Medidas de disimilitud en series temporales

Autores
Rodríguez Astrain, Laura Antonella
Año de publicación
2017
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión publicada
Colaborador/a o director/a de tesis
Ojeda, Silvia María
Descripción
Tesis (Lic. en Matemática)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2017.
El análisis de series de tiempo surge de la necesidad de estudiar el comportamiento de observaciones ordenadas que se obtienen en perı́odos regulares de tiempo y que, en general, son dependientes entre sı́. El interés por un método que permita identificar el grado de disimilitud entre dos o mas series, surge en muchas áreas del conocimiento o disciplinas tales como biologı́a, criminalı́stica, climatologı́a, entre otras; en donde se suscitan diferentes problemáticas en las que resulta indispensable comparar dichas series. Podemos distinguir al menos dos enfoques centrales para evaluar la proximidad entre series de tiempo; por un lado, un enfoque paramétrico que consiste en la pro- yección de series en un determinado espacio de forma funcional; y por otro lado, un enfoque no paramétrico que consiste en evaluar la proximidad entre series de tiempo en base a los datos propios de las mismas. Hay autores que han desarrollado medi- das de comparación con un enfoque no paramétrico y es el estudio de estas medidas nuestro principal objetivo.
The interest in a method that identifies the degree of dissimilarity between two or more series, arises in many areas of knowledge or disciplines. We can distinguish at least two central approaches to assess the proximity between time series. On the one hand, a parametric approach that consists of the projection of series in a certain space of functional form. On the other hand, a non-parametric approach that consists of evaluating the proximity between time series based on their own data.
Materia
Procesos estocásticos
Procesos estacionarios
Stochastic processes
Stationary processes
Time series, auto-correlation, regression
Applications to biology and medical sciences
Series de tiempo
Comparación
Disimilitud
Indice
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Repositorio
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/5808

id RDUUNC_378f816e35f90e16e43b020fa9d8c6cd
oai_identifier_str oai:rdu.unc.edu.ar:11086/5808
network_acronym_str RDUUNC
repository_id_str 2572
network_name_str Repositorio Digital Universitario (UNC)
spelling Medidas de disimilitud en series temporalesRodríguez Astrain, Laura AntonellaProcesos estocásticosProcesos estacionariosStochastic processesStationary processesTime series, auto-correlation, regressionApplications to biology and medical sciencesSeries de tiempoComparaciónDisimilitudIndiceTesis (Lic. en Matemática)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2017.El análisis de series de tiempo surge de la necesidad de estudiar el comportamiento de observaciones ordenadas que se obtienen en perı́odos regulares de tiempo y que, en general, son dependientes entre sı́. El interés por un método que permita identificar el grado de disimilitud entre dos o mas series, surge en muchas áreas del conocimiento o disciplinas tales como biologı́a, criminalı́stica, climatologı́a, entre otras; en donde se suscitan diferentes problemáticas en las que resulta indispensable comparar dichas series. Podemos distinguir al menos dos enfoques centrales para evaluar la proximidad entre series de tiempo; por un lado, un enfoque paramétrico que consiste en la pro- yección de series en un determinado espacio de forma funcional; y por otro lado, un enfoque no paramétrico que consiste en evaluar la proximidad entre series de tiempo en base a los datos propios de las mismas. Hay autores que han desarrollado medi- das de comparación con un enfoque no paramétrico y es el estudio de estas medidas nuestro principal objetivo.The interest in a method that identifies the degree of dissimilarity between two or more series, arises in many areas of knowledge or disciplines. We can distinguish at least two central approaches to assess the proximity between time series. On the one hand, a parametric approach that consists of the projection of series in a certain space of functional form. On the other hand, a non-parametric approach that consists of evaluating the proximity between time series based on their own data.Ojeda, Silvia María2017-03info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttp://hdl.handle.net/11086/5808spainfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-09-29T13:41:25Zoai:rdu.unc.edu.ar:11086/5808Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-09-29 13:41:25.528Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse
dc.title.none.fl_str_mv Medidas de disimilitud en series temporales
title Medidas de disimilitud en series temporales
spellingShingle Medidas de disimilitud en series temporales
Rodríguez Astrain, Laura Antonella
Procesos estocásticos
Procesos estacionarios
Stochastic processes
Stationary processes
Time series, auto-correlation, regression
Applications to biology and medical sciences
Series de tiempo
Comparación
Disimilitud
Indice
title_short Medidas de disimilitud en series temporales
title_full Medidas de disimilitud en series temporales
title_fullStr Medidas de disimilitud en series temporales
title_full_unstemmed Medidas de disimilitud en series temporales
title_sort Medidas de disimilitud en series temporales
dc.creator.none.fl_str_mv Rodríguez Astrain, Laura Antonella
author Rodríguez Astrain, Laura Antonella
author_facet Rodríguez Astrain, Laura Antonella
author_role author
dc.contributor.none.fl_str_mv Ojeda, Silvia María
dc.subject.none.fl_str_mv Procesos estocásticos
Procesos estacionarios
Stochastic processes
Stationary processes
Time series, auto-correlation, regression
Applications to biology and medical sciences
Series de tiempo
Comparación
Disimilitud
Indice
topic Procesos estocásticos
Procesos estacionarios
Stochastic processes
Stationary processes
Time series, auto-correlation, regression
Applications to biology and medical sciences
Series de tiempo
Comparación
Disimilitud
Indice
dc.description.none.fl_txt_mv Tesis (Lic. en Matemática)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2017.
El análisis de series de tiempo surge de la necesidad de estudiar el comportamiento de observaciones ordenadas que se obtienen en perı́odos regulares de tiempo y que, en general, son dependientes entre sı́. El interés por un método que permita identificar el grado de disimilitud entre dos o mas series, surge en muchas áreas del conocimiento o disciplinas tales como biologı́a, criminalı́stica, climatologı́a, entre otras; en donde se suscitan diferentes problemáticas en las que resulta indispensable comparar dichas series. Podemos distinguir al menos dos enfoques centrales para evaluar la proximidad entre series de tiempo; por un lado, un enfoque paramétrico que consiste en la pro- yección de series en un determinado espacio de forma funcional; y por otro lado, un enfoque no paramétrico que consiste en evaluar la proximidad entre series de tiempo en base a los datos propios de las mismas. Hay autores que han desarrollado medi- das de comparación con un enfoque no paramétrico y es el estudio de estas medidas nuestro principal objetivo.
The interest in a method that identifies the degree of dissimilarity between two or more series, arises in many areas of knowledge or disciplines. We can distinguish at least two central approaches to assess the proximity between time series. On the one hand, a parametric approach that consists of the projection of series in a certain space of functional form. On the other hand, a non-parametric approach that consists of evaluating the proximity between time series based on their own data.
description Tesis (Lic. en Matemática)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2017.
publishDate 2017
dc.date.none.fl_str_mv 2017-03
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11086/5808
url http://hdl.handle.net/11086/5808
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Digital Universitario (UNC)
instname:Universidad Nacional de Córdoba
instacron:UNC
reponame_str Repositorio Digital Universitario (UNC)
collection Repositorio Digital Universitario (UNC)
instname_str Universidad Nacional de Córdoba
instacron_str UNC
institution UNC
repository.name.fl_str_mv Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba
repository.mail.fl_str_mv oca.unc@gmail.com
_version_ 1844618900986134528
score 13.070432