After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
У цьому курсі ви опanuєте побудову моделей ARIMA для часових рядів у R. Спочатку ви дослідите природу даних часових рядів за допомогою інструментів пакета R stats. Далі ви навчитеся підбирати різні моделі ARMA до змодельованих даних (де правильну модель буде відомо) з використанням пакета R astsa. Опісля, опанувавши основи, ви навчитеся підбирати інтегровані моделі ARMA, тобто моделі ARIMA, до різних реальних наборів даних. Ви дізнаєтеся, як перевіряти коректність моделі ARIMA та як прогнозувати часові ряди. Нарешті, ви навчитеся підбирати моделі ARIMA для сезонних даних, зокрема виконувати прогнозування за допомогою пакета astsa.
Попередні вимоги
Навчальний план
Зміст курсу
1
Дані часових рядів і моделі
Ви дослідите природу даних часових рядів і вивчите основи моделей ARMA, які пояснюють поведінку таких даних. Ви опanuєте базові команди R, потрібні, щоб підготувати сирі дані часових рядів до формату, придатного для аналізу за допомогою моделей ARMA.
2
Підбір моделей ARMA
Ви відкриєте для себе захопливий світ моделей ARMA і те, як підбирати ці моделі до даних часових рядів. Ви навчитеся визначати модель, обирати коректну модель і перевіряти її після підбору до даних. Ви також навчитеся користуватися командами для часових рядів у R з пакетів stats і astsa.
3
Моделі ARIMA
Тепер, коли ви вмієте підбирати моделі ARMA до стаціонарних часових рядів, ви дізнаєтеся про інтегровані моделі ARMA (ARIMA) для нестаціонарних рядів. Ви підбиратимете моделі до реальних даних, використовуючи команди для часових рядів у R з пакетів stats і astsa.
4
Сезонні ARIMA
Ви навчитеся підбирати та прогнозувати сезонні часові ряди за допомогою сезонних моделей ARIMA. Це робитиметься на основі вивченого в попередніх розділах і через розширення команд R для часових рядів, доступних у пакетах stats і astsa.
R
Моделі ARIMA в R
Курс
завершено
