Efter att ha gått de här kurserna känner jag mig trygg med att skapa professionella visualiseringar och dashboards
Shoebur RahmanInköpsspecialist, Giz Bangladesh
Kursbeskrivning
I den här kursen blir du expert på att anpassa ARIMA-modeller till tidsseriedata med R. Först utforskar du tidsseriedatans egenskaper med hjälp av verktygen i R:s stats-paket. Sedan lär du dig att anpassa olika ARMA-modeller till simulerade data – där du känner till rätt modell – med hjälp av R-paketet astsa. När du behärskar grunderna lär du dig att anpassa integrerade ARMA-modeller, det vill säga ARIMA-modeller, till olika verkliga datamängder. Du lär dig att kontrollera en ARIMA-modells giltighet och att göra prognoser för tidsseriedata. Avslutningsvis lär du dig att anpassa ARIMA-modeller till säsongsdata, inklusive prognoser med astsa-paketet.
Förkunskapskrav
Kursplan
Kursöversikt
1
Tidsseriedata och modeller
Du undersöker tidsseriedatans egenskaper och lär dig grunderna i ARMA-modeller som kan förklara sådana datas beteende. Du lär dig de grundläggande R-kommandon som behövs för att förbereda råa tidsseriedata i ett format som kan analyseras med ARMA-modeller.
2
Anpassa ARMA-modeller
Du utforskar ARMA-modellernas värld och hur du anpassar dem till tidsseriedata. Du lär dig att identifiera en modell, välja rätt modell och verifiera en modell efter att du anpassat den till data. Du lär dig också att använda R:s tidsseriekommandon från paketen stats och astsa.
3
ARIMA-modeller
Nu när du vet hur man anpassar ARMA-modeller till stationära tidsserier lär du dig om integrerade ARMA-modeller (ARIMA) för icke-stationära tidsserier. Du anpassar modellerna till verkliga data med hjälp av R:s tidsseriekommandon från paketen stats och astsa.
4
Säsongs-ARIMA
Du lär dig att anpassa och prognostisera säsongsbaserade tidsseriedata med säsongs-ARIMA-modeller. Det görs med hjälp av vad du lärt dig i tidigare kapitel och genom att utöka kunskapen om R:s tidsseriekommandon i paketen stats och astsa.
R
ARIMA-modeller i R
Kurs
slutförd
