Asignatura optativa, 6 créditos ECTS
Objetivos: Proporcionar una base teórica y práctica que faculte al alumno(a) para hacer un uso productivo de algunos modelos estadísticos para el tratamiento de series temporales.
Contenidos: El curso introduce rudimentos de teoría de procesos estocásticos (dos módulos), modelos ARMA y ARIMA (un módulo), análisis espectral (un módulo) y modelos en espacio de estado (dos módulos). De entre los últimos tres módulos, se escogen dos, dependiendo de la especialidad de origen e intereses de los asistentes.
Módulo 1. Conceptos de series temporales y procesos estocásticos (I).
Módulo 2. Conceptos de series temporales y procesos estocásticos (II).
Módulo 3. Modelos ARMA y ARIMA.
Módulo 4. Modelos en espacio de estado (I).
Módulo 5. Modelos en espacio de estado (II).
Módulo 6. Análisis espectral Metodología: Alterna presentaciones magistrales con clases prácticas. Evaluación: La evaluación se basa en trabajos aplicados a realizar durante y después del curso. Bibliografía: - P. J. Brockwell and R. A. Davis. Introduction to Time Series and Forecasting. Springer Verlag, 1996.
- P. S.P. Cowpertwait and A. V. Metcalfe. Introductory Time Series with R (Use R). Springer, 2009.
- J. Durbin and S. J. Koopman. Time Series Analysis by State Space Methods. Oxford Univ. Press, New York, 2001.
- D. Peña. Análisis de Series Temporales. Alianza Editorial, 2005.
- G. Petris, S. Petrone, and Patrizia Campagnoli. Dynamic Linear Models with R. Springer Verlag, 2009.
- R. H. Shumway and D. S. Stoffer. Time Series Analysis and Its Applications With R Examples. Springer Verlag, 2006.
- D. Simon. Optimal State Estimation: Kalman, H Infinity, and Nonlinear Approaches. Wiley-Interscience, 2006.
Profesores del curso 2017-2018:Ana Cebrián Guajardo (acebrian at unizar.es)
Fernando Tusell Palmer (fernando.tusell at ehu.es) (Coordinador) |
|
Modificado el ( lunes, 11 de septiembre de 2017 )
|
Powered