After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis kursu
Wiele zjawisk w naszym codziennym życiu – takich jak zmiany cen akcji – jest mierzonych w regularnych odstępach czasu. Metody analizy szeregów czasowych są niezwykle przydatne do analizowania tego rodzaju danych. W tym kursie poznasz podstawowe koncepcje i techniki analizy szeregów czasowych.
Wymagania wstępne
Program kursu
Plan kursu
1
Eksploracyjna analiza danych szeregów czasowych
Ten rozdział pokaże ci, jak organizować i wizualizować dane szeregów czasowych w R. Poznasz kilka upraszczających założeń powszechnie stosowanych w analizie szeregów czasowych oraz typowe cechy finansowych szeregów czasowych.
- Witaj na kursie!50 XP
- Eksploracja surowych danych szeregu czasowego100 XP
- Podstawowe wykresy szeregów czasowych100 XP
- Co mówi nam indeks czasu?100 XP
- Częstotliwość próbkowania50 XP
- Określanie częstotliwości próbkowania100 XP
- Kiedy częstotliwość próbkowania jest dokładna?50 XP
- Brakujące wartości100 XP
- Podstawowe obiekty szeregów czasowych50 XP
- Tworzenie obiektu szeregu czasowego za pomocą ts()100 XP
- Sprawdzanie, czy obiekt jest szeregiem czasowym100 XP
- Wizualizacja obiektu szeregu czasowego100 XP
2
Prognozowanie przyszłości
W tym rozdziale zajmiesz się wykrywaniem trendów oraz poznasz model białego szumu (WN), model błądzenia losowego (RW) i definicję procesów stacjonarnych.
3
Analiza korelacji i funkcja autokorelacji
W tym rozdziale przypomnisz sobie współczynnik korelacji, użyjesz go do porównywania dwóch szeregów czasowych, a także zastosujesz do porównywania szeregu czasowego z jego przeszłymi wartościami – jako autokorelację. Poznasz funkcję autokorelacji (ACF) oraz poćwiczysz szacowanie i wizualizację autokorelacji dla danych szeregów czasowych.
4
Autoregresja
W tym rozdziale poznasz model autoregresyjny (AR) oraz jego podstawowe właściwości. Poćwiczysz również symulowanie i estymację modelu AR w R, a także porównasz go z modelem błądzenia losowego (RW).
5
Prosta średnia ruchoma
W tym rozdziale poznasz model prostej średniej ruchomej (MA) oraz jego podstawowe właściwości. Poćwiczysz symulowanie i estymację modelu MA w R, a także porównasz go z modelem autoregresyjnym (AR).
R
Analiza szeregów czasowych w R
Kurs
ukończony
