ข้ามไปยังเนื้อหาหลัก

Courses

ARIMA Models in R

พื้นฐานระดับทักษะ

อัปเดตแล้ว 08/2567

Become an expert in fitting ARIMA (autoregressive integrated moving average) models to time series data using R.

เริ่มเรียนหลักสูตรฟรี

RProbability & Statistics4 ชม.13 videos45 Exercises3,600 เอ็กซ์พี34,719คำแถลงแสดงความสำเร็จ

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

เป็นที่ชื่นชอบของผู้เรียนในบริษัทหลายพันแห่ง

ฝึกอบรมบุคคลตั้งแต่ 2 คนขึ้นไป?

ลองใช้ DataCamp for Business

คำอธิบายรายวิชา

In this course, you will become an expert in fitting ARIMA models to time series data using R. First, you will explore the nature of time series data using the tools in the R stats package. Next, you learn how to fit various ARMA models to simulated data (where you will know the correct model) using the R package astsa. Once you have mastered the basics, you will learn how to fit integrated ARMA models, or ARIMA models to various real data sets. You will learn how to check the validity of an ARIMA model and you will learn how to forecast time series data. Finally, you will learn how to fit ARIMA models to seasonal data, including forecasting using the astsa package.

ข้อกำหนดเบื้องต้น

Time Series Analysis in R

1

Time Series Data and Models

You will investigate the nature of time series data and learn the basics of ARMA models that can explain the behavior of such data. You will learn the basic R commands needed to help set up raw time series data to a form that can be analyzed using ARMA models.

First things first

50 เอ็กซ์พี

100 เอ็กซ์พี

Elements of time series

50 เอ็กซ์พี

Stationarity and nonstationarity

50 เอ็กซ์พี

Differencing

100 เอ็กซ์พี

Detrending data

100 เอ็กซ์พี

Dealing with trend and heteroscedasticity

100 เอ็กซ์พี

Stationary time series: ARMA

50 เอ็กซ์พี

Simulating ARMA models

100 เอ็กซ์พี

เริ่มบท

2

Fitting ARMA models

You will discover the wonderful world of ARMA models and how to fit these models to time series data. You will learn how to identify a model, how to choose the correct model, and how to verify a model once you fit it to data. You will learn how to use R time series commands from the stats and astsa packages.

AR and MA models

50 เอ็กซ์พี

Fitting an AR(1) model

100 เอ็กซ์พี

Fitting an AR(2) model

100 เอ็กซ์พี

Fitting an MA(1) model

100 เอ็กซ์พี

AR and MA together

50 เอ็กซ์พี

Fitting an ARMA model

100 เอ็กซ์พี

Identify an ARMA model

50 เอ็กซ์พี

Model choice and residual analysis

50 เอ็กซ์พี

Model choice - I

100 เอ็กซ์พี

Model choice - II

50 เอ็กซ์พี

Residual analysis - I

100 เอ็กซ์พี

Residual analysis - II

50 เอ็กซ์พี

ARMA get in

100 เอ็กซ์พี

เริ่มบท

3

ARIMA Models

Now that you know how to fit ARMA models to stationary time series, you will learn about integrated ARMA (ARIMA) models for nonstationary time series. You will fit the models to real data using R time series commands from the stats and astsa packages.

ARIMA - integrated ARMA

50 เอ็กซ์พี

ARIMA - plug and play

100 เอ็กซ์พี

Simulated ARIMA

100 เอ็กซ์พี

Global warming

100 เอ็กซ์พี

ARIMA diagnostics

50 เอ็กซ์พี

Diagnostics - simulated overfitting

100 เอ็กซ์พี

Diagnostics - global temperatures

100 เอ็กซ์พี

Forecasting ARIMA

50 เอ็กซ์พี

Forecasting simulated ARIMA

100 เอ็กซ์พี

Forecasting global temperatures

100 เอ็กซ์พี

เริ่มบท

4

Seasonal ARIMA

You will learn how to fit and forecast seasonal time series data using seasonal ARIMA models. This is accomplished using what you learned in the previous chapters and by learning how to extend the R time series commands available in the stats and astsa packages.

Pure seasonal models

50 เอ็กซ์พี

P/ACF of pure seasonal models

50 เอ็กซ์พี

Fit a pure seasonal model

100 เอ็กซ์พี

Mixed seasonal models

50 เอ็กซ์พี

Fit a mixed seasonal model

100 เอ็กซ์พี

Data analysis - unemployment I

100 เอ็กซ์พี

Data analysis - unemployment II

100 เอ็กซ์พี

Data analysis - commodity prices

100 เอ็กซ์พี

Data analysis - birth rate

100 เอ็กซ์พี

Forecasting seasonal ARIMA

50 เอ็กซ์พี

Forecasting monthly unemployment

100 เอ็กซ์พี

How hard is it to forecast commodity prices?

100 เอ็กซ์พี

Congratulations!

50 เอ็กซ์พี

เริ่มบท

ARIMA Models in R

หลักสูตรเสร็จสมบูรณ์

ได้รับใบรับรองความสำเร็จ

เพิ่มข้อมูลรับรองนี้ลงในโปรไฟล์ LinkedIn, ประวัติย่อ หรือเรซูเม่ของคุณ
แชร์ลงในโซเชียลมีเดียและในรายงานประเมินผลการปฏิบัติงานของคุณลงทะเบียนเลย

เข้าร่วมกับ... 19 ล้านผู้เรียน และเริ่ม ARIMA Models in R วันนี้เลย!

สร้างบัญชีฟรีของคุณ

หรือ

เมื่อดำเนินการต่อ คุณยอมรับข้อกำหนดการใช้งานของเรา นโยบายความเป็นส่วนตัวของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บไว้ในสหรัฐอเมริกา

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา