Medidas de disimilitud en series temporales

• Autores: Rodríguez Astrain, Laura Antonella
• Año de publicación: 2017
• Idioma: español castellano
• Tipo de recurso: tesis de grado
• Colaborador/a o director/a de tesis: Ojeda, Silvia María
• 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
• Institución: Universidad Nacional de Córdoba

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.