Series Temporales Aplicadas a Datos Ambientales. II Edición

Tweet

Los objetivos principales de estos métodos son la predicción e interpretación de la evolución de fenómenos que se observan en intervalos regulares de tiempo. Mediante un enfoque práctico se pretende que a lo largo del curso los asistentes aprendan las principales técnicas para llevar a cabo un correcto análisis descriptivo de una serie temporal, trabajen  con distintos métodos para el filtrado y extracción de tendencias y ciclos estacionales, y sean capaces de aplicar la metodología Box-Jenkins para la modelización ARIMA de series temporales. También se estudiaran soluciones para uno de los problemas más habituales en series temporales, la presencia de datos atípicos y faltantes. Los conocimientos adquiridos con el manejo de estas herramientas de análisis pueden ser aplicados a multitud de problemas ambientales que impliquen datos climáticos, de dinámica de poblaciones, socio-económicos, epidemiológicos, etc.

Los objetivos principales de estos métodos son la predicción e interpretación de la evolución de fenómenos que se observan en intervalos regulares de tiempo. Mediante un enfoque práctico se pretende que a lo largo del curso los asistentes aprendan las principales técnicas para llevar a cabo un correcto análisis descriptivo de una serie temporal, trabajen  con distintos métodos para el filtrado y extracción de tendencias y ciclos estacionales, y sean capaces de aplicar la metodología Box-Jenkins para la modelización ARIMA de series temporales. También se estudiaran soluciones para uno de los problemas más habituales en series temporales, la presencia de datos atípicos y faltantes. Los conocimientos adquiridos con el manejo de estas herramientas de análisis pueden ser aplicados a multitud de problemas ambientales que impliquen datos climáticos, de dinámica de poblaciones, socio-económicos, epidemiológicos, etc.

Dirigido a estudiantes de postgrado, profesores, investigadores y profesionales relacionados con el mundo de la gestión, interesados en aprender métodos de análisis de series temporales, con un enfoque práctico centrado en la interpretación de datos ambientales. Se requieren conocimientos básicos de estadística y un conocimiento previo del entorno de trabajo R.

1. Introducción a las series temporales: tipos de series y representación gráfica con R.
2. Modelos de extracción de señales: análisis de la tendencia y la estacionalidad.
3. Modelos AR, MA y ARMA para series estacionarias.
4. Modelos ARIMA y metodología Box-Jenkins.
5. Tratamiento de datos atípicos y faltantes.