SeriesTemporales_GEM

Series de Tiempo

Taller de nivel avanzado sobre la teoría de series de tiempo.

Información general

• Insitución: GEM (UNI)

• Modalidad: Virtual

• Duración:

  • Primera edición: 2025/01 - 2025/06

• Docentes:

  • Daniel Camarena
  • Francisco Herrera
  • Paolo Camarena
  • Harold Rojas

• Clases:

  A1. Estadística matemática 1. Material. Grabación.
  A2. Estadística matemática 2. Material. Grabación.
  A3. Estadística matemática 3. Material. Anotaciones. Grabación.
  B1. Procesos estocásticos 1. Material. Anotaciones. Grabación.
  B2. Procesos estocásticos 2. Material. Anotaciones. Grabación.
  B3. Procesos estocásticos 3. Material. Anotaciones. Grabación.
  B4. Procesos estocásticos 3. Material. Anotaciones. Grabación.
  

  F1. Análisis en el dominio frecuencia 1. Material. Anotaciones. Grabación.
  F2. Análisis en el dominio frecuencia 2. Material. Anotaciones. Grabación.
  F3. Análisis en el dominio frecuencia 3. Material. Grabación.
  F4. Análisis en el dominio frecuencia 4. Material.
  F5. Análisis en el dominio frecuencia 5. Material.
  F6. Análisis en el dominio frecuencia 5. Material.
  

  T1. Análisis en el dominio tiempo 1. Material. Anotaciones. Grabación.
  T2. Análisis en el dominio tiempo 2. Material. Anotaciones. Grabación.
  T3. Análisis en el dominio tiempo 3. Material. Grabación.
  T4. Análisis en el dominio tiempo 4. Material. Anotaciones. Grabación.
  T5. Análisis en el dominio tiempo 5. Material.
  T6. Análisis en el dominio tiempo 5. Material.
  T7. Análisis en el dominio tiempo 5. Material.
  

• Descripción/Resumen:

  El presente taller persigue introducir a los participantes al mundo de los fundamentos de los análisis de series de tiempo como una continuación/bifurcación de la teoría de procesos estocásticos introducida con las cadenas de Markov. Se cubren los tópicos cruciales como el análisis en el dominio frecuencia y el problema de pronóstico en el tiempo. Se busca así establecer una panorámica de los análisis de series de tiempo, involucrando las técnicas modernas inclusive. El enfoque a seguir será teórico-práctico con énfasis en la buena comprensión y aplicación de la teoría a problemas matemáticos y científicos.

• Referencias

  T1. Shao, J. (2008). Mathematical statistics. Springer Science & Business Media.
  T2. Durrett, R. (2019). Probability: theory and examples (Vol. 49). Cambridge university press.
  T3. Hamilton, J. D. (2020). Time series analysis. Princeton university press.
  T4. Shumway, R. H., Stoffer, D. S., & Stoffer, D. S. (2017). Time series analysis and its applications. New York: springer.
  T5.
  L1. Sargent. Python Programming for Economics and Finance.
  L2. Sargent, T., Stachurski, J. Continuous Time Markov Chains.
  L3.
  L4.
  L5.
  

Contacto

[email protected]