Avis des lecteurs
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 4 votes.
Titre original :
Time Series Analysis and Forecasting using Python & R
Contenu du livre :
Ce livre en couleur suppose une connaissance de base des statistiques et de la modélisation mathématique ou statistique.
Une petite expérience de la programmation serait appréciable, mais elle n'est pas nécessaire. Nous utilisons des données actuelles du monde réel, comme COVID-19, pour motiver l'analyse des séries temporelles, avec trois problèmes principaux qui apparaissent dans presque tous les chapitres : « Vous avez du lait ? « , « Vous avez un emploi ? « et « Où est le bœuf ? « Chapitre 1 : Chargement des données dans les environnements R-Studio et Jupyter Notebook.
Chapitre 2 : Composantes d'une série temporelle et décomposition Chapitre 3 : Moyennes mobiles (MA) et COVID-19 Chapitre 4 : Lissage exponentiel simple (SES), lissage exponentiel double et triple de Holt et Holt-Winter Chapitre 5 : Programmation Python dans Jupyter Notebook pour les concepts couverts dans les chapitres 2, 3 et 4 Chapitre 6 : Stationnarité et différentiation, y compris les tests de racine unitaire. Chapitre 7 : Modélisation ARIMA et SARMIA (saisonnière) et élaboration de prévisions Chapitre 8 : Modélisation ARIMA à l'aide de Python Chapitre 9 : Modèles structurels et analyse à l'aide de modèles à composantes non observées (MNU) Chapitre 10 : Analyse avancée des séries temporelles, y compris les interventions sur les séries temporelles, les régresseurs exogènes et les processus vectoriels autorégressifs (VAR).
Autres informations sur le livre :
| ISBN : | 9781716451133 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Relié |
Achat:
Actuellement disponible, en stock.
