Universidad Pública de Navarra



Año Académico: 2025/2026 | Otros años:  2024/2025  |  2023/2024  |  2022/2023  |  2021/2022 
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

No aplica

Subir

Competencias específicas

No aplica

Subir

Resultados aprendizaje

RA04 - 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 TIPO: Conocimientos o contenidos
RA05 - 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 TIPO: Conocimientos o contenidos
RA27 - Ser capaces de pensar críticamente sobre los datos, identificando los modos de almacenamiento, pre-procesamiento y análisis más adecuados para los objetivos del estudio TIPO: Competencias
RA28 - Manejar los métodos de aprendizaje tanto estadísticos como automáticos aplicados a conjuntos de datos TIPO: Competencias

Subir

Metodología

Metodología-Actividad 

Horas presenciales 

Horas no presenciales 

A1-Clases expositivas/ participativas

28 

 

A2-Prácticas

28 

 

A4-Realización de trabajos/proyectos en grupo 

 

10 

A5-Estudio y trabajo autónomo  

 

78 

A6-Tutorías

 

2 

A7-Pruebas de evaluación

4 

 
Total

 

60

90

Subir

Evaluación

 

Actividad de
evaluación		 Peso (%) Carácter
recuperable		 Nota mínima
requerida
SE1: Pruebas escritas 70  Sí, mediante examen de recuperación 5/10
SE5- Pruebas e informes de trabajo experimental 30 Sí (mediante examen de recuperación) 4/10

Si en alguna de las actividades no se cumpliera el mínimo para ponderar, la nota de la asignatura será como máximo 4,9 sobre 10 (suspenso).

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

Idiomas

Castellano.

Subir

Lugar de impartición

Universidad Pública de Navarra, Campus Arrosadía.

Subir