Competències i objectius

 

Context de l'assignatura per al curs 2024-25

Series Temporales es una asignatura optativa. El objetivo de la asignatura es proporcionar una introducción a una importante clase de modelos de series temporales univariantes: los  modelos autorregresivos integrados de media móvil (ARIMA). Dentro de esta clase, se tratarán los problemas de identificación, estimación, selección, diagnosis del modelo y el problema de la predicción de valores futuros de la serie. Para la visualizazión y el análisis de series temporales univariantes se utilizará el software libre R. Los conocimientos previos requeridos para cursar con éxito la asignatura son los fundamentos de probabilidad e inferencia que se adquieren en las asignaturas de  “Probabilidad (25026) e “Inferencia Estadística” (25035). Es aconsejable, aunque no imprescindible, un buen conocimiento de los métodos de regresión lineal y del software estadístico R.

 

 

 

 

 

Competències de l'assignatura (verificades per ANECA en graus i màsters oficials) per al curs 2024-25

Competències específiques (CE)

  • CE10 : Comunicar, tant per escrit com de manera oral, coneixements, procediments, resultats i idees matemàtiques.
  • CE11 : Ser capaç de resoldre problemes d'àmbit acadèmic, tècnic, financer o social mitjançant mètodes matemàtics.
  • CE12 : Saber treballar en equip, aportant models matemàtics adaptats a les necessitats col·lectives.
  • CE15 : Reconèixer i analitzar nous problemes i plantejar estratègies per a solucionar-los.
  • CE5 : Proposar, analitzar, validar i interpretar models de situacions reals senzilles, utilitzant les eines matemàtiques més adequades a les finalitats que es persegueixen.
  • CE6 : Resoldre problemes de matemàtiques, mitjançant habilitats de càlcul bàsic i altres tècniques, planificant-ne la resolució a partir de les eines de què es dispose i de les restriccions de temps i recursos.
  • CE7 : Utilitzar aplicacions informàtiques d'anàlisi estadística, càlcul numèric i simbòlic, visualització gràfica, optimització o d'altres per a experimentar en matemàtiques i resoldre problemes.
  • CE9 : Utilitzar eines de cerca de recursos bibliogràfics en matemàtiques.

 

Competències genèriques específiques de la UA

  • CGUA1 : Comprensió de la llengua estrangera anglès en l'àmbit científic.
  • CGUA2 : Tenir coneixements d'informàtica relatius a l'àmbit d'estudi.
  • CGUA3 : Adquirir o tenir les habilitats bàsiques en TIC (tecnologies de la informació i comunicació) i gestionar adequadament la informació obtinguda.

 

Competències genèriques de grau

  • CG1 : Desenvolupar la capacitat d'anàlisi, síntesi i raonament crític.
  • CG2 : Demostrar capacitat de gestió/direcció eficaç i eficient: esperit emprenedor, iniciativa, creativitat, organització, planificació, control, presa de decisions i negociació.
  • CG3 : Resoldre problemes de manera efectiva.
  • CG4 : Demostrar capacitat de treball en equip.
  • CG5 : Comprometre's amb l'ètica, els valors d'igualtat i la responsabilitat social com a ciutadà i com a professional.
  • CG6 : Aprendre de manera autònoma.
  • CG7 : Demostrar capacitat d'adaptar-se a noves situacions.
  • CG9 : Demostrar habilitat per a transmetre informació, idees, problemes i solucions a un públic tant especialitzat com no especialitzat.

 

 

 

Resultats d'aprenentatge (Objectius formatius)

  • Ser capaç d'elaborar, valorar i validar, amb l'ajuda del programari estadístic, una varietat de models de sèries temporals (AR, MA, ARMA, ARIMA).
  • Ser capaç d'explotar les potencialitats dels models estudiats, per a descriure sintèticament el conjunt de dades interessants, formalitzar hipòtesis de recerca, fer prediccions i simular el funcionament de sistemes dinàmics.
  • Ser capaç de resumir els resultats més rellevants i les limitacions de l'estudi realitzat i fer, si cal, previsions i escenaris. 

 

 

Objectius específics indicats pel professorat per al curs 2024-25

  • Ser capaz de construir, estimar y validar modelos ARIMA para series temporales univariantes
  • Ser capaz de utilizar modelos ARIMA para realizar predicciones 
  • Utilizar el software R para la visualización y análisis de series temporales

 

 

 

Dades generals

Codi: 25070
Professor/a responsable:
TROTTINI, MARIO
Crèdits ECTS: 6,00
Crèdits teòrics: 1,12
Crèdits pràctics: 1,28
Càrrega no presencial: 3,60

Departaments amb docència

  • Dep.: MATEMÀTIQUES
    Àrea: ESTADÍSTICA I INVESTIGACIÓ OPERATIVA
    Crèdits teòrics: 1,12
    Crèdits pràctics: 1,28
    Aquest departament és responsable de l'assignatura.
    Aquest dep. és responsable de l'acta.

Estudis en què s'imparteix