Vai al contenuto principale

Corso

Modelli ARIMA in R

BasicLivello di competenza

Aggiornato 08/2024

Diventa un esperto nell'applicazione dei modelli ARIMA (media mobile autoregressiva integrata) ai dati delle serie temporali usando R.

Inizia il corso gratis

RProbability & Statistics

4 h

13 video

45 Esercizi

3,600 XP

34,895

Attestato di conseguimento

Preferito dagli studenti di migliaia di aziende

Formare un team?

Prova per il Business

Descrizione del corso

In questo corso diventerai esperto nell’adattare modelli ARIMA a serie temporali usando R. Per iniziare, esplorerai la natura dei dati di serie temporali con gli strumenti del pacchetto stats di R. Poi imparerai a adattare vari modelli ARMA a dati simulati (dove conoscerai il modello corretto) usando il pacchetto R astsa. Dopo aver consolidato le basi, vedrai come adattare modelli ARMA integrati, cioè modelli ARIMA, a diversi insiemi di dati reali. Imparerai a verificare la validità di un modello ARIMA e a effettuare previsioni su serie temporali. Infine, imparerai come adattare modelli ARIMA a dati stagionali, includendo le previsioni con il pacchetto astsa.

Prerequisiti

Time Series Analysis in R

1

Dati e modelli di serie temporali

Esplorerai la natura dei dati di serie temporali e apprenderai le basi dei modelli ARMA che spiegano il comportamento di questi dati. Imparerai i comandi R fondamentali per preparare i dati grezzi di serie temporali in una forma analizzabile con modelli ARMA.

Prima di tutto

Giochiamo con i dati

Elementi delle serie storiche

Stazionarietà e non stazionarietà

Differenziazione

Rimozione del trend (detrending)

Gestire trend ed eteroschedasticità

Serie temporali stazionarie: ARMA

Simulare modelli ARMA

Inizia il capitolo

2

Adattare modelli ARMA

Scoprirai il mondo dei modelli ARMA e come adattarli ai dati di serie temporali. Imparerai a identificare un modello, a scegliere quello corretto e a verificarlo una volta adattato ai dati. Userai i comandi per serie temporali di R dai pacchetti stats e astsa.

Modelli AR e MA

Adattare un modello AR(1)

Adattare un modello AR(2)

Adattare un modello MA(1)

AR e MA insieme

Adattare un modello ARMA

Identifica un modello ARMA

Scelta del modello e analisi dei residui

Scelta del modello - I

Scelta del modello - II

Analisi dei residui - I

Analisi dei residui - II

ARMA al via

Inizia il capitolo

3

Modelli ARIMA

Ora che sai adattare modelli ARMA a serie temporali stazionarie, imparerai i modelli ARMA integrati (ARIMA) per serie non stazionarie. Adatterai i modelli a dati reali usando i comandi per serie temporali di R dai pacchetti stats e astsa.

ARIMA - ARMA integrato

ARIMA - plug and play

ARIMA simulato

Riscaldamento globale

Diagnostica ARIMA

Diagnostica - overfitting simulato

Diagnostica - temperature globali

Previsioni con ARIMA

Previsioni con ARIMA simulato

Previsione delle temperature globali

Inizia il capitolo

4

ARIMA stagionale

Imparerai ad adattare e prevedere serie temporali stagionali usando modelli ARIMA stagionali. Lo farai applicando quanto visto nei capitoli precedenti ed estendendo i comandi per serie temporali di R disponibili nei pacchetti stats e astsa.

Modelli stagionali puri

P/ACF dei modelli stagionali puri

Adatta un modello puramente stagionale

Modelli stagionali misti

Adatta un modello stagionale misto

Analisi dei dati - disoccupazione I

Analisi dei dati - disoccupazione II

Analisi dei dati - prezzi delle materie prime

Analisi dei dati - tasso di natalità

Previsioni con ARIMA stagionale

Previsioni della disoccupazione mensile

Quanto è difficile prevedere i prezzi delle materie prime?

Congratulazioni!

Inizia il capitolo

Modelli ARIMA in R

Corso
completato

Ottieni Attestato di conseguimento

Aggiungi questa certificazione al tuo profilo LinkedIn, al curriculum o al CV
Condividila sui social e nella valutazione delle tue performanceIscriviti ora

Unisciti a oltre 19 milioni di studenti e inizia Modelli ARIMA in R oggi!

Aumenta le tue competenze sui dati con l'app di DataCamp

Avanza ovunque ti trovi con i nostri corsi per dispositivi mobili e le nostre sfide di programmazione quotidiane da 5 minuti.