Series temporales
Descripción y contextualización de la asignatura
En el contexto del Máster Universitario en Modelización e Investigación Matemática, Estadística y Computación, esta asignatura proporciona una introducción al análisis estadístico de series temporales, incluyendo una introducción a la teoría de procesos estocásticos y abundante trabajo práctico. El objetivo de la asignatura es que el estudiante conozca las bases teóricas y pueda aplicar las técnicas básicas de series temporales, tanto dentro del marco de modelos ARMA, como de modelos espacio-estado. La asignatura está relacionada con otras asignaturas de modelización incluidas en el máster, como Minería de datos y Modelización estadística.
Competencias de la asignatura
Competencias específicas de la asignatura:
9947-Adquiere una familiaridad básica con algunos de los modelos más usuales en el análisis de series temporales.
9948-Es capaz de enfrentar decisiones de modelización fundamentadas.
9949-Desarrolla competencias computacionales, que le permiten llevar a cabo de forma autónoma una variada gama de análisis.
9950-Toma contacto con bibliografía que le permita, si lo desea, una profundización en las técnicas estudiadas y un mayor grado de desarrollo formal.
Competencias básicas y generales: CB6, CB7, CB8, CB10, CG1857
Competencias transversales: CT1861, CT1863, CT1854, CT1872
Competencias específicas de la titulación: CE1865, CE1860, CE1841, CE1859
Resultados de aprendizaje de la asignatura
Contenidos teórico prácticos
Series Temporales y procesos estocásticos (I)
Series Temporales y procesos estocásticos (II)
Modelos ARMA y ARIMA
Modelos en espacio de estado (I)
Modelos en espacio de estado (II)
Análisis espectral (opcional, si hay tiempo disponible)
Metodología:
Las sesiones presenciales se componen de exposiciones, resolución de ejercicios, análisis de casos, y prácticas con R.
Sistemas de evaluación:
Herramientas y porcentajes de calificación
Se valorará la asistencia y la respuesta a las actividades y ejercicios propuestos en clase entre 20-40% de la nota final. Se propondrán unos trabajos prácticos que se valorarán entre un 60-80% de la nota final.
Convocatoria ordinaria: orientaciones y renuncia
La convocatoria ordinaria tiene lugar finalizado el cuatrimestre. La evaluación requiere la redacción de sendos trabajos prácticos sobre los dos bloques de temas que componen la asignatura; los enunciados se proponen a los alumnos que disponen de un plazo de al menos dos o tres semanas (en los ejercicios relacionados con la primera parte de la asignatura, más), para trabajar sobre ellos. Se valorarán en un 50% de la nota final los temas sobre los modelos ARMA y en un 50% los temas sobre modelos espacio-estado.
En el caso de que algún alumno no haya podido asistir con regularidad a las clases, puede requerirse la realización una prueba presencial, que normalmente requerirá elaborar aspectos o aportar aclaraciones sobre el trabajo práctico presentado.
La no presentación del referido trabajo o el hacerlo fuera de plazo supone la renuncia a la convocatoria.
Convocatoria extraordinaria: orientaciones
La convocatoria extraordinaria se desarrolla en el mes de junio y tiene la misma estructura que la ordinaria.
Materiales de uso obligatorio
Apuntes y prácticas de la asignatura “Series Temporales” publicados en la plataforma virtual de apoyo a la docencia eGela (Moodle) (UPV/EHU).
Bibliografía básica
P. J. Brockwell and R. A. Davis. Introduction to Time Series and Forecasting. Springer Verlag, 1996.
https://www.rstudio.com/
D. Peña. Análisis de Series Temporales. Alianza Editorial, 2005.
Giovanni Petris, Sonia Petrone, and Patrizia Campagnoli. Dynamic Linear Models with R. Springer Verlag, 2009.
Paul S.P. Cowpertwait and Andrew V. Metcalfe. Introductory Time Series with R. Springer, 2009.
Bibliografía de profundización
P. J. Brockwell and R. A. Davis. Time Series: Theory and Methods. Springer Verlag, 1991.
J. Durbin and S.J. Koopman. Time Series Analysis by State Space Methods, segunda edición, Oxford Univ. Press, 2012.
R. H. Shumway and D. S. Stoffer. Time Series Analysis and Its Applications With R Examples, tercera edición. Springer Verlag, 2010.
Dan Simon. Optimal State Estimation: Kalman, H Infinity, and Nonlinear Approaches. Wiley-Interscience, 2006.
Revistas
Dado el carácter introductorio de la asignatura, no es preciso el recurso a artículos especializados.
Direcciones de internet de interés
Profesores del curso 2023-2024:
Ana Cebrián Guajardo (acebrian at unizar.es)
Mª Paz Moral (mpaz.moral at ehu.eus) (Coordinador)