Año 2024
Universidad Nacional de Ingeniería
Facultad de Ingeniería Económica, Estadística y Ciencias Sociales
Maestría en Data Science
Ciclo 2
🤝 ¡Las observaciones, las recomendaciones y las contribuciones son bienvenidas!
📞 Para más consultas o colaboraciones, comuníquese a econ.perez.garcia.k@gmail.com.
- Créditos: 2
- Cantidad de horas: 24
- Número de sesiones: 8
- Profesor: Omar Antonio Chincaro del Coral
- Software a usar:
- Lenguaje de programación R por el profesor
- Lengujae de programación Python por el alumno
Nota. Así, en la carpetanotebookde las distintas prácticas dirigidas y calificadas, encontrará código R y código Python que realizan lo mismo o casi lo mismo.
- Sesión 1. Introducción | Componentes de una serie temporal | Suavizado de una serie temporal
- Práctica dirigida 1. Componentes de una serie temporal
- Práctica dirigida 2. Suavizamiento de una serie temporal
- Sesión 2. Series estacionarias | Introducción a las series no estacionarias
- Sesión 3. Repaso de series estacionarias | Series no estacionarias | Series estacionales
- Práctica dirigida. Implementación de la metodología Box-Jenkins
- Sesión 4. Implementación de la metodología Box-Jenkins
- Práctica dirigida. Implementación de la metodología Box-Jenkins
- Sesión 5. Series heterocedásticas
- Práctica dirigida. Implementación de la metodología Box-Jenkins sobre una serie heterocedástica
- Sesión 6. Pronósticos en series heterocedásticas
- Práctica dirigida. Implementación de la metodología Box-Jenkins sobre una serie heterocedástica y pronósticos.
- Sesión 7. Modelo ARIMA
- Práctica dirigida. Desarrollo de un modelo ARIMAX
Nota. No se llevó a cabo la sesión 8.
- Trabajo inicial. Métodos de suavizamiento de una serie temporal
- Trabajo final. Metodología Box-Jenkins sobre la serie temporal de exportaciones del plomo