79190 - TIME SERIES

Anno Accademico 2022/2023

  • Docente: Alessandra Luati
  • Crediti formativi: 6
  • SSD: SECS-S/01
  • Lingua di insegnamento: Inglese
  • Modalità didattica: In presenza e a distanza - Blended Learning
  • Campus: Bologna
  • Corso: Laurea in Scienze statistiche (cod. 8873)

Conoscenze e abilità da conseguire

By the end of the course the student should know the fundamental theory of time series analysis. In particular the student should be able: - to analyse a time series in the time and in the frequency domain - to identify the stochastic process that has generated a time series based on the autocorrelation structure - to estimate and make inference on the parameters of a linear model for a stationary time series - to estimate time series components such as trend and seasonality by means of non parametric and parametric methods - to recognise the most important models for time series data

Contenuti

Verranno trattati i seguenti argomenti. Modelli lineari per l'analisi di serie storiche: processi lineari, autoregressivi, integrati e a media mobile (ARIMA) processi stagionali. Metodi per identificazione, stima e previsioni da modelli ARIMA. Scomposizione di una serie storica nelle sue variabli latenti: metodi di stima. Analisi nel dominio temporale e delle frequenze.

Testi/Bibliografia

Testi/Bibliografia

Brockwell P.J. and Davis R.A. (2002), Introduction to Time Series and Forecasting, Springer

Altri testi consigliati:

Brockwell P.J. and Davis R.A. (1991). Time Series: Theory and Methods. Springer

Metodi didattici

Lezioni frontali, in presenza e/o online, esercitazioni e laboratorio.

Modalità di verifica e valutazione dell'apprendimento

Ogni settimana, durante il corso, agli studenti viene consegnato un homework che consiste in una serie di domande di teoria, esercizi ed una applicazione da svolgere al calcolatore. Gli studenti possono decidere se consegnare settimanalmente i compiti svolti o svolgerli a discrezione. I primi, potranno accedere alla prova orale, che consisterà in una dettagliata discussione degli esercizi svolti, per verificare che siano stati effettivamente svolti e compresi dallo studente. I secondi, dovranno sostenere una prova scritta, che consiste essenzialmente in una sintesi degli homework, ovvero domande di teoria, esercizi e commenti di programmi informatici, e contestualmente discutere tale prova. Il voto finale sarà calcolato in base alla preparazione e alla consapevolezza dello studente.

 


Strumenti a supporto della didattica

Libro di testo, appunti e articoli che si trovano in versione elettronica nel sito web istituzionale del docente e in Virtuale.

Orario di ricevimento

Consulta il sito web di Alessandra Luati

SDGs

Istruzione di qualità Energia pulita e accessibile Lavoro dignitoso e crescita economica Lotta contro il cambiamento climatico

L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.