CG 2-AD 1- Elaborar un informe de carácter profesional con los resultados de un análisis de datos.
CG 10-AD 1- Realizar trabajos con otros estudiantes y debatir sobre el análisis de datos adecuado.

CE 7-AD 1- Describir situaciones con evolución aleatoria mediante series temporales.
CE 7-AD 2- Hacer predicciones de situaciones con comportamiento aleatorio utilizando técnicas de predicción.
CE 9-AD1- Elaborar y construir el modelo adecuado al problema real planteado.

60%

40%

100%

2,4

3,6

7

Construcción de modelos de series temporales según la metodología Box-Jenkins. Validación, comparación y explotación de dichos modelos.

Conocimientos básicos de Inferencia, Modelos Lineales y software estadístico.

TEMA 0: repaso de R

• Repaso de conceptos de R base
• Introducción al uso de tidyverse para series temporales

TEMA 1: introducción a las series temporales

• Diferencias entre regresión lineal ordinaria y serie temporal
• Introducción de conceptos básicos: procesos estocásticos, tendencia, ruido, estacionalidad
• Representación de series temporales
• Función de autocorrelación simple y función de autocorrelación parcial. 

TEMA 2: descomposición (sin hipótesis) de series temporales

• Descomposiciónes aditivas
• Descomposiciones multiplicativas
• Periodograma
• Suavizados

TEMA 3: introducción a los modelos SARIMA (bajo hipótesis de estacionariedad)

• Concepto de proceso estacionario
• Modelos autorregresivos (AR)
• Modelos de medias móviles (MA)
• Modelos mixtos (ARMA)
• Modelos integrados (ARIMA)
• Modelos estacionales (SARIMA)

TEMA 4: identificación, estimación y diagnosis

• Metodología Box-Jenkins
• Transformaciones box-cox
• Identificación órdenes
• Estimación
• Diagnosis (análisis residuos, métricas de error)
• Predicción

 TEMA 5: análisis de intervención (atípicos y missing)

• Tipos de intervenciones (escalón, impulso, etc)
• Atípicos y ausentes
• Funciones de transferencia

A lo largo del curso los alumnos tendrán que realizar entregas de manera individual, tanto teóricas como aplicadas (implementando lo aprendido en R). Se podrá plantear una entrega final grupal.

La nota final tendrá en cuenta tanto la evaluación continua como la prueba final. Se calculará como el máximo entre:

a) La calificación de la prueba final.

b) La media ponderada de la evaluación continua y la prueba final, siendo el peso de la evaluación continua de al menos el 35%.


Cualquier alumno/a tendrá derecho a una prueba final pudiendo resultar su calificación la nota final del curso.

En español:
González Velasco, M. y del Puerto García, I.M. (2009) Series Temporales. Colección Manuales UEX.
Peña, D. (2018) Análisis de Series Temporales. Alianza Editorial. Madrid.
Cesar Perez Lopez (2021). Análisis de Series Temporales: ejercicios resueltos con R. Editorial Garceta. Madrid
Pérez, César (2011) Series Temporales. Técnicas y Herramientas. Editorial Garceta.
Uriel E. y Peiró A. (2006) Introducción al Análisis de Series Temporales.
En Inglés:
Bowerman/O Connell. (1997) Forecasting and Time Series an applied approach. Ed. Duxbury.
Box, G.E.P., Jenkins, G.M., and Reinsel, G.C. (1994), Time Series Analysis: Forecasting and Control, Englewood Cliffs, N.J.:Prentice Hall, Inc.
Brocklebank J.C., Dickey D.A., Choi B.S. (2018) SAS for Forecasting Time Series. Third Edition. SAS Institut
Brockwell, P.J. and Davis, R.A. (1996), Introduction to the Time Series and Forecasting, New York: Springer-Velarg.

Chatfield, C (2000), Time-Series Forecasting, Ed: Chapman & Hall/CRC Press.
Fuller, W.A. (1995), Introduction to Statistical Time Series; Ed: John Wiley & Sons, Inc.
Hamilton, J.D. (1994), Time Series Analysis, Princeton, NJ: Princeton University Press.
Harvey, A.C. (1994), Time Series Models, Cambridge, MA:MIT Press.
Makridakis, S.G., Wheelwright, S.C., and Hyndman, R.J. (1997), Forecasting: Methods and Applications, New York: John Wiley & Sons, Inc.