Pasar al contenido principal

Resultados relacionados

Resultados totales (Incluyendo duplicados): 5
Encontrada(s) 1 página(s)

RUC. Repositorio da Universidade da Coruña
Publicación Tesis doctoral (DoctoralThesis)

High dimensional single-index mixture cure models

  • Piñeiro Lamas, Beatriz
[Abstract] In survival analysis, there are situations in which not all subjects are susceptible to the final event. For example, if the event is a cancer therapy-related adverse effect, there will be a fraction of patients (considered as cured) that will never experience it. Mixture cure models allow to estimate the probability of cure and the survival function for the uncured subjects. In the literature, nonparametric estimation of both functions is limited to continuous univariate covariates. We fill this gap by proposing single-index mixture cure models. They allow working with a vector covariate and assume that the survival function depends on it through an unknown linear combination, that is estimated by maximum likelihood. Besides, a nonparametric estimator for the density function of the uncured individuals is introduced, and its iid representation is derived. Finally, the proposed models are extended to functional covariates and a preprocessing algorithm is implemented to deal with medical images. The methodology is applied to a cardiotoxicity dataset. The goal is to determine whether (and how) certain factors affect the probability of experiencing the cardiovascular problem and the amount of time it takes for it to manifest. Understanding risk factors may lead to a patient-based preventive medicine., [Resumen] En análisis de supervivencia hay situaciones en las cuales no todos los sujetos son susceptibles al evento final. Por ejemplo, si el evento es un efecto adverso de una terapia oncológica, habrá pacientes (considerados como curados) que nunca lo experimentarán. Los modelos de curación de tipo mixtura permiten estimar la probabilidad de curación y la función de supervivencia de los sujetos susceptibles. En la literatura, la estimaciuñin no paramétrica de ambas funciones se limita a covariables unidimensionales. En esta tesis se proponen los modelos single-index de curación de tipo mixtura. Estos permiten trabajar con una covariable vectorial y asumen que la función de supervivencia depende de ella mediante una combinación lineal que se puede estimar por máxima verosimilitud. Además, se introduce un estimador no paramétrico para la funci´on de densidad de los susceptibles y se obtiene su representación iid. Finalmente, los modelos propuestos se extienden a covariables funcionales y se implementa un algoritmo de preprocesamiento de imágenes médicas. La metodología se aplica a datos de cardiotoxicidad con el objetivo de determinar qué factores afectan (y cómo) a la probabilidad de experimentarla y al tiempo que tarda en manifestarse. Conocer los factores de riesgo podría conducir a una medicina preventiva personalizada., [Resumo] En análise de supervivencia hai situacións nas que non todos os individuos son susceptibles ao evento final. Por exemplo, se o evento é un efecto adverso dunha terapiaoncolóxica, haberá pacientes (considerados como curados) que nunca o experimentarán. Os modelos de curaci´on de tipo mestura permiten estimar a probabilidade de curación e a función de supervivencia dos suxeitos susceptibles. Na literatura, a estimación non paramétrica destas dúas funcións limítase a covariables unidimensionais. Nesta tese propóñense os modelos single-index de curación de tipo mestura. Estes permiten traballar cunha covariable vectorial e asumen que a función de supervivencia depende dela mediante unha combinación lineal que se pode estimar por máxima verosimilitude. Ademais, introd´ucese un estimador non paramétrico para a función de densidade dos susceptibles e obtense a súa representación iid. Finalmente, os modelos propostos esténdense a covariables funcionais e impleméntase un algoritmo de preprocesamento de imaxes médicas. A metodoloxía aplícase a datos de cardiotoxicidade co obxectivo de determinar que factores afectan (e como) á probabilidade de experimentala e ao tempo que tarda en manifestarse. Coñecer os factores de risco podería conducir cara unha medicina preventiva personalizada., Xunta de Galicia; ED431C 2020/14, Xunta de Galicia; ED431G 2019/01, Xunta de Galicia; ED481A-2020/290, This research has been partially supported by MINECO (Ministerio de Economía y Competitividad) Grant MTM2017-82724-R, by Ministerio de Ciencia e Innovación under grant PID2020-113578RB-100 and by the Xunta de Galicia (Grupos de Referencia Competitiva ED431C 2020/14 and Centro de Investigación del Sistema Universitario de Galicia ED431G 2019/01), all of them through the ERDF (European Regional Development Fund). The doctoral student acknowledges financial support from Axudas Predoutorais da Xunta de Galicia, with reference ED481A-2020/290. The work has been partially carried out during two visits at École Nationale de la Statistique et de l’Analyse de l’Information (ENSAI) and Katholieke Universiteit Leuven. The first stay was funded through grant ED481A-2020/290 and the second one was supported by the research group MODES (Modelización, Optimización e Inferencia Estadística) and CITIC (Centro de Investigación de Tecnologías de la Información y de la Comunicación).
RUC. Repositorio da Universidade da Coruña
Publicación Tesis doctoral (DoctoralThesis)

Methodological Contributions in Semiparametric Regression Models for Functional Data

  • Novo Díaz, Silvia
[Abstract] This doctoral thesis is dedicated to functional regression for scalar response. In particular, we focus on functional semiparametric models, which combine the practical advantages of parametric and nonparametric approaches, surpassing both methodologies. Accordingly, several semiparametric models involving a functional singleindex component were studied from a theoretical and practical perspective. First, for the functional single-index model (FSIM) and the semi-functional partial linear single-index model (SFPLSIM), we provide uniform consistency results (over all parameters involved) for kernel- and k-Nearest-Neighbours-based statistics related to the estimation of the semiparametric component. Second, for the sparse semifunctional partial linear single-index model (SSFPLSIM), we develop a variable selection procedure in the linear component based on penalized least squares (PLS). The good behaviour of this method is theoretically assured (rates of convergence of the estimators are obtained, as well as asymptotic behaviour of the variable selection procedure). Third, the SSFPLSIM is adapted to the case in which covariates with linear e ect come from the discretization of a curve. For this new model, the multi-functional partial linear single-index model (MFPLSIM), the variable selection problem was also studied. Consequently, two new algorithms were proposed (providing theoretical results that ensure their good performance) to solve the ine ciency of the PLS method when it is directly applied to the MFPLSIM. For all the models and procedures mentioned above, theoretical results are accompanied by both simulation studies and real data applications which illustrate the good performance of the proposed methodology in practice., [Resumo] Esta tese está adicada ao estudo da regresión funcional con variable resposta escalar. En particular, centrámonos en modelos funcionais semi-paramétricos, os cales combinan as vantaxes prácticas dos enfoques paramétrico e non-paramétrico, superando a ambas metodoloxías. Desta maneira, estudáronse, tanto dende o punto de vista te orico como dende a perspectiva pr actica, varios modelos semi-param etricos que involucran unha compoñente funcional single-index. En primeiro lugar, para o functional single-index model (FSIM) e para o semi-functional partial linear single-index model (SFPLSIM) establecemos resultados de consistencia uniforme (sobre todos os parámetros involucrados) para os estatísticos de tipo núcleo e tipo k-veciños-máis-próximos relacionados coa estimación da compoñente semi-paramétrica do modelo. En segundo lugar, para o sparse semi-functional partial linear single-index model (SSFPLSIM) desenvolvemos un procedemento de selección de variables na compoñente linear baseado en mínimos cadrados penalizados (PLS, iniciais de penalized least squares). O bo comportamento deste método asegurouse dende o punto de vista teórico (obtendo taxas de converxencia dos estimadores, así como o comportamento asintótico do procedemento de selección de variables). En terceiro lugar, o SSFPLSIM adaptouse ao escenario no cal as covariables con efecto linear proveñen da discretización dunha curva. Para este novo modelo, o multi-functional partial linear single-index model (MFPLSIM), estudouse tamén o problema da selección de variables e propuxéronse dous novos algoritmos (dos que aseguramos teoricamente o seu bo comportamento) para resolver a inefi cacia do método PLS cando se aplica directamente ao MFPLSIM. Para todos os modelos e procedementos citados, os resultados teóricos acompañáronse de estudos de simulación e aplicacións a datos reais que ilustran o bo comportamento na práctica da metodoloxía presentada., [Resumen] Esta tesis está dedicada al estudio de la regresión funcional con variable respuesta escalar. En particular, nos centramos en modelos funcionales semi-paramétricos, los cuales combinan las ventajas prácticas de los enfoques paramétrico y no-paramétrico, superando a ambas metodologías. De esta forma, se estudiaron, tanto desde el punto de vista teórico como desde la perspectiva práctica, varios modelos semi-paramétricos que involucran una componente funcional single-index. En primer lugar, para el functional single-index model (FSIM) y para el semi-functional partial linear single-index model (SFPLSIM) establecemos resultados de consistencia uniforme (sobre todos los parámetros involucrados) para los estadísticos de tipo núcleo y de tipo k-vecinos-más-próximos relacionados con la estimación de la componente semi-paramétrica del modelo. En segundo lugar, para el sparse semi-functional partial linear single-index model (SSFPLSIM) desarrollamos un procedimiento de selección de variables en la componente linear basado en mínimos cuadrados penalizados (PLS, iniciales de penalized least squares). El buen comportamiento de este método se ha asegurado desde el punto de vista teórico (obteniendo tasas de convergencia de los estimadores, así como el comportamiento asintótico del procedimiento de selección de variables). En tercer lugar, el SSFPLSIM se ha adaptado al escenario en el cual las covariables con efecto linear provienen de la discretización de una curva. Para este nuevo modelo, el multi-functional partial linear single-index model (MFPLSIM), se ha estudiado también el problema de selección de variables y se propusieron dos nuevos algoritmos (de los que aseguramos teóricamente su buen comportamiento) para resolver la ine ficiencia del método PLS cuando se aplica directamente al MFPLSIM. Para todos los modelos y procedimientos citados, los resultados teóricos se acompañaron de estudios de simulación y aplicaciones a datos reales que ilustran el buen comportamiento en la práctica de la metodología presentada., Xunta de Galicia; ED481A-2018/191, Xunta de Galicia; ED431G/01 2016-2019, Xunta de Galicia; ED431G2019/01, Xunta de Galicia; ED431C 2016-015, Xunta de Galicia; ED431C2020-014, This research has been partially supported by the Spanish Ministerio de Economía y Competitividad (MINECO) under Grants MTM2014-52876-R and MTM2017-82724-R, by the Spanish Ministerio de Ciencia e Innovación (MICINN) under Grant PID2020-113578RB-I00, by the Xunta de Galicia through Centro Singular de Investigación de Galicia accreditation under Grants ED431G/01 2016-2019 and ED431G 2019/01 and through the Grupos de Referencia Competitiva under Grants ED431C 2016-015 and ED431C2020-014 and in part by the European Union (European Regional Development Fund-ERDF). The author particularly thanks the contracts financed by the research group MODES (from May 1, 2017 to August 31, 2017) and by the CITIC (from September 1, 2017 to May 30, 2018) and the PhD contract financed by the Xunta de Galicia and the European Union (European Social Fund-ESF), the reference of which is ED481A-2018/191 (from May 31, 2018). Some results of this thesis have been obtained during a stay of the author at the Universit ́e Paul Sabatier, Toulouse (from March 13, 2019 to June 12, 2019), financed by the Xunta de Galicia, with reference ED481A-2018/191
RUC. Repositorio da Universidade da Coruña
Publicación Tesis doctoral (DoctoralThesis)

Nonparametric Density and Regression Estimation for Samples of Very Large Size

  • Barreiro-Ures, Daniel
[Abstract] This dissertation mainly deals with the problem of bandwidth selection in the context of nonparametric density and regression estimation for samples of very large size. Some bandwidth selection methods have the disadvantage of high computational complexity. This implies that the number of operations required to compute the bandwidth grows very rapidly as the sample size increases, so that the computational cost associated with these algorithms makes them unsuitable for samples of very large size. In the present thesis, this problem is addressed through the use of subagging, an ensemble method that combines bootstrap aggregating or bagging with the use of subsampling. The latter reduces the computational cost associated with the process of bandwidth selection, while the former is aimed at achieving signi cant reductions in the variability of the bandwidth selector. Thus, subagging versions are proposed for bandwidth selection methods based on widely known criteria such as cross-validation or bootstrap. When applying subagging to the cross-validation bandwidth selector, both for the Parzen{Rosenblatt estimator and the Nadaraya{ Watson estimator, the proposed selectors are studied and their asymptotic properties derived. The empirical behavior of all the proposed bandwidth selectors is shown through various simulation studies and applications to real datasets., [Resumen] Esta disertación aborda principalmente el problema de la selección de la ventana en el contexto de la estimación no paramétrica de la densidad y de la regresión para muestras de gran tamaño. Algunos métodos de selección de la ventana tienen el inconveniente de contar con una elevada complejidad computacional. Esto implica que el número de operaciones necesarias para el cálculo de la ventana crece muy rápidamente a medida que el tamaño muestral aumenta, de manera que el coste computacional asociado a estos algoritmos los hace inadecuados para muestras de gran tamaño. En la presente tesis, este problema se aborda mediante el uso del subagging, un método de aprendizaje conjunto que combina el bootstrap aggregating o bagging con el uso de submuestreo. Este ultimo reduce el coste computacional asociado al proceso de selección de la ventana, mientras que el primero tiene como objetivo conseguir reducciones signi cativas en la variabilidad del selector de la ventana. Así, se proponen versiones subagging para métodos de selección de la ventana basados en criterios ampliamente conocidos, como la validación cruzada o el bootstrap. Al aplicar subagging al selector de la ventana de tipo validación cruzada, tanto para el estimador de Parzen{Rosenblatt como para el estimador de Nadaraya{Watson, se estudian los selectores propuestos y se derivan sus propiedades asintóticas. El comportamiento empírico de todos los selectores de la ventana propuestos se muestra mediante varios estudios de simulación y aplicaciones a conjuntos de datos reales, [Resumo] Esta disertación aborda o problema da selección da ventá no contexto da estimación non paramétrica da densidade e da regresión para mostras de gran tamaño. Algúns métodos de selección da ventá teñen o inconveniente de contar cunha alta complexidade computacional. Isto implica que o número de operacións necesarias para o cálculo da ventá crece moi rápidamente a medida que aumenta o tamaño muestral, polo que o coste computacional asociado a estes algoritmos fainos inadecuados para mostras de gran tamaño. Na presente tese, este problema abórdase mediante o uso do subagging, un método de aprendizaxe conxunta que combina o bootstrap aggregating ou bagging co uso de submostraxe. Este último reduce o custo computacional asociado ao proceso de selección da ventá, mentres que o primeiro ten como obxectivo conseguir reducións signi cativas na variabilidade do selector da ventá. Así, propóñense versións subagging para métodos de selección da ventá baseados en criterios amplamente coñecidos, como a validación cruzada ou o bootstrap. Ao aplicar subagging ao selector da ventá de tipo validación cruzada, tanto para o estimador de Parzen{Rosenblatt como para o estimador de Nadaraya{Watson, estúrdanse os selectores propostos e derívanse as súas propiedades asintóticas. O comportamento empírico de todos os selectores da ventá propostos mostrase mediante varios estudos de simulación e aplicacións a conxuntos de datos reais., This research has been supported by MINECO Grant MTM2017-82724-R, and by the Xunta de Galicia (Grupos de Referencia Competitiva ED431C-2016-015, ED431C- 2020-14, Centro Singular de Investigación de Galicia ED431G/01 and Centro de Investigación del Sistema Universitario de Galicia ED431G 2019/01), all of them through the ERDF (European Regional Development Fund). Additionally, this work has been partially carried out during a visit to the Texas A&M University, College Station, financed by INDITEX, with reference INDITEX-UDC 2019. The author is grateful to the Centro de Coordinación de Alertas y Emergencias Sanitarias for kindly providing the COVID-19 hospitalization dataset., Xunta de Galicia; ED431C-2016-015, Xunta de Galicia; ED431C-2020-14, Xunta de Galicia; ED431G/01, Xunta de Galicia; ED431G 2019/01
RUC. Repositorio da Universidade da Coruña
Publicación Tesis doctoral (DoctoralThesis)

Nonparametric estimation of the probability of default in credit risk.

  • Peláez, Rebeca
[Abstract] Financial institutions are interested in knowing the probability that their clients declare themselves unable to pay the debts incurred by granting a credit. The aim of this work is to propose models to estimate this probability, called probability of default (PD), using the information provided by the credit scoring. The PD conditional on the credit scoring can be written as a transformation of the conditional survival function of the variable “time to default”. This property is used to propose new PD estimators, based on nonparametric estimators of the survival function. The time to default faces a right-censoring problem, since in the study of a set of loans, it is not possible to observe default for all of them. Consequently, censored data techniques and survival analysis are used. Given the possible existence of individuals not susceptible to default, mixture cure models are also discussed in this work. The asymptotic expression for the mean squared error and the asymptotic normality of the proposed estimators are obtained. Automatic bootstrap selectors are proposed for the smoothing parameters on which the estimators depend. The performance of the proposed techniques is analysed and compared with existing semiparametric approaches through simulation studies and illustrated by analysing bank loan data, [Resumen] A las entidades financieras les interesa conocer la probabilidad de que sus clientes se declaren incapaces de hacer frente a las deudas contraídas con la concesión de un crédito. El objetivo de este trabajo es proponer modelos para estimar esta probabilidad, denominada probabilidad de mora (PD), utilizando la información proporcionada por la puntuación crediticia. La PD condicionada a la puntuación crediticia puede escribirse como una transformaciónde la función de supervivencia condicional de la variable “tiempo hasta la mora”. Esta propiedad se utiliza para proponer nuevos estimadores de la PD, basados en estimadores no paramétricos de la función de supervivencia. El tiempo hasta el impago se enfrenta a un problema de censura por la derecha, pues en elestudio de un conjunto de créditos, no es posible observar la mora para todos ellos. Consecuentemente, se utilizan técnicas de datos censurados y análisis de supervivencia. Ante la posible existencia de individuos no susceptibles a la mora, los modelos de curación de tipo mixtura también se discuten en este trabajo. Se obtiene la expresión asintótica para el error cuadrático medio y la normalidad asintótica de los estimadores propuestos. Se proponen selectores automáticos bootstrap para los parámetros de suavizado de los que dependen los estimadores. El comportamiento de las técnicas propuestas se analiza y se compara con enfoques semiparamétricos existentes mediante estudios de simulación y se ilustra mediante el análisis de datos de préstamos bancarios., [Resumo] Ás entidades financeiras interesalles coñecer a probabilidade de que os seus clientes declárense incapaces de facer fronte ás débedas contraídas coa concesión dun crédito. O obxectivo deste traballo é propoñer modelos para estimar esta probabilidade, denominada probabilidade de morosidade (PD), utilizando a información proporcionada pola puntuación crediticia. A PD condicionada á puntuación crediticia pode escribirse como unha transformación da función de supervivencia condicional da variable “tempo ata a morosidade”. Esta propiedade utilízase para propoñer novos estimadores da PD, baseados en estimadores non paramétricos da función de supervivencia. O tempo ata a falta de pagamento enfróntase a un problema de censura pola dereita, pois no estudo dun conxunto de créditos, non é posible observar a falta de pagamento para todos eles. Consecuentemente, utilízanse técnicas de datos censurados e análise de supervivencia. Ante a posible existencia de individuos non susceptibles á morosidade, os modelos de curación de tipo mestura tamén se discuten neste traballo. Obtense a expresión asintótica para o erro cuadrático medio e a normalidade asintótica dos estimadores propostos. Propóñense selectores automáticos bootstrap para os parámetros de suavizado dos que dependen os estimadores. O comportamiento das técnicas propostas analízase e compárase con enfoques semiparamétricos existentes mediante estudos de simulación e ilústrase mediante a análise de datos de préstamos bancarios., Xunta de Galicia; ED431C-2016-015, Xunta de Galicia; ED431C-2020-14, Xunta de Galicia; ED431G/01, Xunta de Galicia; ED431G 2019/01, The PhD candidate’s research was sponsored by the Spanish Grant for Predoctoral Research Trainees RD 103/2019. The work has been partially carried out during a stay at KU Leuven (Belgium), which was supported by inMOTION Programme of grants for pre-doctoral stays Inditex-UDC 2021. This research has also been partially supported by MINECO Grants MTM2017-82724-R and PID2020-113578RB-100, and by the Xunta de Galicia (Grupos de Referencia Competitiva ED431C-2016-015 and ED431C-2020-14 and Centro Singularde Investigación de Galicia ED431G/01 and ED431G 2019/01), all of them through the ERDF.
RUC. Repositorio da Universidade da Coruña
Publicación Tesis doctoral (DoctoralThesis)

New methodological contributions in statistical learning for time series

  • López-Oriona, Ángel
[Abstract] Time series databases are becoming omnipresent in several fields (e.g., computer sciences, finance, biology...), which makes the development of data mining algorithms for these objects a top priority among machine learning and statistics practitioners. This thesis deals with the construction of dif- ferent algorithms for time series data mining addressing a wide variety of problems. A novel dissimilarity measure between real-valued multivariate series defined in the frequency domain is proposed and used to construct several clustering algorithms whose main goal is to group the time series according to their underlying dependence structures. Both the crisp and the fuzzy clustering approaches are considered. The proposed spectral di- vergence measure is also combined with different statistical tools (including techniques of dimensionality reduction, wavelet decomposition, and func- tional data analysis) to introduce new and powerful algorithms to perform classification and outlier detection of multivariate time series. Clustering of times series with categorical response is also addressed by considering distances taking advantage of the specific properties of these data objects. The dissimilarity measures used for clustering purposes are also employed for testing the equality of the generating processes of two time series, which results in several hypothesis tests. A whole new different paradigm to per- form time series clustering is introduced by establishing the clustering pur- pose in terms of prediction accuracy. This realistic and challenging problem is addressed by means of a specific algorithm based on global forecasting methods. All the proposed techniques are properly formalized, their ad- vantages with respect to alternative methods are shown through extensive simulation experiments and their usefulness is illustrated by using real time series databases. Three software packages written in the R programming language are created to implement many of the constructed algorithms and their functionalities are explained by means of practical examples., [Resumen] Las bases de datos de series temporales se están volviendo omnipresentes en varios campos (por ejemplo, informática, finanzas, biología...), lo que hace que el desarrollo de algoritmos de minería de datos para estos objetos sea una de las principales prioridades para los profesionales del aprendizaje automático y de la estadística. Esta tesis trata sobre la construcción de diferentes algoritmos para la minería de datos de series temporales que abordan una amplia variedad de problemas. Se propone una nueva medida de disimilaridad entre series numéricas multivariantes definida en el dominio de la frecuencia que se utiliza para construir varios algoritmos de clustering cuyo principal objetivo es agrupar las series temporales en base a sus estruc- turas de dependencia subyacentes. Se consideran los enfoques de clustering crisp y clustering fuzzy. Adicionalmente, la medida espectral de divergencia propuesta se combina con diferentes herramientas estadísticas (por ejemplo, técnicas de reducción de la dimensión, descomposición wavelet, y análisis de datos funcionales) para introducir poderosos algoritmos de clasificación y de detección de anomalías en un contexto de series multivariantes. El clustering de series temporales con respuesta categórica también se aborda mediante el uso de distancias que explotan las propiedades específicas de este tipo de series. Las medidas de disimilaridad utilizadas para clustering se emplean asimismo para contrastar la igualdad de los procesos generadores de dos series de tiempo, lo que da lugar a varios contrastes de hipótesis. Adicionalmente, se introduce un paradigma completamente novedoso para abordar el problema de clustering de series temporales, que se basa en con- siderar la precisión de las predicciones como criterio para el agrupamiento. Se trata de un problema realista y complejo, que se aborda mediante un algoritmo específico basado en modelos globales de predicción. Todos los métodos propuestos se formalizan adecuadamente, sus ventajas con respecto a enfoques alternativos se corroboran mediante completos estudios de simulaci on y su utilidad se ilustra mediante el uso de bases de datos reales. Muchos de los algoritmos construidos se implementan en alguno de los tres paquetes que se desarrollan en el lenguaje de programación R. Las funcionalidades de los mismos se describen mediante varios ejemplos., [Resumo] As bases de datos de series temporais están a volverse omnipresentes en varios campos (por exemplo, informática, finanzas, bioloxía...), o que fai que o desenvolvemento de algoritmos de minería de datos para estes obxectos sexa unha das principais prioridades para os profesionais da aprendizaxe automática e da estatística. Esta tese trata sobre a construción de diferentes algoritmos para a minería de datos de series temporais que abordan unha ampla variedade de problemas. Proponse unha nova medida de discrepancia entre series numéricas multivariantes definida no dominio da frecuencia que se utiliza para construír varios algoritmos de clustering cuxo principal obxectivo é agrupar as series temporais en base as súas estruturas de dependencia subxacentes. Considéranse os enfoques de clustering crisp e clustering fuzzy. Adicionalmente, a medida espectral de diverxencia proposta combínase con diferentes ferramentas estatísticas (por exemplo, técnicas de redución da dimensión, descomposición wavelet, e análise de datos funcionais) para introducir poderosos algoritmos de clasicación e de detección de anomalías nun contexto de series multivariantes. O clustering de series temporais con resposta categórica tamén se aborda mediante o uso de distancias que explotan as propiedades específicas deste tipo de series. As medidas de discrepancia utilizadas para clustering empréganse asímesmo para contrastar a igualdade dos procesos xeradores de dúas series de tempo, o que dá lugar a varios contrastes de hipóteses. Adicionalmente, introdúcese un paradigma completamente novo para abordar o problema de clustering de series temporais, que se basea en considerar a precisión das predicións como criterio para o agrupamento. Trátase dun problema realista e complexo, que se aborda mediante un algoritmo específi co baseado en modelos globais de predición. Todos os métodos propostos formalízanse adecuadamente, as súas vantaxes con respecto a enfoques alternativos corrobóranse mediante completos estudos de simulación e a súa utilidade ilústrase mediante o uso de bases de datos reais. Moitos dos algoritmos construídos impleméntanse nalgún dos tres paquetes que se desenvolven na linguaxe de programación R. As funcionalidades dos mesmos descríbense mediante varios exemplos., Xunta de Galicia; ED431G-2019/01, Xunta de Galicia; ED481A2020/298, Xunta de Galicia; ED431C2020/14, Xunta de Galicia; ED481A-2020/298, Xunta de Galicia; ED431G-2019/01