Series de tiempo

La metodología de es una herramienta estadística que pretende estudiar un mismo fenómeno cuantitativo a través del tiempo con la finalidad de poder obtener pronósticos de forma asertiva.

Esta metodología se utiliza ampliamente en los negocios, las ciencias sociales, las ciencias biológicas, y en muchas otras disciplinas.

Economía y Marketing
- Proyecciones del empleo y desempleo.
- Evolución del índice de precios de la leche.
- Beneficios netos mensuales de cierta entidad bancaria.
- Índices del precio del petróleo.

economia

Descomposición de la serie

Análisis de correlación

Demografía
- Número de habitantes por año.
- Tasa de mortalidad infantil por año.

Demografia

Medioambiente
- Evolución horaria de niveles de óxido de azufre y de niveles de óxido de nitrógeno en una ciudad durante una serie de años.
- Lluvia recogida diariamente en una localidad.
- Temperatura media mensual.
- Medición diaria del contenido en residuos tóxicos en un río.

Demografia

Series de Tiempo Univariadas

objetivo: Aprender y aplicar métodos estadísticos para el análisis de los datos que se han observado a lo largo del tiempo.

Los temas:
- Modelado de datos de series temporales univariantes con modelos autorregresivos y de media móvil (denominados modelos ARIMA, a veces llamados modelos Box Jenkins).
- Herramientas para la identificación del modelo, la estimación del modelo y la evaluación de la idoneidad del modelo.
- Usar un modelo para pronosticar y determinar intervalos de predicción para pronósticos.

Series de Tiempo Multivariadas

Introducción a las series de tiempo multivariadas
Modelos SARIMAX
Modelo VAR
Modelo VEC
Datos Tipo Panel
Describir las características importantes del patrón de series de tiempo.
Explicar cómo el pasado afecta el futuro o cómo dos series temporales pueden “interactuar”.
Para pronosticar valores futuros de la serie.
Posiblemente sirva como un estándar de control para una variable que mide la calidad del producto en algunas situaciones de fabricación.

Redes Neuronales

Demografia

## Warning: package 'vars' was built under R version 4.1.3

## Warning: package 'strucchange' was built under R version 4.1.3

## Warning: package 'sandwich' was built under R version 4.1.3

## Warning: package 'urca' was built under R version 4.1.3

## Warning: package 'lmtest' was built under R version 4.1.3

## Warning: package 'dplyr' was built under R version 4.1.3

Algunos trabajos en series de tiempo

Modelo de pronóstico para estimar el comportamiento del precio en bolsa de la energía en Colombia
Análisis mediante series de tiempo de los resultados en matemáticas de las pruebas Saber 11 y niveles socioeconómicos NSE usando k-medias” https://drive.google.com/file/d/1AypW3a9_sP9SQ9WuINUExzKbBdDeAKgr/view?usp=sharing
DESARROLLO DE UNA HERRAMIENTA DE PREDICCIÓN DE RENTAS O INGRESOS.CASO DE ESTUDIO EMPRESA DE SERVICIOS https://drive.google.com/file/d/1Q9jC4fUEBGxvPWAZmBIPAmi4WHB2lemk/view?usp=sharing

PROPUESTA DE MODELO ARIMA PARA LA SERIE TEMPORAL DE LOS CASOS DE COVID 19 EN COLOMBIA APLICANDO LA METODOLOGÍA BOX AND JENKINS
MODELO DE PRONÓSTICO PARA ESTIMAR EL COMPORTAMIENTO DEL PRECIO EN BOLSA DE LA ENERGÍA EN COLOMBIA. https://drive.google.com/file/d/1apj4Xv5zDhS6X-uIQHTki6my3nUXf__l/view?usp=sharing
MODELO DE IMPACTO DE LAS PRECIPITACIONES MEDIAS MENSUALES EN EL CAUDAL MÍNIMO MENSUAL DE LAS CUENCAS DEL RÍO CAUCA https://repository.libertadores.edu.co/bitstream/handle/11371/3552/Jimenez_Carlos_2020.pdf?sequence=2&isAllowed=y
Análisis del crecimiento económico y la educación a nivel departamental en Colombia, mediante el modelo de datos panel.
USO DEL MODELO VAR DE SERIES DE TIEMPO PARA PRONOSTICAR EL INCREMENTO EN EL COSTO DE LOS PRECIOS DE LOS MATERIALES EN LA CONSTRUCCION DE INFRAESTRUCTURA EN COLOMBIA
Efectos de la tasa de cambio en la compra de software importado en América Latina