Modelos de series temporales : análisis de sensibilidad y aplicaciones
- Autores
- Avram, Ivanna Lorena
- Año de publicación
- 2024
- Idioma
- español castellano
- Tipo de recurso
- tesis de maestría
- Estado
- versión publicada
- Colaborador/a o director/a de tesis
- Meis, Melanie
- Descripción
- Una serie temporal es un conjunto de datos ordenados en el tiempo. El estudio y análisis de series temporales es un campo que ha evolucionado a lo largo de los años, con contribuciones importantes de matemáticos, estadísticos y científicos de diversas disciplinas. El interés en la predicción de variables es de suma importancia en áreas como meteorología, ingeniería, ciencias ambientales, salud, economía, marketing y ventas, entre otras, dado que permite comprender patrones climáticos, monitorear procesos industriales, predecir movimientos de precios en los mercados, volumen de ventas, etc. Mayormente, el objetivo de estudiar series temporales radica en encontrar un modelo estadístico-matemático que permita explicar su comportamiento y realizar un pronóstico a tiempo futuro. Surgen así los modelos autorregresivos y de medias móviles, extendiéndose luego a otros modelos más complejos que utilizan como base los ya mencionados. En esta tesis se propone estudiar la sensibilidad de los mismos, a través del comportamiento de las predicciones bajo condiciones correcta e incorrectamente especificadas, teniendo en cuenta diferentes métricas de evaluación. A su vez, se analiza un caso de estudio de la serie de caudal mensual del Río Paraná entre 1977 y 2016, correspondiente a la estación de medición Túnel Subfluvial. Se propone un modelo que posibilita hacer predicciones, evaluando su desempeño de acuerdo a ciertos criterios. De este modo, es posible brindar una valiosa herramienta a los tomadores de decisiones, con el objetivo de disminuir efectos no deseados en relación con los aumentos o disminuciones en el caudal.
A time series is an ordered sequence of observations. The study and analysis of time series is a field that has evolved over the years, with important contributions from mathematicians, statisticians and scientists from various disciplines. Interest in the prediction of variables is of utmost importance in areas such as meteorology, engineering, environmental sciences, health, economics, marketing and sales, among others, since it allows to understand weather patterns, monitor industrial processes, predict price movements in the markets, sales volume, etc. This thesis proposes to analyze the sensitivity of these models through simulations, to study the distribution of parameter estimates of a given model, the ability to correctly select a model, and the calculation of predictions under both correctly and incorrectly specified conditions, using different evaluation metrics. Simultaneously, a case study of the monthly flow series of the Paraná River between 1977 and 2016 is analyzed, corresponding to the measurement station at Túnel Subfluvial. A model is proposed to make predictions, evaluating its performance according to certain criteria. Thus, it is possible to provide a valuable tool to decision-makers with the purpose of minimizing undesired effects related to increases or decreases in water flow.
Fil: Avram, Ivanna Lorena. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. - Materia
-
SERIES TEMPORALES
SENSIBILIDAD
ESTIMACION
PRONOSTICO
STATISTICAL MODELS
TIME SERIES
SENSITIVITY
ESTIMATION
FORECASTING - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-sa/2.5/ar
- Repositorio
- Institución
- Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
- OAI Identificador
- tesis:tesis_n7574_Avram
Ver los metadatos del registro completo
id |
BDUBAFCEN_b0fa8a1c7258df3b280468bdce0be26f |
---|---|
oai_identifier_str |
tesis:tesis_n7574_Avram |
network_acronym_str |
BDUBAFCEN |
repository_id_str |
1896 |
network_name_str |
Biblioteca Digital (UBA-FCEN) |
spelling |
Modelos de series temporales : análisis de sensibilidad y aplicacionesTime series models : sensitivity analisis and applicationsAvram, Ivanna LorenaSERIES TEMPORALESSENSIBILIDADESTIMACIONPRONOSTICOSTATISTICAL MODELSTIME SERIESSENSITIVITYESTIMATIONFORECASTINGUna serie temporal es un conjunto de datos ordenados en el tiempo. El estudio y análisis de series temporales es un campo que ha evolucionado a lo largo de los años, con contribuciones importantes de matemáticos, estadísticos y científicos de diversas disciplinas. El interés en la predicción de variables es de suma importancia en áreas como meteorología, ingeniería, ciencias ambientales, salud, economía, marketing y ventas, entre otras, dado que permite comprender patrones climáticos, monitorear procesos industriales, predecir movimientos de precios en los mercados, volumen de ventas, etc. Mayormente, el objetivo de estudiar series temporales radica en encontrar un modelo estadístico-matemático que permita explicar su comportamiento y realizar un pronóstico a tiempo futuro. Surgen así los modelos autorregresivos y de medias móviles, extendiéndose luego a otros modelos más complejos que utilizan como base los ya mencionados. En esta tesis se propone estudiar la sensibilidad de los mismos, a través del comportamiento de las predicciones bajo condiciones correcta e incorrectamente especificadas, teniendo en cuenta diferentes métricas de evaluación. A su vez, se analiza un caso de estudio de la serie de caudal mensual del Río Paraná entre 1977 y 2016, correspondiente a la estación de medición Túnel Subfluvial. Se propone un modelo que posibilita hacer predicciones, evaluando su desempeño de acuerdo a ciertos criterios. De este modo, es posible brindar una valiosa herramienta a los tomadores de decisiones, con el objetivo de disminuir efectos no deseados en relación con los aumentos o disminuciones en el caudal.A time series is an ordered sequence of observations. The study and analysis of time series is a field that has evolved over the years, with important contributions from mathematicians, statisticians and scientists from various disciplines. Interest in the prediction of variables is of utmost importance in areas such as meteorology, engineering, environmental sciences, health, economics, marketing and sales, among others, since it allows to understand weather patterns, monitor industrial processes, predict price movements in the markets, sales volume, etc. This thesis proposes to analyze the sensitivity of these models through simulations, to study the distribution of parameter estimates of a given model, the ability to correctly select a model, and the calculation of predictions under both correctly and incorrectly specified conditions, using different evaluation metrics. Simultaneously, a case study of the monthly flow series of the Paraná River between 1977 and 2016 is analyzed, corresponding to the measurement station at Túnel Subfluvial. A model is proposed to make predictions, evaluating its performance according to certain criteria. Thus, it is possible to provide a valuable tool to decision-makers with the purpose of minimizing undesired effects related to increases or decreases in water flow.Fil: Avram, Ivanna Lorena. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.Universidad de Buenos Aires. Facultad de Ciencias Exactas y NaturalesMeis, Melanie2024-06-04info:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_bdccinfo:ar-repo/semantics/tesisDeMaestriaapplication/pdfhttps://hdl.handle.net/20.500.12110/tesis_n7574_Avramspainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/arreponame:Biblioteca Digital (UBA-FCEN)instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesinstacron:UBA-FCEN2025-09-29T13:40:51Ztesis:tesis_n7574_AvramInstitucionalhttps://digital.bl.fcen.uba.ar/Universidad públicaNo correspondehttps://digital.bl.fcen.uba.ar/cgi-bin/oaiserver.cgiana@bl.fcen.uba.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:18962025-09-29 13:40:52.619Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesfalse |
dc.title.none.fl_str_mv |
Modelos de series temporales : análisis de sensibilidad y aplicaciones Time series models : sensitivity analisis and applications |
title |
Modelos de series temporales : análisis de sensibilidad y aplicaciones |
spellingShingle |
Modelos de series temporales : análisis de sensibilidad y aplicaciones Avram, Ivanna Lorena SERIES TEMPORALES SENSIBILIDAD ESTIMACION PRONOSTICO STATISTICAL MODELS TIME SERIES SENSITIVITY ESTIMATION FORECASTING |
title_short |
Modelos de series temporales : análisis de sensibilidad y aplicaciones |
title_full |
Modelos de series temporales : análisis de sensibilidad y aplicaciones |
title_fullStr |
Modelos de series temporales : análisis de sensibilidad y aplicaciones |
title_full_unstemmed |
Modelos de series temporales : análisis de sensibilidad y aplicaciones |
title_sort |
Modelos de series temporales : análisis de sensibilidad y aplicaciones |
dc.creator.none.fl_str_mv |
Avram, Ivanna Lorena |
author |
Avram, Ivanna Lorena |
author_facet |
Avram, Ivanna Lorena |
author_role |
author |
dc.contributor.none.fl_str_mv |
Meis, Melanie |
dc.subject.none.fl_str_mv |
SERIES TEMPORALES SENSIBILIDAD ESTIMACION PRONOSTICO STATISTICAL MODELS TIME SERIES SENSITIVITY ESTIMATION FORECASTING |
topic |
SERIES TEMPORALES SENSIBILIDAD ESTIMACION PRONOSTICO STATISTICAL MODELS TIME SERIES SENSITIVITY ESTIMATION FORECASTING |
dc.description.none.fl_txt_mv |
Una serie temporal es un conjunto de datos ordenados en el tiempo. El estudio y análisis de series temporales es un campo que ha evolucionado a lo largo de los años, con contribuciones importantes de matemáticos, estadísticos y científicos de diversas disciplinas. El interés en la predicción de variables es de suma importancia en áreas como meteorología, ingeniería, ciencias ambientales, salud, economía, marketing y ventas, entre otras, dado que permite comprender patrones climáticos, monitorear procesos industriales, predecir movimientos de precios en los mercados, volumen de ventas, etc. Mayormente, el objetivo de estudiar series temporales radica en encontrar un modelo estadístico-matemático que permita explicar su comportamiento y realizar un pronóstico a tiempo futuro. Surgen así los modelos autorregresivos y de medias móviles, extendiéndose luego a otros modelos más complejos que utilizan como base los ya mencionados. En esta tesis se propone estudiar la sensibilidad de los mismos, a través del comportamiento de las predicciones bajo condiciones correcta e incorrectamente especificadas, teniendo en cuenta diferentes métricas de evaluación. A su vez, se analiza un caso de estudio de la serie de caudal mensual del Río Paraná entre 1977 y 2016, correspondiente a la estación de medición Túnel Subfluvial. Se propone un modelo que posibilita hacer predicciones, evaluando su desempeño de acuerdo a ciertos criterios. De este modo, es posible brindar una valiosa herramienta a los tomadores de decisiones, con el objetivo de disminuir efectos no deseados en relación con los aumentos o disminuciones en el caudal. A time series is an ordered sequence of observations. The study and analysis of time series is a field that has evolved over the years, with important contributions from mathematicians, statisticians and scientists from various disciplines. Interest in the prediction of variables is of utmost importance in areas such as meteorology, engineering, environmental sciences, health, economics, marketing and sales, among others, since it allows to understand weather patterns, monitor industrial processes, predict price movements in the markets, sales volume, etc. This thesis proposes to analyze the sensitivity of these models through simulations, to study the distribution of parameter estimates of a given model, the ability to correctly select a model, and the calculation of predictions under both correctly and incorrectly specified conditions, using different evaluation metrics. Simultaneously, a case study of the monthly flow series of the Paraná River between 1977 and 2016 is analyzed, corresponding to the measurement station at Túnel Subfluvial. A model is proposed to make predictions, evaluating its performance according to certain criteria. Thus, it is possible to provide a valuable tool to decision-makers with the purpose of minimizing undesired effects related to increases or decreases in water flow. Fil: Avram, Ivanna Lorena. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. |
description |
Una serie temporal es un conjunto de datos ordenados en el tiempo. El estudio y análisis de series temporales es un campo que ha evolucionado a lo largo de los años, con contribuciones importantes de matemáticos, estadísticos y científicos de diversas disciplinas. El interés en la predicción de variables es de suma importancia en áreas como meteorología, ingeniería, ciencias ambientales, salud, economía, marketing y ventas, entre otras, dado que permite comprender patrones climáticos, monitorear procesos industriales, predecir movimientos de precios en los mercados, volumen de ventas, etc. Mayormente, el objetivo de estudiar series temporales radica en encontrar un modelo estadístico-matemático que permita explicar su comportamiento y realizar un pronóstico a tiempo futuro. Surgen así los modelos autorregresivos y de medias móviles, extendiéndose luego a otros modelos más complejos que utilizan como base los ya mencionados. En esta tesis se propone estudiar la sensibilidad de los mismos, a través del comportamiento de las predicciones bajo condiciones correcta e incorrectamente especificadas, teniendo en cuenta diferentes métricas de evaluación. A su vez, se analiza un caso de estudio de la serie de caudal mensual del Río Paraná entre 1977 y 2016, correspondiente a la estación de medición Túnel Subfluvial. Se propone un modelo que posibilita hacer predicciones, evaluando su desempeño de acuerdo a ciertos criterios. De este modo, es posible brindar una valiosa herramienta a los tomadores de decisiones, con el objetivo de disminuir efectos no deseados en relación con los aumentos o disminuciones en el caudal. |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024-06-04 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/masterThesis info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_bdcc info:ar-repo/semantics/tesisDeMaestria |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
https://hdl.handle.net/20.500.12110/tesis_n7574_Avram |
url |
https://hdl.handle.net/20.500.12110/tesis_n7574_Avram |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/2.5/ar |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
publisher.none.fl_str_mv |
Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital (UBA-FCEN) instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales instacron:UBA-FCEN |
reponame_str |
Biblioteca Digital (UBA-FCEN) |
collection |
Biblioteca Digital (UBA-FCEN) |
instname_str |
Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
instacron_str |
UBA-FCEN |
institution |
UBA-FCEN |
repository.name.fl_str_mv |
Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
repository.mail.fl_str_mv |
ana@bl.fcen.uba.ar |
_version_ |
1844618695569047552 |
score |
13.070432 |