<= Atrás     Docencia > Diplomatura > Análisis de Series Temporales Home Mapa Contactar Buscar Ayuda
 
Versión para imprimir

Análisis de Series Temporales
(Curso 2003-2004)

(Ver curso 2004-2005)

Código Sigma: 16598
Carácter: Obligatoria
Curso:
Ciclo:
Cuatrimestre:
Créditos: 6 = 4T+2P (4 horas semanales)

Objetivos: Saber seleccionar y utilizar las técnicas de análisis de series temporales más apropiadas de acuerdo a los objetivos planteados. Conocer las dificultades y limitaciones que se plantean al utilizar distintos procedimientos para el análisis de series temporales. Saber obtener las conclusiones oportunas tras la aplicación de las técnicas estudiadas y comunicarlas adecuadamente.
Evaluación: El alumno deberá aprobar un examen escrito. Además será obligatoria la entrega de ciertas prácticas propuestas a lo largo del curso valoradas en la forma que se indique al comienzo del mismo.
Prerrequisitos: Conviene que el alumno tenga aprobada o al menos tenga conocimientos suficientes de las asignaturas de 2º curso Estadística Matemática y Modelos Lineales.
Descriptor: Métodos de suavizado para predecir series. Función de autocorrelación y función de autocorrelación parcial. Modelos estacionarios. Metodología de Box-Jenkins. Elaboración de modelos y predicción. Modelos integrados. Modelos estacionales. Modelos de intervención.

Programa:

  1. Introducción.
    Definición y ejemplos. Objetivos del análisis de una serie temporal. Predicción. Métodos de predicción. Efecto de la correlación en los estadísticos elementales.
  2. Conceptos básicos y métodos descriptivos.
    Gráfica de la serie respecto al tiempo. Funciones de autocovarianza y autocorrelación. Correlograma. Comportamiento cíclico. Periodograma. Transformación de los datos: suavizado, diferenciación. Filtros.
  3. Métodos de descomposición y suavizado.
    Modelos con tendencia con el tiempo como variable independiente. Suavizado exponencial. Modelos estacionales. Índices estacionales. Ajuste de ondas seno y coseno. Modelo estacional aditivo y multiplicativo de Winter. Otros ajustes estacionales.
  4. Modelos estocásticos de series temporales.
    Procesos estocásticos estacionarios. Función de autocorrelación. Modelos AR. Función de autocorrelación parcial. Modelos MA. Modelos ARMA. Procesos estocásticos no estacionarios. Modelos ARIMA.
  5. Construcción de un modelo de Box-Jenkins. Predicción.
    Identificación del modelo. Estimación de los parámetros. Validación: análisis de residuos. Predicción.
  6. Modelos de Box - Jenkins para series estacionales.
    Modelos estacionales: puros, SARIMA y no multiplicativos. Construcción y predicción. Relación entre las predicciones obtenidas por los métodos de suavizado y los modelos SARIMA.
  7. Introducción al análisis bivariante de series temporales.
    Modelos de intervención. Función de autocorrelación cruzada. Función de transferencia.
Actividades: Las horas correspondientes a las clases prácticas se desarrollarán en el aula de informática.

Bibliografía:

  • Abraham B., Ledolter, J. (1983). "Statistical Methods for Forecasting". Wiley.
  • Aznar, A., Trívez, F.J. (1993). "Métodos de Predicción en Economía II. Análisis de Series Temporales". Ariel Economía.
  • Brockwell, P.J., Davis, R.A. (1996). "Introduction to Time Series and Forecasting". Springer texts in Statistics.
  • eña Sánchez de Rivera, D. (1989). "Estadística. Modelos y Métodos. 2. Modelos Lineales y Series Temporales". Alianza Universidad Textos.
  • Uriel, E., Peiró, A. (2000). "Introducción al Análisis de Series Temporales". Editorial AC.
  Última actualización :30/09/03