Universidad Pública de Navarra



Año Académico: 2023/2024 | Otros años:  2022/2023  |  2021/2022  |  2020/2021 
Graduado o Graduada en Ciencia de Datos por la Universidad Pública de Navarra
Código: 505310 Asignatura: MODELOS ESTADÍSTICOS AVANZADOS
Créditos: 6 Tipo: Obligatoria Curso: 3 Periodo: 2º S
Departamento: Estadística, Informática y Matemáticas
Profesorado:
GOICOA MANGADO, TOMÁS (Resp)   [Tutorías ]

Partes de este texto:

 

Módulo/Materia

  • Materia de nivel 1: Aprendizaje
  • Materia de nivel 2: Aprendizaje

Subir

Descripción/Contenidos

Series Temporales. Procesos Estocástico.

Subir

Competencias genéricas

  • CG4 - Saber utilizar los procesos teóricos y aplicados que permiten extraer información a partir de conjuntos de datos de naturaleza homogénea u heterogénea, en particular cuando se trata de grandes volúmenes de datos.
  • CG5 - Identificar las soluciones más adecuadas y efectivas para los problemas que se planteen el marco de la Ciencia de Datos, teniendo en cuenta tanto las características propias del problema como el entorno del mismo.
  • CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio
  • CB4 - Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado
  • CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

Subir

Competencias específicas

  • CE15 - Ser capaces de pensar críticamente sobre los datos, identificando los modos de almacenamiento, pre-procesamiento y análisis más adecuados para los objetivos del estudio.
  • CE16 - Manejar los métodos de aprendizaje tanto estadísticos como automáticos aplicados a conjuntos de datos.

Subir

Resultados aprendizaje

  • RA5. Modelizar la evolución de fenómenos aleatorios.
  • RA6. Conocer los diferentes métodos para analizar series temporales

Subir

Metodología

Metodología-Actividad 

Horas presenciales 

Horas no presenciales 

A1-Clases expositivas/ participativas: clases en aula cuyos objetivos principales son la transmisión, comprensión y síntesis de conocimientos con la participación activa del profesorado y los estudiantes. Se incluyen clases magistrales y de resolución de problemas y discusión de cuestione 

28 

 

A2-Prácticas: sesiones en los laboratorios de prácticas o aulas de informática para la realización de trabajos o simulaciones informáticas, de forma individual  

28 

 

A3-Realización de trabajos/proyectos en grupo: buscar y procesar información sobre un tema propuesto por el profesor o los estudiantes en grupos reducidos de manera que se genere un informe o memoria conforme a un formato adecuado en el ámbito científico-técnico cuyos resultados también se presentan mediante una exposición oral por los estudiantes. Diseñar, planificar y ejecutar un proyecto. 

 

10 

A4-Estudio y trabajo autónomo del estudiante: trabajo autónomo en el que el estudiante reflexiona sobre los contenidos de la materia y los asimila de forma racional para ser capaz de comunicarlos y aplicarlos en el ámbito propio de la materia. 

 

78 

A5-Tutorías: reunión de forma individual o grupal de los estudiantes con el profesor para aclarar y resolver dudas sobre cualquiera de las diferentes actividades formativas 

 

2 

A6-Pruebas de evaluación: participación en las pruebas de evaluación: exámenes escritos, presentaciones orales, examen de prácticas de laboratorio, etc. 

4 

 
Total

 

60

90

Subir

Idiomas

Castellano.

Subir

Evaluación

 

Resultados de
aprendizaje		 Actividad de
evaluación		 Peso (%) Carácter
recuperable		 Nota mínima
requerida
RA5, RA6  Prueba escrita 70  Sí, mediante examen de recuperación 5
RA5, RA6  Trabajos e informes (hay que entregar los trabajos en la fecha requerida) 20 No  
RA5, RA6  Participación Activa  10 No  

 

Subir

Temario

  • Introducción a los procesos estocásticos y las series temporales
  • Manejo de series temporales con R (librería fpp3 y otras anejas)
  • Decomposición de series
  • Herramientas para la predicción
  • Suavizado exponencial
  • Modelos ARIMA (Box-Jenkins)
  • Modelos de regresión de series temporales
  • Regresión dinámica

Subir

Bibliografía

Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.


La bibliografía básica de la asignatura es:

  • Hyndman, R.J. and Athanasopoulus, G. (2021). Forecasting: principles and practice. 3rd edition. Otexts.

La bibliografía auxiliar de la asignatura es:

  • Hyndman, R.J., Koehler, A.B. , Ord, J.K., Snyder, R.D. (2008) Forecasting with Exponential Smoothing. Springer.
  • Peña, D. (2005). Análisis de Series Temporales. Alianza Editorial.
  • Shumway, R.H., Stoffer, D.F. (2010) Time Series Analysis and Its Applications: With R Examples. Springer.

Subir

Lugar de impartición

Universidad Pública de Navarra, Campus Arrosadía.

Subir