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 - сформировать у слушателей теоретические и практические навыки анализа и прогнозирования временных рядов в системе STATISTICA.
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.
Подробнее о системах
STATISTICA Advanced
STATISTICA Automated Neural Networks
Введение в прогнозирование
Существующие ограничения в прогнозировании
Определение условий
Выделение связей
Реализм в прогнозировании
Сравнительный обзор методов прогнозирования
Типы моделей
Определение точности прогноза
Графический анализ и преобразование данных
Графическое представление многомерных данных
Как наглядно и эффективно представить результаты исследования
Заполнение пропусков
Методы сглаживания временных рядов
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
Описательный анализ временного ряда
Выборочные характеристики временных рядов: среднее, дисперсия, автокорреляционная функция, частная автокорреляционная функция
Распределение выборочных характеристик
Стационарность временного ряда
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
Модели ARIMA с интервенцией
Типы интервенций. Параметры интервенций
Оценка адекватности модели
Применение методов множественной регрессии в задачах прогнозирования
Множественная линейная регрессия
Общие регрессионные модели
Нелинейное оценивание
Анализ распределенных лагов
Нейросетевой подход к решению задач
Основные парадигмы нейронных сетей
Прогнозирование временных рядов
Сравнение нейросетевых и классических методов
Прогнозирование временных рядов с короткой историей
Примеры, вопросы и ответы
12 академических часов, обычно разбивается на 3 рабочих дня
Курс читается как индивидуально, так и в группах.
Авторские права на дизайн и материалы сайта принадлежат компании StatSoft Russia.
|
© StatSoft Russia |
StatSoft Russia – компания, зарегистрированная и действующая в соответствии с законами России, которые могут отличаться от законов других стран, имеющих офисы StatSoft. Каждый офис StatSoft является самостоятельным юридическим лицом, имеет право предлагать услуги и разрабатывать приложения, которые могут быть, а могут и не быть представлены в офисах StatSoft других стран. |