. Si es menor que 5, el alumno tendrá la opción de volver a hacer la(s) prueba(s)/trabajo(s) correspondiente(s) a la(s) parte(s) de prácticas no superada(s); si no hace uso de dicha opción, se le mantendrá la nota de la primera oportunidad. Todos los alumnos deben realizar la "Prueba mixta". La nota final se obtendrá de la misma forma que en la primera oportunidad.

Básica	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 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)

Complementária	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)

Otros comentarios