ENAE INTERNATIONAL BUSINESS SCHOOL
CENTRO ADSCRITO A LA UNIVERSIDAD DE MURCIA Y A LA UNIVERSIDAD POLITÉCNICA DE CARTAGENA
ENAE International Business School - Cursos y master en Murcia
Curso en

SERIES TEMPORALES

Modalidad
Online
Precio
463 €
Inicio
Fin
31/01/2024

Comprende qué son y para qué sirven las series temporales y prevé el comportamiento futuro en diversas cuestiones. Con este curso aprenderás a identificar patrones, tendencias y ciclos en los datos, y a utilizar técnicas de pronóstico.

 

Las variables y series temporales pueden ser de naturaleza económica, financiera u otros tipos, y la técnica de series temporales se aplica en una amplia gama de disciplinas. Durante el curso, exploraremos casos de estudio reales en diversas áreas para mostrar cómo las series temporales pueden ser utilizadas para tomar decisiones informadas y resolver problemas complejos en el mundo real.

 

Ya sea que estés interesado en comprender la evolución de los mercados financieros, prever la demanda de productos, o entender los patrones climáticos, este curso te proporcionará las herramientas y habilidades necesarias para analizar y pronosticar series temporales de manera efectiva.

463 €
Online
0 horas

Descubre los módulos y conceptos clave

Cada uno de los módulos de este curso ha sido elaborado rigurosamente atendiendo a las necesidades actuales y futuras tanto de los profesionales como de las empresas.

¡Explora todas las materias que conforman este curso!

MÓDULOS DEL CURSO

CARACTERÍSTICAS DE UNA SERIE TEMPORAL

  • Periodicidad.
  • Tendencia.
  • Volatilidad-varianza.
  • Ciclo estacional.
  • Descomposición de una serie temporal.
  • Ejemplos y ejercicios en R.

DEFINICIÓN DE SERIES ESTACIONARIAS

  • Eliminación de la tendencia.
  • Transformación para la homocedasticidad.
  • Eliminación para el ciclo estacional.
  • Ejemplos y ejercicios en R.

ANÁLISIS ESTADÍSTICO DE LA SERIE

  • Función de autocorrelación simple (FAS).
  • Función de autocorrelación parcial (FAP).
  • Series estacionarias en la FAS y la FAP.
  • Ejemplos y ejercicios en R.
     

MODELOS ARMA Y ARIMA

  • Procesos autorregresivos.
  • Procesos de media móvil.
  • Procesos ARMA (p, q)
  • Series no estacionarias. Procesos ARIMA (p, d, q).
  • Ejemplos y ejercicios en R.

MODELOS ESTACIONALES

  • Ejemplos y ejercicios en R.

DIAGNÓSIS Y METODOLOGÍA BOX JENKINS

PREDICCIONES

  • Ejemplos y ejercicios en R.

REGRESIÓN CON ARIMA

  • Ejemplos y ejercicios en R.

Conoce a nuestros profesores

Abrimos la educación a una experiencia global y la adaptamos al futuro profesional que viene. Fórmate en un espacio interactivo y colaborativo, en contacto directo con profesores y alumnos.

Descripción

En este curso, vas a comprender de manera profunda el análisis de series temporales utilizando las herramientas estadísticas más potentes proporcionadas por R-Project/R-Studio. Aprenderás a dominar los principales paquetes estadísticos de R para manipular, visualizar y analizar datos de series temporales de manera eficiente y efectiva.

 

La formación te permitirá conocer las características fundamentales de una serie temporal, desde la identificación de patrones y tendencias hasta la detección de estacionalidad y ciclos. A través de ejemplos prácticos y casos de estudio, adquirirás una comprensión profunda de cómo interpretar y analizar diferentes tipos de series temporales.

 

Asimismo, dominarás los modelos ARMA (Autoregressive Moving Average), ARIMA (Autoregressive Integrated Moving Average) y modelos estacionales. Aprendiendo a ajustar estos modelos a tus datos de series temporales y a evaluar su idoneidad para la predicción de valores futuros.

 

Además, al finalizar estarás capacitado para hacer predicciones precisas y confiables una vez que hayas ajustado los modelos adecuados a tus datos; sabiendo evaluar la precisión de tus predicciones y a utilizarlas para tomar decisiones informadas en una variedad de contextos comerciales y académicos.

Objetivos

  • Usar los principales paquetes estadísticos que proporciona R-Project/R-Studio en Series Temporales.
  • Conocer las características de una serie temporal.
  • Utilizar los modelos ARMA, ARIMA y modelos estacionales.
  • Hacer predicciones una vez ajustado los modelos.

Metodología

ENAE desarrolla una metodología activa y participativa, "Learning by doing", que alterna las exposiciones de conceptos, técnicas y métodos de análisis, con el desarrollo de casos prácticos que reflejan situaciones empresariales reales.

 

Con el fomento del trabajo en equipo se pretende conseguir la integración de todos los miembros y resolver de una forma más eficaz los casos planteados, mediante el intercambio de distintos puntos de vista, opiniones y experiencias. Se aprenderá de los formadores pero también de las experiencias profesionales de los compañeros.


 

Si prefieres puedes contactar con nuestra asesora Arancha Fernández.
Puedes hacerlo a través del +34 968 899 899
Más demandados > Descubre otros cursos que te podrían interesar.
Imputación de costes a productos y servicios
IMPUTACION DE COSTES PRODUCTOS Y SERVICIOS
En el panorama empresarial actual, es crucial identificar los factores del coste para la estimación de los costes de producción. Por ello, este programa tiene como objetivo principal que el alumno...
Analítica Digital para Controlar las Acciones en Internet
ANALITICA DIGITAL PARA CONTROLAR LAS ACCIONES EN INTERNET
Aprende a utilizar de forma profesional las herramientas de analítica web, aprendiendo a identificar y utilizar aquellas que ofrecen los mejores insights sobre el comportamiento de los usuarios en...
Estrategias de Dirección Comercial y Ventas
ESTRATEGIAS DE DIRECCIÓN COMERCIAL Y VENTAS
Descubre las últimas tendencias en ventas y marketing, junto con la importancia de la innovación comercial y la gestión de equipos de venta. A través de este curso podrás prepararte para ejecutar una...
Fundamentos de Data Science y Big Data
FUNDAMENTOS DATA SCIENCE Y BIG DATA
El dato se ha convertido en uno de los activos más valiosos para las empresas en la actualidad. Ciertamente, la extracción de conocimiento a partir de los datos es una tarea muy valorada y demanda...