CURSO PREDICCIÓN CON SERIES TEMPORALES
El Curso de modelización estadística mediante series temporales está diseñado para el análisis de predicción en muchos ámbitos.
Por ejemplo, puede usarse desde para predecir el comportamiento futuro de series de datos demográficos según su conducta pasada o para predecir ventas mensuales de artículos de un supermercado.
Duración : 12 horas de formación en dos jornadas.
OBJETIVOS DEL CURSO
El Curso de modelización estadística mediante series temporales tiene como objetivo saber interpretar sucesiones de observaciones ordenadas y llevar a cabo un análisis que permita extraer información representativa.
REQUISITOS
Conocimientos previos de programas para el tratamiento de bases de datos y hojas de cálculo.
TEMARIO DEL CURSO
- Objetivos, planificación y forecasting
- Datos y métodos
- Forecasting con series temporales
- Pasos básicos para predecir
- Perspectiva estadística
- Objeto ts
- Patrones de series temporales
- Autocorrelación
- Tendencia y estacionalidad en los gráficos ACF
- Ruido blanco
- Algunos métodos básicos
- Método Average
- Método Naïve
- Método Naïve estacional
- Método Drift
- Ejemplo
- Evaluación de un modelo
- Ejemplos
- Diagnóstico de un modelo
- Ejemplos
- Diagnóstico de residuos
- Ejemplo
- Intervalos de confianza
- Modelo Lineal
- Ajustar un modelo con tendencia, estacionalidad y predictores
- Manejar predictores
- Forecasting para regresiones
- Componentes de una Serie Temporal
- Media móvil
- Métodos de descomposición
- Tipo de suavizado exponencial
- Forecasting con modelos ETS
- La función ETS
- Procesos estacionarios y diferenciación
- Modelos autorregresivos o AR(p)
- Modelos de medias móviles o MA(q)
- Modelos ARIMA no estacionales
- Cómo identificar tipos de modelos ARIMA automáticamente
- Gráficos ACF y PACF
- Pasos para la modelización de ARIMA
- Modelos ARIMA estacionales o SARIMA
- Ejemplo European quarterly retail trade
MÁS INFORMACIÓN
