SERIES DE TIEMPO I - 523435
- Descripción :
Se estudian los procesos y fenomenos que presentan variaciones de tipo sistematicas, mediante modelos construidos en base a observaciones secuenciales, los que tienen como finalidad principal la prediccion.
Esta asignatura contribuye a las siguientes competencias del perfil de egreso del Ingeniero Estadistico:
C1.Analizar datos secuenciales medidos en el tiempo mediante las herramientas estadisticas e informaticas adecuadas.
C5.Modelar estadisticamente problemas, en el contexto de la disciplina de origen.
C6.Interactuar en grupos multidisciplinarios, trabajando en equipo e interiorizandose de materias relativas a otras areas.
- Resultados aprendizaje esperados :
R1.Identifica fenomenos y procesos asociados con modelos de series de tiempo.
R2.Determina las componentes de una serie de tiempo.
R3.Obtiene e interpreta las funciones basicas que caracterizan a una serie de tiempo, tanto en el dominio temporal, como en el de las frecuencias, incluyendo funciones de autocorrelacion y espectrales diversas.
R4.Construye modelos de dominio temporal, basados en la estructura autocorrelativa de los procesos correspondientes.
R5.Realiza predicciones basandose en estimadores de la varianza del error de prediccion.
- Contenidos :
-Introduccion: Conceptos basicos de prediccion. Construccion de modelos para la prediccion. Definiciones basicas de series de tiempo.
-Identificacion y analisis exploratorio: Analisis y representaciones graficas. Identificacion de tendencias y componentes periodicas (estimacion y pronostico).
-Procesos Estacionarios: Ruido blanco. Operador de rezago. Teorema de representacion de Wold. Proceso lineal general. Estimacion de funcion de autocorrelacion y autocorrelacion parcial.
-Modelos ARMA: Modelos Autoregresivos (AR). Modelos de medias moviles (MA), Modelos autorregresivos y de medias moviles (ARMA).
-Analisis Espectral: Densidad espectral. Periodograma. Densidad espectral de un proceso ARMA.
-Modelamiento y Prediccion de procesos: Estimacion, diagnostico y prediccion.
-Modelos no Estacionarios: Modelos ARIMA, estacionales SARIMA y con ambas caracteristicas SARIMA.
-Series de Tiempo Multivariada: Ejemplos y Propiedades. Estimacion. Procesos ARMA Multivariados. Modelamiento y Prediccion con modelos AR multivariados. Cointegracion.
- Metodología :
Clases expositivas, clases en laboratorio de computacion y trabajo autonomo.
- Evaluación :
-Evaluaciones escritas.
-Trabajo de laboratorio.
-Evaluaciones grupales.
- Facultad :CS FISICAS Y MATEMATICAS
- Departamento :ESTADISTICA
- Creditos :4
- Cupos :20
- Campus :CONCEPCION