CURSO : SERIES DE TIEMPO I SIGLA : ELM2900 REQUISITOS : ELM2300 CRÉDITOS : 12 MÓDULOS : 3 I. OBJETIVOS 1. Familiarizar al alumno con modelos de series cronologicas y sus aplicaciones. 2. Entregar al alumno la metodologia estadistica para el manejo de modelos de prediccion. II. CONTENIDOS 1. Introduccion. Conceptos basicos de prediccion. Metodos de pronosticos. Modelos de regresion lineal y extensiones. Horizonte de prediccion. Conjunto de Informacion. Principio de parsimonia. 2. Modelamiento de Tendencias . Modelos de tendencia. Estimacion. Pronostico de la tendencia. Seleccion de modelos con criterios de Akaike y Schwartz. Aplicaciones. 3. Modelamiento de la Estacionalidad. Naturaleza y fuentes de estacionalidad. Modelamiento de la estacionalidad. Prediccion de series estacionales. 4. Caracterizacion de Ciclos. Ruido blanco. Operador de rezago. Teorema de Wold. Proceso lineal general. Estimacion de funcion de autocorrelacion y autocorrelacion parcial. 5. Modelos MA, AR y ARMA. Modelos de promedios moviles (MA). Modelos autoregresivos (AR). Modelos de promedios moviles autoregresivos (ARMA). Aplicaciones. 6. Extensiones . Raices unitarias. Tendencias estocasticas. Modelos de prediccion ARMA y suavizamiento. 7. Prediccion con Modelos de Regresion. Prediccion condicional y analisis de escenarios. Rezagos distribuidos. Rezagos polinomiales y rezagos racionales distribuidos. Vectores autoregresivos. 8. Evaluacion y combinacion de pronosticos . Evaluacion de una prediccion. Evaluacion de dos o mas pronosticos. Comparacion de la exactitud del pronostico. Aplicaciones. III. METODOLOGIA Basada especificamente en las siguientes actividades: ? Clases expositivas ? Clases de ejercicios ? Pruebas ? Examen ? Proyectos IV. BIBLIOGRAFIA Box, G. E. P., Jenkins, G.M., y Time series analysis: forecasting and control . Reinsel, G.C. Englewood Cliffs, N. J. : Prentice Hall, 1994. Diebold, F. Elementos de Pronosticos. Mexico, D.F.: International Thomsom Editores, 1999. Fuller, W. A. Introduction to statistical time series. New York : John Wiley,1996. Harvey, A. C. Forecasting, structural time series models and the Kalman filter. Cambridge, Mass: Cambridge University Press,1991.