Handledningar i data science

Lär dig pandas från installation till analys, med varje exempel testat på pandas 3.1.

En autoregressiv modell förutspår framtida värden i en tidsserie utifrån dess eget förflutna. Lär dig hur du anpassar en i Python med statsmodels, väljer laggordningen med PACF och AIC/BIC, och jämför den med MA och ARIMA.

Lär dig hur ARIMAX utökar ARIMA med externa prediktorer, förstå dess parametrar och antaganden och bygg en prognosmodell i Python med statsmodels.

Lär dig hur SARIMAX kombinerar säsongsmodellering av tidsserier med externa prediktorer. Förstå dess parametrar, se hur den skiljer sig från ARIMA och SARIMA, och bygg en prognosmodell i Python.

Lär dig vad kvadratur är, hur numerisk integrering approximerar bestämda integraler och hur metoder som trapetsregeln, Simpsons regel och Gaussisk kvadratur fungerar.

Lär dig hur Box-Cox-transformationen fungerar, hur du väljer lambdaparametern och när du använder den för att stabilisera varians, minska skevhet och förbättra statistiska modeller.

En likelihoodkvot jämför hur väl två hypoteser eller modeller förklarar samma data, och den här artikeln täcker formeln, ett genomräknat myntkastsexempel, likelihoodkvottestet för nästlade regressionsmodeller i Python och R, samt diagnostiska likelihoodkvoter.

Lär dig vad statistisk arbitrage är, hur kvantitativa handlare identifierar tillfälliga prissamband och hur strategier som pairs trading och medelåtergång fungerar i praktiken.

Lär dig vad en utökad matris är, hur den representerar ekvationssystem och hur du använder radoperationer för att lösa dem.

Lär dig vad ett residualdiagram är, hur du tolkar vanliga mönster och hur residualdiagram hjälper till att identifiera icke-linearitet, heteroskedasticitet, avvikare och andra regressionsproblem.

Lär dig vad minima och maxima är, hur lokala och globala extremvärden skiljer sig, och hur du hittar dem med kritiska punkter, första och andra derivatans test samt slutna-intervallmetoden.

Lär dig vad en inverterbar matris är, hur du avgör om en matris är inverterbar och varför matrisinverser är viktiga i linjär algebra och data science.