El objetivo principal de esta línea de investigación es mostrar el desarrollo de métodos de predicción para series temporales de intervalo (ITS) y su aplicación en ejemplos reales para demostrar su efectividad.
Este plan surge de la confluencia de dos disciplinas: el análisis de datos simbólicos (área que se ocupa del análisis estadístico de datos de intervalo, en este caso) y la predicción de series temporales. De acuerdo a esto y para lograr el objetivo general, se proponen los siguientes objetivos particulares:
1. Estudio de métodos de predicción de series temporales simbólicas para datos de intervalo. Proponemos estudiar métodos propuestos en la literatura, siguiendo dos enfoques:
• Predecir la serie mediante métodos de predicción clásicos:
consiste en tratar la serie temporal de intervalos como un par de series temporales clásicas que pueden ser la serie de los mínimos y la de los máximos o, alternativamente, la de los centros y la de los radios.
• Predecir la serie mediante métodos de predicción que consideren el intervalo como tal, todos ellos basados en la aritmética de intervalos (Moore, 1966)
2. Estudio de modelos vectoriales autorregresivos de promedios móviles para series de intervalo.
Recientemente, en la literatura de pronóstico de ITS, se ha propuesto el modelo Vectorial Autorregresivo de Promedios Móviles (IVARMA) para capturar la dinámica de crossdependencia presente en este tipo de series.
3. Aplicación de los métodos de predicción estudiados a series provenientes de diferentes ámbitos.
Se ilustrará la metodología estudiada en series clásicas provenientes de diversas áreas de la actividad humana, sobre todo en contextos econométricos. Para ello se procederá a la agregación temporal, en cada caso, de los datos univariados a fin de lograr el intervalo de valores en instantes específicos de tiempo, se aplicarán los distintos métodos para pronóstico de ITS estudiados y se evaluará su performance con el error definido como la raíz cuadrada del RECEM (error cuadrático medio escalado).