Анализ и прогнозирование данных в системе STATISTICA

Трехдневный курс, рассчитанный на широкий круг пользователей, цель которого сформировать у слушателей теоретические и практические навыки анализа и прогнозирования временных рядов в системе STATISTICA.

В курсе используется многолетний опыт лекторов по решению прикладных задач и чтению лекций в ЦБ России, NW GSM, Русском Алюминии, Магнитогорской энергетической компании и др.

Цель курса

Цель курса - сформировать у слушателей теоретические и практические навыки анализа и прогнозирования временных рядов в системе STATISTICA.

Для кого этот курс?

Данный курс предназначен для широкого круга пользователей, желающих проводить анализ и строить прогнозы временных рядов с помощью системы STATISTICA в различных областях.

Чем бы Вы не занимались, если Вы хотите прогнозировать цены на вашу продукцию или потребляемые вами ресурсы, то этот курс для Вас.

Программа курса

1. Введение в прогнозирование

   • Существующие ограничения в прогнозировании

   • Определение условий

   • Выделение связей

   • Реализм в прогнозировании

   • Сравнительный обзор методов прогнозирования

   • Типы моделей

   • Определение точности прогноза

2. Графический анализ и преобразование данных

   • Графическое представление многомерных данных

   • Как наглядно и эффективно представить результаты исследования

   • Заполнение пропусков

   • Методы сглаживания временных рядов

3. Простейшие методы прогнозирования

   • Модели экспоненциального сглаживания

     • Экспоненциальное сглаживание

     • Линейное экспоненциальное сглаживание

   • Методы декомпозиции временных рядов

     • Тренд и сезонность

     • Случайная компонента

     • Выделение циклической компоненты

   • Выделение скрытых периодичностей - спектральный анализ

     • Введение в спектральный анализ

     • Анализ периодограммы

4. Описательный анализ временного ряда

   • Выборочные характеристики временных рядов: среднее, дисперсия, автокорреляционная функция, частная автокорреляционная функция

   • Распределение выборочных характеристик

   • Стационарность временного ряда

5. Линейные модели прогнозирования: классическая ARIMA (АРПСС) модель

   • Условия стационарности линейного процесса

   • Методология Бокса-Дженкинса идентификации ARIMA модели

   • Прогнозирование на основе ARIMA модели

   • Анализ остатков

   • Автоматический перебор моделей

6. Модели ARIMA с интервенцией

   • Типы интервенций. Параметры интервенций

   • Оценка адекватности модели

7. Применение методов множественной регрессии в задачах прогнозирования

   • Множественная линейная регрессия

   • Общие регрессионные модели

   • Нелинейное оценивание

8. Анализ распределенных лагов

9. Нейросетевой подход к решению задач

   • Основные парадигмы нейронных сетей

   • Прогнозирование временных рядов

   • Сравнение нейросетевых и классических методов

10. Прогнозирование временных рядов с короткой историей

11. Примеры, вопросы и ответы

Длительность курса

12 академических часов, обычно разбивается на 3 рабочих дня

Курс читается как индивидуально, так и в группах.

Записаться   Календарь курсов