|
|
|
|
| LEADER |
00000nam a2200000 a 4500 |
| 003 |
AR-LpUFIB |
| 005 |
20250423183302.0 |
| 008 |
230201s2023 ag a om 000 0 spa d |
| 024 |
8 |
|
|a DIF-M8724
|b 8951
|z DIF007993
|
| 040 |
|
|
|a AR-LpUFIB
|b spa
|c AR-LpUFIB
|
| 100 |
1 |
|
|a Hernández, Alejo
|9 50515
|
| 245 |
1 |
0 |
|a Bases de datos de series temporales y métodos estadísticos para la predicción de rendimientos de ETH
|
| 260 |
|
|
|c 2023
|
| 300 |
|
|
|a 1 archivo (1,7 MB) :
|b il. col.
|
| 502 |
|
|
|a Trabajo Final Integrador (Especialización en Inteligencia de Datos Orientada a Big Data) - Universidad Nacional de La Plata. Facultad de Informática, 2023.
|
| 505 |
0 |
|
|a 1. Introducción -- 2. Series temporales -- 2.1. Definición -- 2.2. Casos de uso -- 2.2.1. Análisis exploratorio -- 2.2.2. Pronóstico futuro -- 2.3. Series temporales como procesos estocásticos -- 2.3.1. Distribución de probabilidad conjunta -- 2.3.2. Distribución de probabilidad marginal -- 2.3.3. Distribución de probabilidad condicional -- 2.3.4. Momentos de una variable aleatoria -- 2.3.5. Covarianza y autocovarianza -- 2.3.6. Correlación y autocorrelación (ACF) -- 2.3.7. Correlación parcial y Autocorrelación parcial (PACF) -- 2.3.8. Estacionariedad -- 2.4. Series temporales financieras -- 2.4.1. Rendimientos -- 2.4.2. Volatilidad -- 3. Modelos para pronóstico futuro de series temporales -- 3.1. Modelos AR(p) -- 3.2. Modelos MA(q) -- 3.3. Modelos ARMA(p, q) -- 3.4. Modelos de volatilidad -- 3.4.1. Estructura general -- 3.4.2. Modelos ARCH(m) -- 3.4.3. Modelos GARCH(m, s) -- 3.5. Determinación del orden de un modelo -- 3.5.1. Determinación basada en ACF y PACF -- 3.5.2. Determinación basada en criterios de información -- 4. Bases de datos para series temporales -- 4.1. Descripción general -- 4.2. Casos de uso -- 4.2.1. Monitoreo de operaciones para DevOps -- 4.2.2. Analítica en tiempo real -- 4.2.3. Monitoreo de sensores de IoT -- 5. Herramientas requeridas para la implementación -- 5.1. InuxDB: Captura, almacenamiento, consulta y visualización -- 5.1.1. Descripción general -- 5.1.2. Modelo de datos -- 5.1.3. Escritura -- 5.1.4. Consulta -- 5.1.5. Visualización -- 5.2. Python: Análisis y pronostico futuro -- 5.2.1. Descripción general -- 5.2.2. Módulos principales -- 6. Proceso de implementación y resultados -- 6.1. Arquitectura del pipeline -- 6.2. Captura, almacenamiento y consulta -- 6.3. Preprocesamiento -- 6.4. Análisis exploratorio -- 6.5. Modelado -- 6.6. Predicción -- 7. Conclusiones -- A. Script para escritura a InuxDB -- B. Script para consulta a InuxDB -- Bibliografía
|
| 650 |
|
4 |
|a BASES DE DATOS
|9 42844
|
| 650 |
|
4 |
|a CRIPTOMONEDAS
|9 50490
|
| 700 |
1 |
|
|a Bariviera, Aurelio F. ,
|e Director/a
|9 49664
|
| 700 |
1 |
|
|a Di Pasquale, Ricardo ,
|e Codirector/a
|9 50516
|
| 856 |
4 |
0 |
|u http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=2619
|
| 942 |
|
|
|c TE
|
| 952 |
|
|
|0 0
|1 0
|4 0
|6 TES_2330
|7 0
|9 84094
|a DIF
|b DIF
|d 2025-03-11
|i DIF-05290
|l 0
|o TES 23/30
|p DIF-05290
|r 2025-03-11 17:05:26
|w 2025-03-11
|y TE
|
| 952 |
|
|
|0 0
|1 0
|4 0
|7 3
|8 BD
|9 84095
|a DIF
|b DIF
|d 2025-03-11
|l 0
|r 2025-03-11 17:05:26
|u http://sedici.unlp.edu.ar/handle/10915/161491
|w 2025-03-11
|y TE
|
| 952 |
|
|
|0 0
|1 0
|4 0
|7 3
|8 BD
|9 84096
|a DIF
|b DIF
|d 2025-03-11
|l 0
|r 2025-03-11 17:05:26
|u http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=2619
|w 2025-03-11
|y TE
|
| 999 |
|
|
|c 57765
|d 57765
|
