Sie sind auf Seite 1von 3

UNIVERSIDAD DE CONCEPCION

FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS


_________________________________SECRETARIA ACADEMICA_______________________________

PROGRAMA ASIGNATURA


I.- IDENTIFICACION
Nombre: Series Cronolgicas
Cdigo: 523425 Crditos: 4 Crditos SCT: 4
Prerrequisitos: 108 crditos
Modalidad: Presencial Calidad: Obligatoria Duracin: Semestral
Semestre en el plan de
estudios:


Trabajo Acadmico: 10
Horas Tericas: 3 Horas Prcticas: 2 Horas Laboratorio: 3
Horas de otras actividades: 2


Docente
Responsable
Guillermo Ferreira.
Alumno
Ayudante
Matas Baeza
Comisin
Evaluacin

Duracin
(semanas)
16 semanas
Fecha: 05/04/2010 Aprobado por: G.F.

II.- DESCRIPCION

Esta asignatura proporciona los elementos para el estudio de procesos y fenmenos
que presentan variaciones de tipo sistemtico, mediante la construccin de modelos
construidos en base a observaciones secuenciales, los que tienen como finalidad
principal la prediccin. Adems la asignatura busca incorporar al alumno en el mbito
de la investigacin, interactuando en grupos multidisciplinarios, trabajando en equipo
con investigadores de distintas disciplinas tales como economa, ciencias sociales etc.

Esta asignatura aporta al desarrollo de las siguientes competencias:
Slidos conocimientos en Series de Tiempo.
Modelacin estadstica de problemas, en el contexto de la disciplina de origen.

III.- RESULTADOS DE APRENDIZAJE ESPERADOS

R1. Identificar fenmenos y procesos asociados con modelos de series de tiempo y
determinar sus componentes.
R2. Obtener e interpretar las funciones bsicas que caracterizan a una serie de
tiempo, tanto en el dominio temporal, como en el de las frecuencias, incluyendo
funciones de auto correlacin y espectrales diversas.
R3. Construir modelos de dominio temporal, basados en la estructura auto correlativa
de los procesos correspondientes.
R4. Realizar predicciones asignando a cada una de ellas su correspondiente valor,
basndose en estimadores de la varianza del error de prediccin.
R5. Estimar y Predecir fenmenos no estacionarios.
R6. Analizar series de Tiempo Multivariadas.
R7. Caracterizar los procesos de Larga-Memoria y modelar la varianza condicional de
los retornos.


IV.- CONTENIDOS


- Introduccin: Conceptos bsicos de prediccin. Construccin de modelos para
la prediccin. Definiciones bsicas de series de tiempo.

- Identificacin y anlisis exploratorio: Anlisis y representaciones graficas.
Identificacin de tendencias y componentes peridicas (estimacin y pronstico).

- Procesos Estacionarios: Ruido blanco. Operador de rezago. Teorema de
Representacin de Wold. Proceso lineal general. Estimacin de funcin de
autocorrelacion y autocorrelacion parcial .


- Modelos ARMA: Modelos Autoregresivos (AR). Modelos de medias mviles
(MA), Modelos de medias moviles autoregresivos ARMA.

- Anlisis Espectral: Densidad espectral. Periodograma. Densidad espectral de
un proceso ARMA


- Modelamiento y Prediccin de procesos: Estimacin, diagnostico y
prediccin.

- Modelos no Estacionarios: Modelos ARIMA, estacinales SARIMA y con
ambas caractersticas SARIMA.

- Series de Tiempo Multivariada: Ejemplos y Propiedades. Estimacin.
Procesos ARMA Multivariados. Modelamiento y Prediccion con modelos AR
multivariados. Cointegracin.

- Tpicos Extras: Introduccin a los procesos de larga Memoria (ARFIMA) y
Modelos condicionalmente heterocedasticos (ARCH y GARCH).


V.- METODOLOGIA
Presentacin del programa de la asignatura, presentacin de los temas,
explicacin, discusin y estudio de los contenidos. Resolucin de preguntas y
ejercicios relativos a los temas tratados.









VI.- EVALUACION

1. Se aplicarn 2 evaluaciones parciales (I1 y I2).
2. Se evaluarn al menos 1 listado de ejercicios (T). La no entrega del/los listados
de ejercicios resueltos en las fechas indicadas conlleva una nota de 1 (uno) en
el listado correspondiente.
La nota del semestre ser un promedio entre las notas de las evaluaciones parciales y
el promedio de notas de los listados de ejercicios. Para aprobar la asignatura, adems,
el alumno deber tener en al menos una da las evaluaciones parciales una nota de 4 o
superior.

Si el alumno tiene en al menos una evaluacin parcial una nota de 4 o ms,
entonces el promedio semestral ser PS1 = 0.35*I1 + 0.45*I2 + 0.2*T.
Si el alumno no tiene en al menos una evaluacin parcial una nota de 4 o ms,
entonces el promedio semestral ser PS2 = 0.45*I1 + 0.55*I2.
Si el promedio semestral es igual o mayor a 4 y el alumno tiene en al menos
una evaluacin parcial una nota de 4 o ms, entonces aprueba la asignatura
con nota final igual a PS1.
Si el alumno no tiene en al menos una evaluacin parcial una nota de 4 o ms,
entonces la nota semestral es igual a PS2, y podr aprobar la asignatura si
obtiene una nota suficiente en el examen de recuperacin.
Si PS1 o PS2, segn sea el caso, es menor a 4, la nota semestral ser dicho
promedio, y podr aprobar la asignatura si obtiene una nota suficiente en el
examen de recuperacin.

Todos los estudiantes tienen derecho a rendir la Evaluacin de Recuperacin (ER). En
caso de tomar esta evaluacin, la nota final se obtiene de la siguiente forma:

Nota Final = 0.6*PS + 0.4*ER

La Evaluacin de Recuperacin contempla toda la materia del semestre.

- Evaluacin 1: 22 de Septiembre
- Evaluacin 2: 21 de Noviembre
- Evaluacin de Recuperacin: 05 de Diciembre




VII.- BIBLIOGRAFIA Y MATERIAL DE APOYO


Brockwell, Meter J., Davis, Richard, Introduction to Time series and Forecasting.
Springer, 1996. (bsica).

Box, George E. P., Jenkins, Gwilym M., Time Series Analysis forecasting and control
Prentice Hall, 1994. (bsica).

Abraham, B., and Ledolter, J. Statistical methods for Forecasting. New York: Wiley
1983 (complementario).