Series Temporales CIMAT 2013 Clase 1 Introduccin El
- Slides: 37
Series Temporales CIMAT, 2013 Clase 1
Introducción El análisis de series de datos registrados consecutivamente en el tiempo presenta contrastes con otros métodos estadísticos ‘clásicos’. • Presencia de un orden (temporal) en los datos • Presencia de correlaciones al muestrear valores cercanos en el tiempo
Introducción Importantes aplicaciones en muy diversas áreas • • Economía Ciencias Sociales Epidemiología Medicina: – Variables (temperatura, presión, estudios tipo ‘Holster’) – Electrocardiogramas – EEG / f. MRI • Física • Manchas solares • Sísmica • Ingeniería • Reconocimiento del lenguaje • Ciencias Ambientales – Contaminación – Lluvias – Oceanografía
Introducción Dos enfoques (no incompatibles) para el análisis de ST Dominio del tiempo Dominio de las frecuencias La correlación entre puntos contiguos en el tiempo se explica por una dependencia del valor presente con los valores pasados de la serie. Las características principales son las variaciones periódicas que aparecen en los datos. Se modelan los valores futuros como una función paramétrica del valor presente y los valores pasados. ARMA / ARIMA (Box & Jenkins) Con frecuencia son producto de causas biológicas, físicas, ambientales, etc. Que resultan de interés. Análisis de la descomposición de la varianza en términos de las distintas frecuencias presentes (espectro).
Ejemplo 1: Manchas Solares
Ejemplo 1: Manchas Solares
Ejemplo 2: Pasajeros de Pan Am
Ejemplo 3: Finanzas
Ejemplo 4: Temperatura
Ejemplo 5: Temperatura
Ejemplo 6: Temperatura
Ejemplo 7: Finanzas
Ejemplo 7: Finanzas
Ejemplo 7: Finanzas 19/19/1987
Ejemplo 7: Finanzas
Ejemplo 8: Sonido
Ejemplo 9: Series Múltiples
Ejemplo 10: Pesca
Ejemplo 11: f. MRI
Ejemplo 12: Geofísica
Ejemplo 13: Lluvias
Ejemplo 13: Lluvias
Ejemplo 14: Olas
Ejemplo 14: Olas
Series Temporales MODELOS ESTADISTICOS
Modelos Estadísticos •
Ejemplo 1: Ruido Blanco •
Ejemplo 2: Promedios Móviles •
Ejemplo 2: Promedios Móviles
Ejemplo 2: Promedios Móviles
Ejemplo 3: Modelos Autoregresivos •
Ejemplo 3: Modelos Autoregresivos
Ejemplo 4: Paseo al Azar con Deriva •
Ejemplo 4: Paseo al Azar con Deriva
Ejemplo 5: Señal + Ruido •
Ejemplo 5: Señal + Ruido
Procesos Aleatorios • El Teorema de Kolmogorov • Separabilidad • Algunas clases de procesos aleatorios – – – – Procesos débilmente estacionarios Procesos fuertemente estacionarios Procesos con incrementos independientes Procesos de Markov Martingalas Procesos Gaussianos
- Cimat zacatecas
- Diseño de series temporales
- Variaciones accidentales
- Introduccin
- Introduccin
- Introduccin
- Introducción de las enzimas
- Introduccin
- Introduccin
- Iso 27023
- Efectivo e inversiones temporales
- Ejemplos de monólogos para niños
- Mimopyramidové dráhy
- Relación exoforica
- Cuáles son los conectores de consecuencia
- Que es adverbio de cantidad
- Elementos espaciales de una onda
- Tipos de albergues
- Conectores ordenativos
- Nervus ophtalmicus
- Efectivos temporales
- Porcion petrosa del temporal
- Albergues temporales
- Contraste preterito perfecto e indefinido
- Heterotermos temporales
- Anacronías narrativas
- Recubrimiento pulpar
- Cuáles son los conectores temporales
- Marcadores temporales del pretérito perfecto
- Nexos temporales
- Taylor series lesson
- Arithmetic sequence sum formula
- Maclaurin series vs taylor series
- Ibm p series vs i series
- Heisenberg 1925 paper
- General
- Taylor series of composite functions
- Series aiding and series opposing