Jedyna na polskim rynku książka, która na bazie darmowego systemu R (najpopularniejszego narzędzia praktycznej analizy danych) wprowadza do analizy i prognozowania szeregów czasowych.
W książce przedstawione są najważniejsze metody i modele analizy szeregów czasowych. Nie jest to jednak wyłącznie przegląd metodologii, jaki można znaleźć w klasycznych podręcznikach, ale znajdują się w niej także konkretne wskazówki dla praktyków, jak odpowiednio przygotować dane do analizy, jak wybrać optymalny model czy metodę dla określonych danych oraz w jaki sposób ocenić i porównać wiarygodność skonstruowanych prognoz.
Nie jest to jednak wyłącznie przegląd metodologii, który można znaleźć w klasycznych podręcznikach. Znajdują się w niej odpowiedzi na pytania praktyków. Co niezwykle istotne, publikacja ma charakter uniwersalny. Nie ogranicza się do konkretnego obszaru zastosowań. Są w niej przykłady analizy szeregów makroekonomicznych, finansowych, demograficznych oraz związanych z wielkością sprzedaży różnych produktów.
Ogromną zaletą książki jest wykorzystanie środowiska R, popularnego i powszechnie stosowanego darmowego narzędzia praktycznej analizy danych.
Spis treści:
1. Wstęp
2. Wprowadzenie
2.1. Czym jesy szereg czasowy?
2.2. Głowne zadania analizy szeregów czasowych
2.3. Etapy w analizie szeregu czasowego
2.4. Przykład dla niecierpliwych
3. Dane
3.1. Dane wbudowane
3.2. Import/Export danych
3.3. Reprezentacja szeregów czasowych w R
3.4. Wybór podzbioru danych
3.5. Dostęp online do danych finansowych
3.6. Dane symulowane
3.7. Ćwiczenia
4. Wykresy i analiza opisowa
4.1. Wykresy zwykłe
4.2. Wykresy sezonowe
4.3. Wykresy autokorelacji
4.4. Ćwiczenia
5. Przekształcenia wstępne szeregów
5.1. Proste korekty kalendarzowe
5.2. Transformacja Boza-Coxa
5.3. Różnicowanie
5.4. Agregacja danych
5.5. Pozostałe transformacje
5.6. Prawidłowa kolejność wykonywania transformacji
5.7. Ćwiczenia
6. Dekompozycja szeregów czasowych
6.1. Idea dekompozycji
6.2. Wygładzanie za pomocą ruchomej średniej
6.3. Dekompzycja klasyczna - estymacja trendu i sezonowości
6.4. Eliminacja trendu i sezonowości z danych
6.5. Zaawansowane metody dekompozycji szeregów czasowych
6.6. Ćwiczenia
7. Modele ARIMA
7.1. Szeregi stacjonarne i niestacjonarne
7.2. Przegląd modeli stacjonarnych: AR, MA, ARMA
7.3. Przegląd modeli niestacjonarnych: ARIMA, SARIMA
7.4. Symulacja szeregów ARMA i ARIMA w R
7.5. Identyfikacja modelu - wybór rzędów: p, q, P, Q, d i D
7.6. Estymacja parametrów modelu
7.7. Diagnostyka: analiza reszt, narzędzia graficzne i testy statystyczne
7.8. Wybór optymalnego modelu
7.9. Ćwiczenia
8. Prognozowanie
8.1. Proste metody prognozowania
8.2. Ocena i porównywanie dokładności prognoz
8.3. Prognozowanie na podstawie modeli ARIMA
8.4. Algorytmy wygładzania wykładniczego
8.5. Prognozy oparte na dekompozycji
8.6. Jak wybrać optymalna metode prognozowania?
8.7 Ćwiczenia
Dodatek A. Jak nauczyć się R?
adobe algorytmy apache asp autocad asembler bsd c++ c# delphi dtp excel flash html java javascript linux matlab mysql office php samba voip uml unix visual studio windows word
Księgarnia Informatyczna zaprasza.