Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 4 Stimmen.
Time Series Analysis and Forecasting using Python & R
Dieses vollfarbige Lehrbuch setzt ein Grundverständnis von Statistik und mathematischer oder statistischer Modellierung voraus. Ein wenig Programmiererfahrung wäre zwar schön, ist aber nicht erforderlich.
Wir verwenden aktuelle Daten aus der realen Welt, wie z.B. COVID-19, um die Zeitreihenanalyse zu motivieren und haben drei Leitprobleme, die in fast jedem Kapitel vorkommen: „Got Milk? “, „Haben Sie einen Job? „ und „Where's the Beef? „Kapitel 1: Laden von Daten in den Umgebungen R-Studio und Jupyter Notebook.
Kapitel 2: Komponenten einer Zeitreihe und Zerlegung Kapitel 3: Gleitende Durchschnitte (MAs) und COVID-19 Kapitel 4: Einfache exponentielle Glättung (SES), Holt's und Holt-Winter's doppelte und dreifache exponentielle Glättung Kapitel 5: Python-Programmierung in Jupyter Notebook für die in Kapitel 2, 3 und 4 behandelten Konzepte Kapitel 6: Stationarität und Differenzbildung, einschließlich Einheitswurzeltests. Kapitel 7: ARIMA- und SARMIA- (saisonale) Modellierung und Entwicklung von Prognosen Kapitel 8: ARIMA-Modellierung mit Python Kapitel 9: Strukturelle Modelle und Analyse unter Verwendung von Modellen mit unbeobachteten Komponenten (UCMs) Kapitel 10: Fortgeschrittene Zeitreihenanalyse, einschließlich Zeitreiheninterventionen, exogene Regressoren und vektorautoregressive (VAR) Prozesse.
| ISBN: | 9781716451133 |
| Autor: | |
| Verlag: | |
| Einband: | Hardcover |
Derzeit verfügbar, auf Lager.
