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.

Resultados del aprendizaje de la asignatura

Tras cursar la asignatura, el estudiante debe ser capaz de:



- Describir los fundamentos del análisis de series temporales.

- Aplicar los conocimientos adquiridos en la asignatura a casos reales.

- Manejar un software estadístico para el análisis de series temporales.

- Interpretar y transmitir, por escrito u oralmente, los resultados de un estudio de series temporales.

Convocatoria ordinaria: orientaciones y renuncia

Las actividades de evaluación son las siguientes:



1.- Realización presencial de cuestionarios teóricos-prácticos (preguntas cortas, tipo test, …) a lo largo del periodo de docencia de la asignatura. La calificación, denotada CC, será un valor entre 0 y 10 y es necesario obtener un mínimo de 5 para aprobar la asignatura; los contenidos de los cuestionarios corresponderán al 50% a los dos bloques de contenidos de la asignatura. Los estudiantes que no asistan regularmente a las clases tienen la opción de realizar los cuestionarios también de forma presencial pero en una única sesión, en una fecha a determinar, después de la finalización de las clases de la asignatura; las pruebas se podrán realizar en la UZ o en la UPV/EHU.



2.- Presentación de dos trabajos, correspondientes a los dos bloques de la asignatura. En los trabajos se deberán aplicar las técnicas adquiridas a lo largo del curso. La calificación, CT, será un valor entre 0 y 10, correspondiendo el 50% a cada bloque de contenidos de la asignatura. Los estudiantes que lo deseen pueden realizar el trabajo por parejas.



La calificación final de cada estudiante será 0.25*CC+0.75*CT (con la condición CC>5).



La no presentación de los referidos trabajos o el hacerlo fuera de plazo supone la renuncia a la convocatoria.

Convocatoria extraordinaria: orientaciones y renuncia

La convocatoria extraordinaria se desarrolla en el mes de junio y tiene la misma estructura que la ordinaria.

Temario

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)

Bibliografía

Materiales de uso obligatorio

Apuntes y prácticas de la asignatura "Series Temporales" publicados en la plataforma virtual de apoyo a la docencia e-GELA (Moodle) (UPV/EHU)

Bibliografía básica

P. J. Brockwell and R. A. Davis. Introduction to Time Series and Forecasting. Springer Verlag, 1996.



Daniel Peña. Análisis de Series Temporales. Alianza Editorial, 2005.



James Durbin and Siem J. Koopman. Time Series Analysis by State Space Methods, segunda edición, Oxford Univ. Press, 2012.



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.







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.

Enlaces

https://www.rstudio.com/



http://www.statsoft.com/textbook/time-series-analysis/



http://cran.r-project.org/web/views/TimeSeries.html