Ubicación Física: 519.287 / P438
Técnicas avanzadas de predicción / | |
Autor: | Pérez López, César. |
Pié de imprenta: | Madrid : Garceta Grupo Editorial, 2016. |
Descripción: | 662 páginas , ilustraciones, gráficas ; 17 x 24 cm. |
ISBN: | 9788416228577. |
Tema(s): | |
Nota de Bibliografía: | Incluye bibliografía. |
Resumen: | El objetivo de este libro es presentar las técnicas avanzadas de predicción en su faceta práctica. Cada capítulo comienza con una breve exposición de los conceptos teóricos a utilizar en los ejemplos y ejercicios que ilustran las diferentes técnicas de modelización. Se utilizarán los paquetes de software más adecuados como R, SAS, SPSS y STATGAPHICS.El contenido de este libro se dirige a docentes, investigadores y estudiantes universitarios de todos los niveles que utilizan, imparten o cursan las materias de Econometría o modelización en general. También es muy útil para los profesionales de la Economía, Estadística, Ciencias Sociales, Ciencias Experimentales, Ingenierías y otras ramas científicas en las que se aplican las técnicas predictivas. El libro comienza tratando la estimación, diagnosis y predicción en el modelo de regresión múltiple, analizando profundamente las problemáticas de la heteroscedasticidad, multicolinealidad, autocorrelación, ausencia de normalidad, no linealidad y problemas de exogeneidad y regresores estocásticos. Para cada problemática se estudian tanto los métodos de detección como los métodos de corrección. Posteriormente, se abordan en profundidad el modelo lineal general y los modelos lineales generalizados.A continuación se tratan los modelos dinámicos, así como el análisis univariante y multivariante de series temporales incluyendo los modelos ARIMA, los modelos del análisis de la intervención y los modelos de la función de transferencia a través de la metodología de Box Jenkins. Este contenido se amplía a través de los modelos multiecuacionales de ecuaciones simultáneas y los modelos VAR, VARMA, VARX, BVAR y otras tipologías de modelos multivariantes de series temporales.La última parte del libro desarrolla los modelos no lineales uniecuacionales y multiecuacionales, los árboles de decisión y los modelos de redes neuronales. |
Lista(s) en las que aparece este ítem: Adquisiciones Ccias. Económicas y Adm. 2017-
Tipo de ítem | Biblioteca actual | Colección | Signatura topográfica | Copia número | Estado | Fecha de vencimiento | Código de barras | |
---|---|---|---|---|---|---|---|---|
Libro - General | Biblioteca Sede 4 Sede4 | Colección General | 519.287 / P438 (Navegar estantería(Abre debajo)) | Ej. 1 | Disponible | 59179 |
Incluye bibliografía
Economía
El objetivo de este libro es presentar las técnicas avanzadas de predicción en su faceta práctica. Cada capítulo comienza con una breve exposición de los conceptos teóricos a utilizar en los ejemplos y ejercicios que ilustran las diferentes técnicas de modelización. Se utilizarán los paquetes de software más adecuados como R, SAS, SPSS y STATGAPHICS.
El contenido de este libro se dirige a docentes, investigadores y estudiantes universitarios de todos los niveles que utilizan, imparten o cursan las materias de Econometría o modelización en general. También es muy útil para los profesionales de la Economía, Estadística, Ciencias Sociales, Ciencias Experimentales, Ingenierías y otras ramas científicas en las que se aplican las técnicas predictivas. El libro comienza tratando la estimación, diagnosis y predicción en el modelo de regresión múltiple, analizando profundamente las problemáticas de la heteroscedasticidad, multicolinealidad, autocorrelación, ausencia de normalidad, no linealidad y problemas de exogeneidad y regresores estocásticos. Para cada problemática se estudian tanto los métodos de detección como los métodos de corrección. Posteriormente, se abordan en profundidad el modelo lineal general y los modelos lineales generalizados.
A continuación se tratan los modelos dinámicos, así como el análisis univariante y multivariante de series temporales incluyendo los modelos ARIMA, los modelos del análisis de la intervención y los modelos de la función de transferencia a través de la metodología de Box Jenkins. Este contenido se amplía a través de los modelos multiecuacionales de ecuaciones simultáneas y los modelos VAR, VARMA, VARX, BVAR y otras tipologías de modelos multivariantes de series temporales.
La última parte del libro desarrolla los modelos no lineales uniecuacionales y multiecuacionales, los árboles de decisión y los modelos de redes neuronales.
No hay comentarios en este titulo.