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

Data play

Elements of time series

Stationarity and nonstationarity

Differencing

Detrending data

Dealing with trend and heteroscedasticity

Stationary time series: ARMA

Simulating ARMA models

Time Series Data and 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

Fitting an AR(1) model

Fitting an AR(2) model

Fitting an MA(1) model

AR and MA together

Fitting an ARMA model

Identify an ARMA model

Model choice and residual analysis

Model choice - I

Model choice - II

Residual analysis - I

Residual analysis - II

ARMA get in

Fitting ARMA 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

ARIMA - plug and play

Simulated ARIMA

Global warming

ARIMA diagnostics

Diagnostics - simulated overfitting

Diagnostics - global temperatures

Forecasting ARIMA

Forecasting simulated ARIMA

Forecasting global temperatures

ARIMA Models

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.

Modelos puramente sazonais

P/ACF de modelos sazonais puros

Ajuste um modelo puramente sazonal

Modelos sazonais mistos

Ajuste um modelo sazonal misto

Análise de dados - desemprego I

Análise de dados - desemprego II

Análise de dados - preços de commodities

Análise de dados - taxa de natalidade

Previsão com ARIMA sazonal

Forecasting mensal do desemprego

Quão difícil é prever preços de commodities?

Parabéns!

Seasonal ARIMA

Neste curso, você vai se tornar especialista em ajustar modelos ARIMA a séries temporais usando R. Primeiro, vai explorar a natureza dos dados de séries temporais com as ferramentas do pacote stats do R. Em seguida, você aprenderá a ajustar vários modelos ARMA a dados simulados (nos quais você saberá qual é o modelo correto) usando o pacote astsa do R. Depois de dominar o básico, você aprenderá a ajustar modelos ARMA integrados, ou modelos ARIMA, a diversos conjuntos de dados reais. Você aprenderá a verificar a validade de um modelo ARIMA e a fazer previsões de séries temporais. Por fim, você vai aprender a ajustar modelos ARIMA sazonais, incluindo a previsão com o pacote astsa.

Time Series Analysis in R

Neste curso, você se tornará especialista em ajustar modelos ARIMA a séries temporais usando R.

Modelos ARIMA em R

Torne-se um especialista em ajustar modelos ARIMA (média móvel integrada autorregressiva) a séries temporais no R.

Parabéns!

Create Your Free Account