<= Atrás    Docencia > Diplomatura > Análisis de Series TemporalesHomeMapaContactarBuscarAyuda
 

Análisis de Series Temporales
(Curso 2006-2007)

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. 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. Se valorará el trabajo del alumno a lo largo del curso, utilizando para ello ciertos trabajos y pruebas escritas que se propondrán en clase. La valoración se explicará en clase al comienzo del curso.
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.
Actividades: Las horas correspondientes a las clases prácticas se desarrollarán en el aula de informática.

Bibliografía:

  • Brocklebank, J.C. , Dickey, D.A. (2003). SAS for forecasting Time Series. Wiley Inter-Science.
  • 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. (2002). "Introduction to Time Series and Forecasting". Springer texts in Statistics.
  • Peña Sánchez de Rivera, D. (2005). Análisis de series temporales. Alianza Editorial.
  • Peña, D., Tiao, G. C.,- Tsay, R. S. (2001). "A course in time series analysis". John wiley & Sons.
  • Uriel, E., Peiró, A. (2000). "Introducción al Análisis de Series Temporales". Editorial AC.
  Última actualización :15/11/06