DESCRIPCIÓN DEL CURSO
El Curso de modelización estadística mediante series temporales está diseñado para el análisis de predicción en muchos ámbitos. Por ejemplo, puede usarse desde para predecir el comportamiento futuro de series de datos demográficos según su conducta pasada o para predecir ventas mensuales de artículos de un supermercado.
Duración : 12 horas.
OBJETIVOS
El Curso de modelización estadística mediante series temporales tiene como objetivo saber interpretar sucesiones de observaciones ordenadas y llevar a cabo un análisis que permita extraer información representativa.
REQUISITOS
Conocimientos previos de programas para el tratamiento de bases de datos y hojas de cálculo.
TEMARIO DEL CURSO
1 Forecast.
1.1 Objetivos, planificación y forecasting.
1.2 Datos y métodos.
- Forecasting con series temporales.
1.3 Pasos básicos para predecir.
1.4 Perspectiva estadística.
2 Gráficos de Series Temporales.
2.1 Objeto ts.
3 Gráficos de tiempo.
3.1 Patrones de series temporales.
3.2 Autocorrelación.
- Tendencia y estacionalidad en los gráficos ACF.
3.3 Ruido blanco.
4 Herramientas básicas para predecir.
4.1 Algunos métodos básicos.
- Método Average.
- Método Naïve.
- Método Naïve estacional
- Método Drift
- Ejemplo.
4.2 Evaluación de un modelo.
- Ejemplos.
4.3 Diagnóstico de un modelo.
- Ejemplos.
4.4 Diagnóstico de residuos.
- Ejemplo.
4.5 Intervalos de confianza.
5 Regresión de ST.
5.1 Modelo Lineal
5.2 Ajustar un modelo con tendencia, estacionalidad y predictores.
5.3 Manejar predictores.
5.4 Forecasting para regresiones.
6 Descomposición de una Serie Temporal.
6.1 Componentes de una Serie Temporal
6.2 Media móvil
6.3 Métodos de descomposición.
7 Modelos con suavizado Exponencial.
7.1 Tipo de suavizado exponencial
7.2 Forecasting con modelos ETS.
7.2.1 La función ets.
8 Modelos ARIMA.
8.1 Procesos estacionarios y diferenciación.
8.2 Modelos autorregresivos o AR(p)
8.3 Modelos de medias móviles o MA(q)
8.4 Modelos ARIMA no estacionales.
8.5 Cómo identificar tipos de modelos ARIMA automáticamente.
- Gráficos ACF y PACF.
8.6 Pasos para la modelización de ARIMA.
8.7 Modelos ARIMA estacionales o SARIMA.
8.8 Ejemplo European quarterly retail trade.
