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 ve MA modelleri

AR(1) modelini uydurma

AR(2) modeli uydurma

MA(1) modeli uydurma

AR ve MA birlikte

Bir ARMA modelini uydurma

Bir ARMA modeli belirle

Model seçimi ve artık analizı

Model seçimi - I

Model seçimi - II

Artık analizleri - I

Artık analizleri - II

ARMA devreye giriyor

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.

Pure seasonal models

P/ACF of pure seasonal models

Fit a pure seasonal model

Mixed seasonal models

Fit a mixed seasonal model

Data analysis - unemployment I

Data analysis - unemployment II

Data analysis - commodity prices

Data analysis - birth rate

Forecasting seasonal ARIMA

Forecasting monthly unemployment

How hard is it to forecast commodity prices?

Congratulations!

Seasonal ARIMA

Bu derste, R kullanarak zaman serisi verilerine ARIMA modelleri kurma konusunda uzmanlaşacaksın. Önce, R stats paketindeki araçlarla zaman serisi verilerinin doğasını keşfedeceksin. Sonra, doğru modeli bildiğin simüle veriler üzerinde çeşitli ARMA modellerini R astsa paketiyle nasıl kuracağını öğreneceksin. Temelleri pekiştirdikten sonra, çeşitli gerçek veri kümelerine tümleşik ARMA (ARIMA) modellerini nasıl uygulayacağını göreceksin. Bir ARIMA modelinin geçerliliğini nasıl denetleyeceğini ve zaman serisi verileri için nasıl tahmin yapacağını öğreneceksin. Son olarak, astsa paketini kullanarak mevsimsel veriler için ARIMA modelleri kurmayı ve tahmin yapmayı öğreneceksin.

Time Series Analysis in R

Bu kursta, R kullanarak ARIMA modellerini zaman serisi verilerine uygulamada uzmanlaşacaksınız.

R ile ARIMA Modelleri

R kullanarak zaman serisi verilerine ARIMA (otomatik regresif entegre hareketli ortalama) modellerini uydurma konusunda uzman olun.

Kantitatif Analist  in R

Zaman Serisi  in R

Model seçimi - II

R ile ARIMA Modelleri

Uygulamalı interaktif egzersiz