SERIES TEMPORALES, ANÁLISIS, PREDICCIÓN. EJERCICIOS PRÁCTICOS PDF Download

Author: Juan Carlos García Díaz
Publisher:
ISBN: 9788483636978
Category : Education
Languages : es
Pages : 114

View

Book Description

Author: Felicidad MARQUÉS
Publisher:
ISBN:
Category :
Languages : es
Pages : 198

View

Book Description
Este libro profundiza en la obtención de predicciones mediante métodos deterministas. El libro comienza presentando los conceptos generales sobre series temporales y las herramientas para su estudio descriptivo y gráfico. Se trabaja con las componentes de una serie temporal y con los recursos que permiten estudiar el análisis de la estacionalidad entre los que destacan la teoría espectral. A continuación se obtienen predicciones de series temporales mediante métodos deterministas entre los que se encuentran el suavizado exponencial de Holt, el suavizado de Brown y el suavizado de Holt Winters. Se utilizan adicionalmente métodos de redes neuronales y métodos del espacio de lo estados para obtener predicciones mejoradas. Se tienen en cuenta los métodos automáticos para obtener predicciones. Se presentan gran variedad de ejemplos y ejercicios resueltos con R.

Author: Maria Perez Marques
Publisher: CreateSpace
ISBN: 9781495347825
Category : Business & Economics
Languages : es
Pages : 134

View

Book Description
Dentro de las estructuras de datos más importantes, típicas en el trabajo econométrico aplicado, tenemos los datos de series temporales. Un conjunto de datos de series temporales consiste en observaciones sobre una variable o distintas variables a lo largo del tiempo. Ejemplos típicos de datos de series temporales son el producto interior bruto, la oferta monetaria, los índices de precios al consumo, las tasas anuales de homicidios, las cifras de ingresos y gastos de las empresas o las cifras de venta de automóviles. Dado que los acontecimientos pasados pueden tener influencia sobre acontecimientos futuros, y los efectos retardados en el comportamiento de los individuos son frecuentes en ciencias sociales, el tiempo es un parámetro importante en los conjuntos de series temporales. El libro comienza tratando los conceptos iniciales de series temporales para la predicción, para posteriormente profundizar en la mayoría de las técnicas para la obtención de predicciones, tanto condicionales como incondicionales. Se abordan, tanto los métodos autoproyectivos deterministas (Holt, Brown, Winters, etc.), como los modelos de Box Jenkins a través de la metodología ARIMA. En cuanto al soporte computacional para el desarrollo de modelos de predicción se utiliza el software STATGRAPHICS.En cuanto a la metodología, se presentarán conceptos teóricos concretos y concisos al principio de los temas ilustrándolos con ejemplos que se adecuen convenientemente a la metodología y en índice creciente de dificultad.

Author: César Pérez López
Publisher:
ISBN: 9788419034366
Category :
Languages : es
Pages : 0

View

Book Description
Descripción del editor: "El objetivo de este libro es presentar las técnicas de predicción modernas basadas en el análisis de series temporales.El contenido se dirige a docentes y estudiantes universitarios de todos los niveles que imparten o cursan materias relacionadas con las series temporales o modelos econométricos que tengan relación con las series de tiempo. Asimismo, es útil para los profesionales de la Economía, Ciencias Sociales, Ciencias Experimentales y otras ramas científicas en las que se aplican las técnicas de modelización temporal y la predicción.El libro comienza introduciendo al lector en los conceptos esenciales para el trabajo con series temporales, como el tratamiento de tendencias, variaciones estacionales y variaciones cíclicas y tratando los métodos deterministas de predicción y suavizado (medias móviles, Holt-Winters, etc.). A continuación, se abordan los métodos estocásticos de predicción presentando el análisis univariante de series temporales a través de los modelos ARIMA y la metodología de Box-Jenkins, incluyendo modelos estacionales y generales con sus etapas de identificación, estimación, diagnosis y predicción. Posteriormente se abordan temas más avanzados como el análisis de la intervención y los modelos de la función de transferencia. También se desarrollan métodos de predicción con series temporales a través de redes neuronales y espacio de los estados.Representa un valor añadido fundamental el análisis detallado de las posibilidades del software R para obtener predicciones a través de las series temporales. Se hace hincapié en los métodos de predicción automática que incorpora R en sus últimas versiones.En cuanto a la metodología docente, cada capítulo comienza con una exposición resumida de los conceptos teóricos y posteriormente se enfoca la parte práctica ilustrando cada concepto teórico con ejemplos desarrollados de forma muy detallada. Los capítulos finalizan con la resolución clara y precisa de problemas representativos del tema en estudio." (Garceta).

Author: Juana María Alonso Revenga
Publisher: Ewe Editorial Acad MIA Espa Ola
ISBN: 9783848461905
Category :
Languages : es
Pages : 156

View

Book Description
Una serie temporal es el resultado de observar los valores de una variable a lo largo del tiempo en intervalos regulares (cada dia, cada mes, cada ano, ...). El analisis de las series tiene como objetivo explicar la evolucion pasada de la serie para predecir sus valores futuros. Para ello, es necesario desarrollar metodos y modelos matematicos y ajustarlos a nuestros datos reales. Esta metodologia necesita un apoyo informatico para su aplicacion en problemas reales, en nuestro caso hemos elegido los programas SPSS y SAS. Por esta razon, este libro se ha desarrollado con tres objetivos fundamentales: Primero, exponer de forma sencilla y clara los modelos teoricos necesarios para el Analisis de Series Temporales, tanto desde un punto de vista descriptivo como inferencial. Segundo, ilustrar mediante ejemplos con datos reales, como llevar a la practica los modelos teoricos, utilizando en cada problema el software adecuado para resolverlo. Para ello, todos los datos de los ejemplos y ejercicios estan disponibles en una direccion web. Y tercero, ensenar a elegir en cada caso el modelo mas adecuado para el analisis de la serie e interpretar correctamente los resultados obtenidos."

Author: Maria Perez Marques
Publisher: CreateSpace
ISBN: 9781495342097
Category : Business & Economics
Languages : es
Pages : 206

View

Book Description
Dentro de las estructuras de datos más importantes, típicas en el trabajo econométrico aplicado, tenemos los datos de series temporales. Un conjunto de datos de series temporales consiste en observaciones sobre una variable o distintas variables a lo largo del tiempo. Ejemplos típicos de datos de series temporales son el producto interior bruto, la oferta monetaria, los índices de precios al consumo, las tasas anuales de homicidios, las cifras de ingresos y gastos de las empresas o las cifras de venta de automóviles. Dado que los acontecimientos pasados pueden tener influencia sobre acontecimientos futuros, y los efectos retardados en el comportamiento de los individuos son frecuentes en ciencias sociales, el tiempo es un parámetro importante en los conjuntos de series temporales. El libro comienza tratando los conceptos iniciales de series temporales para la predicción, para posteriormente profundizar en la mayoría de las técnicas para la obtención de predicciones, tanto condicionales como incondicionales. Se abordan, tanto los métodos autoproyectivos deterministas (Holt, Brown, Winters, etc.), como los modelos de Box Jenkins a través de la metodología ARIMA univariante y multivariante para la obtención de predicciones. En cuanto al soporte computacional para el desarrollo de modelos de predicción ,se utiliza el software SPSS.En cuanto a la metodología, se presentarán conceptos teóricos concretos y concisos al principio de los temas ilustrándolos con ejemplos que se adecuen convenientemente a la metodología y en índice creciente de dificultad.

Author: Maria Perez Marques
Publisher: CreateSpace
ISBN: 9781495337512
Category : Business & Economics
Languages : es
Pages : 252

View

Book Description
Dentro de las estructuras de datos más importantes, típicas en el trabajo econométrico aplicado, tenemos los datos de series temporales. Un conjunto de datos de series temporales consiste en observaciones sobre una variable o distintas variables a lo largo del tiempo. Ejemplos típicos de datos de series temporales son el producto interior bruto, la oferta monetaria, los índices de precios al consumo, las tasas anuales de homicidios, las cifras de ingresos y gastos de las empresas o las cifras de venta de automóviles. Dado que los acontecimientos pasados pueden tener influencia sobre acontecimientos futuros, y los efectos retardados en el comportamiento de los individuos son frecuentes en ciencias sociales, el tiempo es un parámetro importante en los conjuntos de series temporales. El libro comienza tratando los conceptos iniciales de series temporales para la predicción, para posteriormente profundizar en la mayoría de las técnicas para la obtención de predicciones, tanto condicionales como incondicionales. Se abordan, tanto los métodos autoprotectivos deterministas (Holt, Brown, Winters, etc.), como los modelos de Box Jemkins a través de la metodolgía ARIMA univariante y multivariante para la obtención de predicciones (modelos VAR y VARMA). En cuanto al soporte computacional para el desarrollo de modelos de predicción, se utiliza el software SAS.En cuanto a la metodología, se presentarán conceptos teóricos concretos y concisos al principio de los temas ilustrándolos con ejemplos que se adecuen convenientemente a la metodología y en índice creciente de dificultad.

Author: Daniel Peña
Publisher:
ISBN: 9788420669458
Category : Social Science
Languages : es
Pages : 0

View

Book Description
Este libro comienza con los análisis descriptivos más simples de series temporales, presenta los métodos actuales para construir modelos dinámicos y obtener predicciones y discute los problemas que constituyen las fronteras de la investigación actual en series temporales. Puede servir de texto para un curso de predicción dirigido a estudiantes de economía y administración de empresas, estadística o ingeniería y también para cursos más avanzados de doctorado en cualquier rama científica. Su enfoque es aplicado, con numerosos ejemplos que ilustran el análisis y predicción de series reales con los paquetes estadísticos más utilizados.

Author: CESAR PEREZ LOPEZ
Publisher: CESAR PEREZ
ISBN:
Category : Mathematics
Languages : es
Pages : 307

View

Book Description
MATLAB cuenta con la herramienta Deep Learning Toolbox que proporciona algoritmos, funciones y aplicaciones para crear, entrenar, visualizar y simular redes neuronales. Puede realizar clasificación, regresión, agrupamiento, reducción de dimensionalidad, pronóstico de series temporales y modelado y control de sistemas dinámicos. Las redes neuronales dinámicas son adecuadas para la predicción de series temporales. Puede utilizar la app Neural Net Time Series para resolver diferentes tipos de problemas de series temporales. Generalmente es mejor comenzar con la GUI y luego usarla para generar automáticamente scripts de línea de comandos. Antes de utilizar cualquiera de los métodos, el primer paso es definir el problema seleccionando un conjunto de datos. Cada GUI tiene acceso a muchos conjuntos de datos de muestra que puede utilizar para experimentar con la caja de herramientas. Si tiene un problema específico que desea resolver, puede cargar sus propios datos en el espacio de trabajo. Con MATLAB es posible resolver tres tipos diferentes de problemas de series temporales. En el primer tipo de problema de series de tiempo, se busca predecir valores futuros de una serie de tiempo y(t) a partir de valores pasados de esa serie de tiempo y valores pasados de una segunda serie de tiempo x(t). Esta forma de predicción se denomina red autorregresiva no lineal con entrada exógena (externa), o NARX. En el segundo tipo de problema de series temporales, sólo hay una serie involucrada. Los valores futuros de una serie temporal y(t) se predicen sólo a partir de valores pasados de esa serie. Esta forma de predicción se llama autorregresiva no lineal o NAR. El tercer problema de series de tiempo es similar al primer tipo, en el sentido de que están involucradas dos series, una serie de entrada (predictores) x(t) y una serie de salida (respuestas) y(t). Este libro desarrolla los métodos de predicción con series temporales a través de redes neuronales con MATLAB.

Author: Montserrat Pepió Viñals
Publisher: Univ. Politèc. de Catalunya
ISBN: 8483016362
Category : Mathematics
Languages : es
Pages : 161

View

Book Description
Este libro ha sido escrito y editado para los estudios de 2o ciclo de Ingeniería de Organización Industrial que se imparten en la Escuela Técnica Superior de Ingeniería Industrial de Terrassa de la Universidad Politécnica de Cataluña. Las series temporales presentan un conjunto de técnicas estadísticas que permiten, no sólo estudiar y modelizar el comportamiento de un fenómeno que evoluciona a lo largo del tiempo, sino también realizar previsiones de los valores que se alcanzarán en el futuro.