Curso de Análisis práctico de series temporales con R
Máxima FormaciónCurso online
490 €
IVA exento
Duración : 6 Semanas
El Curso de Análisis Práctico de Series Temporales con R de Máxima Formación es una formación 100 % online con modalidad “learn by doing” (aprender haciendo), con una duración de 60 horas repartidas en 6 semanas.
En este curso los participantes aprenderán a crear, manipular y visualizar objetos de series temporales en R, así como a identificar los componentes clave de las series (tendencia, estacionalidad, irregularidad) y realizar análisis exploratorio, detección de anomalías (outliers), tratamiento de valores faltantes y limpieza de datos.
También se aborda el uso de herramientas fundamentales como la función de autocorrelación (ACF) y la autocorrelación parcial (PACF), el concepto de estacionariedad, pruebas formales de estacionariedad y transformaciones para estabilizar media y varianza. Se explican modelos clásicos de ruido blanco y caminata aleatoria, así como modelos más avanzados como AR, MA, ARMA, ARIMA y su versión estacional SARIMA.
Una fase clave del curso es el diagnóstico y validación de modelos: análisis de residuos, comparación de modelos mediante criterios como AIC/BIC, predicción de nuevos valores, estimación de intervalos de confianza, validación cruzada y cálculo de medidas de precisión.
El curso se estructura para que los estudiantes puedan seleccionar, diagnosticar y validar modelos de pronóstico avanzados, orientados tanto a investigación como al ámbito empresarial.
Su diseño pedagógico enfatiza la aplicación práctica y el acompañamiento docente, permitiendo al alumno aplicar los conceptos aprendidos desde el primer módulo en ejemplos reales.
cursosypostgrados.com
Por último, al superar el curso el estudiante recibe un diploma acreditativo de Máxima Formación, lo que sirve como reconocimiento formal de las competencias adquiridas.
Emagister S.L. (responsable) tratará tus datos personales con la finalidad de gestionar el envío de solicitudes de información y comunicaciones promocionales de formación con tu consentimiento. Ejerce tus derechos de acceso, supresión, rectificación, limitación, portabilidad y otros, según se indica en nuestra política de privacidad.
Objetivos
identificar los problemas específicos del análisis de series temporales y sepa cómo abordarlos con las herramientas adecuadas. Aprender a crear, manipular y visualizar objetos de series temporales en R, permitiendo explorar y representar gráficamente su comportamiento. Descomponer series en sus componentes (tendencia, estacionalidad, irregularidad) y detectar anomalías y valores faltantes como parte del preprocesamiento. Dominar herramientas estadísticas como la autocorrelación (ACF), autocorrelación parcial (PACF), y técnicas para evaluar la estacionariedad, así como transformaciones para estabilizar series. Aplicar y ajustar modelos de series temporales clásicos: AR, MA, ARMA, ARIMA y sus variantes estacionales (SARIMA) para hacer predicciones. Diagnosticar y validar modelos, analizando residuos, comparar modelos mediante criterios de información (AIC, BIC), validar predicciones y medir su precisión. Predecir nuevos valores usando el modelo seleccionado, con intervalos de confianza y predicción correctamente interpretados. maximaformacion.es Integrar estos modelos de series temporales en proyectos reales de análisis de datos, aplicándolos en ámbitos profesionales e investigativos. Dominar el uso del entorno R / paquetes especializados, para implementar de forma práctica todas las etapas del análisis de series temporales.
A quién va dirigido
Profesionales del análisis de datos, estadística y ciencia de datos que necesiten aplicar técnicas de modelado y predicción a datos temporales en su trabajo. Investigadores y académicos que trabajan con datos secuenciales Estudiantes de posgrado y doctorado que busquen complementar su formación con competencias prácticas en series temporales y pronósticos. Analistas de negocio y consultores interesados en el uso de modelos de series temporales para proyectar tendencias, realizar predicciones y apoyar la toma de decisiones. Personas con interés en el análisis cuantitativo y en la aplicación de técnicas estadísticas que quieran introducirse o profundizar en el uso de R para la modelización de datos temporales.
Requisitos
No existen requisitos previos para realizar este curso. Está diseñado para que cualquier persona interesada en el análisis de datos pueda seguirlo y aplicarlo en proyectos reales. No obstante, para aprovechar mejor la formación se recomienda: * Tener nociones básicas de estadística, especialmente en conceptos como tendencia, variabilidad y correlación. * Contar con una familiaridad inicial con R y RStudio, o disposición para aprender el manejo básico del software durante el curso. * Disponer de un ordenador con conexión a internet para acceder al campus virtual, realizar las prácticas y seguir las actividades propuestas.
Temario completo de este curso
TEMA 1. INTRODUCCIÓN A LAS SERIES TEMPORALES Y A LA DETECCIÓN DE PATRONES
• Identificar problemas de análisis de series temporales y cómo abordarlos.
• Crear, manipular y visualizar objetos de series temporales en R.
• Identificar los componentes de una series de tiempo.
• Realizar un análisis exploratorio de series temporales.
• Detección de anomalías (outliers) y valores ausentes (missing).
• Preprocesar/Limpiar las series temporales.
• EXTRA: Detectar picos y valles de una serie, descomponer una serie, detección de cambios en media y/o varianza, análisis cluster de series, pruebas de hipótesis para la tendencia y estacionalidad.
TEMA 2. HERRAMIENTAS Y MODELOS BÁSICOS DEL ANÁLISIS DE SERIES TEMPORALES
• Calcular la función de autocorrelación (ACF) y la parcial (PACF)
• Comprender el concepto clave de estacionariedad.
• Evaluar la estacionariedad: Pruebas formales e informales
• Estacionarizar la serie en media y varianza. Transformaciones.
• Comprender los modelos básicos de ruido blanco (WN) y caminata aleatoria (RW)
• EXTRA: Pruebas de hipótesis para la estacionariedad, función de autocorrelación cruzada CCF.
TEMA 3. MODELOS ARIMA Y SARIMA DE SERIES TEMPORALES
• Comprender el comportamiento de los modelos clásicos ARIMA
• Cómo identificar modelos AR, MA, ARMA y ARIMA
• Seleccionar el mejor modelo según distintos criterios
• Estimar y evaluar el modelo seleccionado.
• Interpretar los resultados del modelo.
• Cómo incluir la estacionalidad en modelos SARIMA
• EXTRA. Relación entre modelos ARIMA.
TEMA 4. DIAGNÓSTICO Y VALIDACIÓN DEL MODELO
• Diagnosticar los modelos evaluando sus residuos
• Residuos vs Errores de predicción
• Comparar modelos mediante índices de información AIC, AICc, BIC
• Predecir nuevos valores a partir del modelo seleccionado.
• Intervalos de confianza vs intervalos de predicción.
• Cómo medir la precisión de nuestras predicciones
• Conjunto de entrenamiento y prueba
• Validación cruzada
• Desarrollar un protocolo de actuación
• EXTRA. Limitaciones de los modelos ARIMA y alternativas.
1.520 € 380 €
1.920 € 480 €
1.520 € 890 €
980 € 315 €
189 €