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
Biblioteca Digital (UBA-FCEN)
Institución
Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
OAI Identificador
tesis:tesis_n7574_Avram

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