Series de Tiempo con SPSS
Precio: 130 Dólares
El curso sobre series temporales cubre desde la introducción básica y preparación de datos hasta técnicas avanzadas como modelos ARIMA y suavizado exponencial. Aprenderás a crear, analizar y pronosticar series temporales, utilizando herramientas como funciones de autocorrelación y validación de modelos para asegurar la precisión de los pronósticos a través del método «APRENDER HACIENDO».

Módulo 1 : Introducción a las Series Temporales
Detalle del Módulo:
- Consideraciones previas de las series temporales.
- Descripción e identificación gráfica de los factores o componentes de una serie.
- Formato de fecha.
Módulo 2 : Creación y Preparación de Series
Detalle del Módulo:
- Creación de series temporales.
- Identificación y tratamiento de valores perdidos y atípicos.
- Transformación de datos.
Módulo 3 : Descomposición y Índices Estacionales
Detalle del Módulo:
- Descomposición de una serie.
- Identificación de tendencia, estacionalidad y ciclos.
- Cálculo de índices estacionales.
Módulo 4 : Modelos de Suavizado Exponencial
Detalle del Módulo:
- Modelos personalizados de suavizado exponencial.
- Exponencial simple, Brown, Holt, Winter.
- Conceptos y aplicaciones.
Módulo 5 : Metodología ARIMA
Detalle del Módulo:
- Modelos autoregresivos y de promedios móviles (ARIMA).
- Conceptos básicos.
- Ejemplos y aplicación del estadístico Ljung-Box.
Módulo 6 : Funciones de Autocorrelación
Detalle del Módulo:
- Funciones de autocorrelación (ACF) y autocorrelación parcial (PACF).
- Identificación del orden de los modelos ARIMA.
Módulo 7 : Pronósticos y Modelos ARIMA
Detalle del Módulo:
- Técnicas de pronóstico.
- Identificación de modelos ARIMA.
- Tratamiento de valores atípicos con el modelizador experto.
Módulo 8 : Validación de Modelos
Detalle del Módulo:
- Validación de supuestos de los residuales.
- Análisis de la volatilidad.
- Pruebas de media igual a cero, normalidad, aleatoriedad y autocorrelación.
Módulo 9 : Modelos Causales y Aplicaciones
Detalle del Módulo:
- Creación de modelos causales.
- Aplicaciones prácticas.
Módulo 10 : Selección del Mejor Modelo
Detalle del Módulo:
- Criterios de selección del mejor modelo.
- Medidas de ajuste como R cuadrado estacionaria y errores absolutos.
Leon Dario Bello Parias
Instructor