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: A puntuación obtida nas "Prácticas a través de TIC" na primera oportunidade manterase para esta segunda oportunidade si é superior ou igual a 5. Si é menor que 5, o alumno terá a opción de volver a facer a(s) proba(s)/traballo(s) correspondente(s) a a(s) parte(s) de prácticas non superada(s); si non fai uso de dita opción, manteráselle a nota da primeira oportunidade. Todos os alumnos deben realizar a "Proba mixta". A nota final obterase da mesma forma que na primera oportunidade.

Resultados de aprendizaxe	Competencias do título
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

Temas	Subtemas
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

Metodoloxías / probas	Competencias	Horas presenciais	Horas non presenciais / traballo autónomo	Horas totais
Sesión maxistral	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
Proba mixta	A17 A19 B2 B3 B8 B9 C4	2	0	2

Atención personalizada		8	0	8

*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías	Descrición
Sesión maxistral	O profesor, coa axuda dos medios audiovisuais pertinentes, expoñerá os contidos teórico-prácticos da materia. O material empregado estará ao dispor dos estudantes.
Prácticas a través de TIC	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.
Seminario	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).
Proba mixta	Proba tipo test a través da cal se avaliará o grao de aprendizaxe alcanzada polo estudante.

Metodoloxías	Competencias	Descrición	Cualificación
Proba mixta	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
Prácticas a través de TIC	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

Observacións avaliación
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: A puntuación obtida nas "Prácticas a través de TIC" na primera oportunidade manterase para esta segunda oportunidade si é superior ou igual a 5. Si é menor que 5, o alumno terá a opción de volver a facer a(s) proba(s)/traballo(s) correspondente(s) a a(s) parte(s) de prácticas non superada(s); si non fai uso de dita opción, manteráselle a nota da primeira oportunidade. Todos os alumnos deben realizar a "Proba mixta". A nota final obterase da mesma forma que na primera oportunidade.

Bibliografía 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)

Bibliografía complementaria	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)

Observacións