Auto-reproducción
Autocompletar
Clase Previa
Completar y continuar
Análisis de Series de Tiempo en R
Introducción
Materiales del curso
1.1 Descomposición de Series de Tiempo (8:58)
1.2 Primera Práctica en R (12:37)
1.3 Procesos Estacionarios (16:28)
1.4 Segunda Práctica en R (12:25)
1.5 Funciones de Autocorrelación (9:59)
1.6 Correlogramas en R - Parte 1 (14:31)
1.7 Correlogramas en R - Parte 2 (10:57)
Modelos según la Metodología Box Jenkins
2.1 Modelo Autoregresivo (13:01)
2.2 Modelo Media Móvil (12:09)
2.3 Modelos ARMA y ARIMA (14:27)
Quiz
2.4 Pruebas de Estacionariedad 1 (14:31)
2.5 Pruebas de Estacionariedad 2 (13:46)
2.6 Modelo de Predicción 1 (11:51)
2.7 Evaluar el Contraste de Autocorrelación (13:24)
2.8 Graficar la Proyección de un Modelo (6:51)
2.9 Ejercicio en R - Probar la Estacionariedad (6:56)
2.10 Ejercicio en R - Evaluar y Proyectar el Modelo (12:03)
2.11 Modelo ARIMA Automático en R (7:38)
2.12 Teoría Modelo Estacional ARIMA (SARIMA) (6:10)
2.13 Evaluar Gráficamente la Estacionalidad (SARIMA) (9:11)
2.14 Evaluar el Modelo con Estacionalidad - SARIMA (7:15)
2.15 Predecir tomando en cuenta la Estacionalidad - SARIMA (7:08)
2.16 Modelos de Aislamiento Exponencial Enfoque Clásico - Teoría (6:01)
2.17 Modelos de Aislamiento Exponencial Enfoque Clásico - Práctica (Parte 1) (9:18)
2.18 Modelos de Aislamiento Exponencial Enfoque Clásico - Práctica (Parte 2) (7:22)
2.19 Volatilidad (4:15)
2.20 Modelo ARCH (5:36)
2.21 Ejercicio ARCH en R - Parte 1 (13:30)
2.22 Ejercicio ARCH en R - Parte 2 (11:45)
2.23 Ejercicio ARCH en R - Parte 3 (11:53)
2.24 Modelo GARCH (11:18)
2.25 Ejercicio GARCH en R - Parte 1 (14:37)
2.26 Ejercicio GARCH en R - Parte 2 (15:00)
2.27 Ejercicio GARCH en R - Parte 3 (13:35)
Múltiples Análisis
3.1 Múltiples Series (13:32)
3.2 Múltiples Modelos (14:19)
3.3 Enfoque de Suavizamiento (11:42)
3.4 Modelo de Predicción ETS (15:05)
3.5 Múltiples Predicciones - Parte 1 (12:07)
3.6 Múltiples Predicciones - Parte 2 (6:44)
Visualización
4.1 Gráficos Dinámicos 1 (12:08)
4.2 Gráficos Dinámicos 2 (14:09)
4.3 Gráficos Dinámicos 3 (5:39)
4.4 Gráficos Dinámicos 4 (13:37)
Fin del curso
Intro (Actualizado 2025)
0.0 Bienvenida al curso (6:40)
Módulo 1 (Actualizado 2025)
1.1 Intro Modulo 1 (8:54)
1.2 Propiedades de las series de Tiempo (12:22)
1.3 Carga y Visualizacion de Series de Tiempo (20:11)
1.4 Estadísticas y Exportación de Series de Tiempo (27:52)
Módulo 2 (Actualizado 2025)
2.1 Intro Modulo 2 (8:33)
2.2 Carga de Datos (3:46)
2.3 Visualización de Datos y Estándar de Fechas (8:49)
2.4 Imputación de Datos (22:23)
2.5 Manejo de Outliers (12:29)
2.6 Transformaciones de series de tiempo (13:53)
2.7 Resampling de Series (11:01)
2.8 Smoothing (9:49)
Módulo 3 (Actualizado 2025)
3.1 Intro Modulo 3 (16:14)
3.2 Visualización de Datos (7:48)
3.3 Descomposición de Series (10:01)
3.4 Autocorrelación y Autocorrelación Parcial (5:19)
3.5 Complementos de Estudio de Series (4:33)
Módulo 4 (Actualizado 2025)
4.1 Intro Modulo 4 (8:47)
4.2 ARIMA y SARIMA (11:07)
4.3 ARIMAX y SARIMAX (7:20)
4.4 Comparación y animacion de Modelos (5:05)
Módulo 5 (Actualizado 2025)
5.1 Intro a Modulo 5 (10:24)
5.2 Modelo GARCH para volatilidad (7:46)
5.3 Modelo LGBMR para Comportamiento (10:07)
5.4 Modelo Prophet para Modelado por Componente (5:14)
Módulo 6 (Actualizado 2025)
6.1 Intro a Modulo 6 (9:45)
6.2 Metricas y Rolling Origin en Validación Cruzada (14:44)
6.3 Rolling Origin y Backtesting (14:25)
6.4 Animaciones en R (7:17)
Módulo 7 (Actualizado 2025)
7.1 Intro Proyecto Final (2:55)
7.2 Creación de Proyecto Shiny (4:37)
7.3 Creación de la App (10:26)
7.4 Mejorando Funciones de la App (11:43)
7.5 Forecasting en nuestra App (15:08)
Cierre del curso (Actualizado 2025)
8.1 Cierre del curso (1:37)
6.3 Rolling Origin y Backtesting
Contenidos de Clase bloqueados
Si ya está inscrito,
necesitarás loguearte
.
Suscribirse en el Curso para Desbloquear