Competencias y objetivos

 

Contexto de la asignatura para el curso 2019-20

Esta asignatura se ubica en el módulo Avanzado y dentro de él en la materia "Matemáticas Aplicadas a las Ciencias Sociales". Dicha materia incluye además las asignaturas: "Teoría de Juegos", “ Decisiones Colectivas” y “Economia de la Información y de la Incertidumbre”. La asignatura pretende enseñar al alumno a construir modelos de series temporales para explicar la evolución histórica de una variable  a lo largo del tiempo y predecir sus valores futuros. En concreto, trataremos  los problemas de identificación, estimación, selección, validación y predicción  de modelos autorregresivos (AR), media móvil (MA), autorregresivos de media móvil (ARMA), y de modelos autorregresivos integrados de media móvil (ARIMA).  La exposición de la teoría se completará con clases de prácticas de problemas y con clase de prácticas con ordenador. En estas últimas, el alumno aprenderá el manejo del software R para la aplicación de los métodos estudiados  en teoría a series reales.  Los conocimientos previos requeridos para cursar con éxito la asignatura son los fundamentos de probabilidad e inferencia que se adquieren en las asignaturas de “Introducción a la Estadística”, “Probabilidad”,  e “Inferencia Estadística”. Es aconsejable, aunque no imprescindible, un buen conocimiento de los métodos de regresión lineal (que se imparten en la asignatura de “Análisis de Datos I”). 

 

 

Resultados de aprendizaje / Competencias de la asignatura (verificadas por ANECA en grados y másteres oficiales) para el curso 2019-20

Competencias específicas (CE)

  • CE10 : Comunicar, tanto por escrito como de forma oral, conocimientos, procedimientos, resultados e ideas matemáticas.
  • CE11 : Ser capaz de resolver problemas de ámbito académico, técnico, financiero o social mediante métodos matemáticos.
  • CE12 : Saber trabajar en equipo, aportando modelos matemáticos adaptados a las necesidades colectivas.
  • CE15 : Reconocer y analizar nuevos problemas y plantear estrategias para solucionarlos.
  • CE5 : Proponer, analizar, validar e interpretar modelos de situaciones reales sencillas, utilizando las herramientas matemáticas más adecuadas a los fines que se persigan.
  • CE6 : Resolver problemas de Matemáticas, mediante habilidades de cálculo básico y otras técnicas, planificando su resolución en función de las herramientas de que se disponga y de las restricciones de tiempo y recursos.
  • CE7 : Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para experimentar en Matemáticas y resolver problemas.
  • CE9 : Utilizar herramientas de búsqueda de recursos bibliográficos en Matemáticas.

 

Competencias Genéricas Específicas de la UA

  • CGUA1 : Comprensión de la lengua extranjera inglés, en lo relativo al ámbito científico.
  • CGUA2 : Poseer conocimientos de informática relativos al ámbito de estudio.
  • CGUA3 : Adquirir o poseer las habilidades básicas en TIC (Tecnologías de la Información y Comunicación) y gestionar adecuadamente la información obtenida.

 

Competencias Genéricas de Grado

  • CG1 : Desarrollar la capacidad de análisis, síntesis y razonamiento crítico.
  • CG2 : Demostrar capacidad de gestión/dirección eficaz y eficiente: espíritu emprendedor, iniciativa, creatividad, organización, planificación, control, toma de decisiones y negociación.
  • CG3 : Resolver problemas de forma efectiva.
  • CG4 : Demostrar capacidad de trabajo en equipo.
  • CG5 : Comprometerse con la ética, los valores de igualdad y la responsabilidad social como ciudadano y como profesional.
  • CG6 : Aprender de forma autónoma.
  • CG7 : Demostrar capacidad de adaptarse a nuevas situaciones.
  • CG9 : Demostrar habilidad para transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.

 

 

 

Resultados de aprendizaje (Objetivos formativos)

  • Ser capaz de elaborar, estimar, y validar, con la ayuda del software estadístico,  una variedad de modelos de series temporales (AR, MA, ARMA, ARIMA).
  • Ser capaz de explotar las potencialidades de los modelos estudiados para describir sintéticamente el conjunto de datos de interés, formalizar hipótesis de investigación, realizar predicciones, y simular el funcionamiento de sistemas dinámicos.
  • Ser capaz de resumir los resultados más relevantes y las limitaciones del estudio realizado  elaborando, cuando sea preciso, previsiones y escenarios. 

 

 

Objetivos específicos indicados por el profesorado para el curso 2019-20

  • Ser capaz de elaborar, estimar, y validar, con la ayuda del software estadístico,  una variedad de modelos de series temporales (AR, MA, ARMA, ARIMA).
  • Ser capaz de explotar las potencialidades de los modelos estudiados para describir sintéticamente el conjunto de datos de interés, formalizar hipótesis de investigación, realizar predicciones, y simular el funcionamiento de sistemas dinámicos.
  • Ser capaz de resumir los resultados más relevantes y las limitaciones del estudio realizado  elaborando, cuando sea preciso, previsiones y escenarios. 

 

 

Datos generales

Código: 25070
Profesor/a responsable:
Trottini, Mario
Crdts. ECTS: 6,00
Créditos teóricos: 1,12
Créditos prácticos: 1,28
Carga no presencial: 3,60

Departamentos con docencia

  • Dep.: Matemáticas
    Área: Estadística e Investigación Operativa
    Créditos teóricos: 1,12
    Créditos prácticos: 1,28
    Este dep. es responsable de la asignatura.
    Este dep. es responsable del acta.

Estudios en los que se imparte