نام کتاب: Time Series Forecasting With R A Beginner’S Guide
نویسنده: Dr.Arunachalam Rajagopal
ویرایش: ۱
سال انتشار: ۲۰۲۰
کد ISBN کتاب: B0834H9CSZ
فرمت: PDF
تعداد صفحه: ۹۳
حجم کتاب: ۱۵ مگابایت
کیفیت کتاب: OCR
انتشارات:
Description About Book Time Series Forecasting With R A Beginner’S Guide From Amazon
This book offers the reader with basic concepts in R programming for time series forecasting. The tools covered are Simple Moving Average (SMA), Exponential Moving Average (EMA), HoltWinter’s model, Auto Regressive Integrated Moving Average (ARIMA), SARIMA (Seasonal ARIMA), and Dynamic Regression or ARIMAX.
The residuals analysis is an important aspect of time series forecasting and tools like qqplot, Cumulative periodogram (cpgram), and Box test have been used for this purpose throughout the book. Proper residual analysis will ensure model validity and accuracy of prediction.
Knowledge of Business Statistics and R programming is prerequisite for this book.
This book offers the reader with basic concepts in R programming for time series forecasting. The tools covered are Simple Moving Average (SMA), Exponential Moving Average (EMA), HoltWinter’s model, Auto Regressive Integrated Moving Average (ARIMA), SARIMA (Seasonal ARIMA), and Dynamic Regression or ARIMAX.
The residuals analysis is an important aspect of time series forecasting and tools like qqplot, Cumulative periodogram (cpgram), and Box test have been used for this purpose throughout the book. Proper residual analysis will ensure model validity and accuracy of prediction.
Knowledge of Business Statistics and R programming is prerequisite for this book.
Table of Contents:
۰۱ Simple Moving Average (SMA)
۰۲ Exponential Moving Average (EMA)
۰۳ Holtwinter’s Models without trend
۰۴ Holtwinter’s Models with trend
۰۵ Holtwinter’s Seasonal Models
۰۶ ARIMA Model
۰۷ Seasonal ARIMA (SARIMA)
۰۸ ARIMAX / Dynamic Regression
Annexure-I: Dataset
Annexure-Ii: Reference and Bibliography
درباره کتاب Time Series Forecasting With R A Beginner’S Guide ترجمه شده از گوگل
این کتاب مفاهیم اساسی در برنامه نویسی R را برای پیش بینی سری زمانی به خواننده ارائه می دهد. این ابزارها شامل میانگین متحرک ساده (SMA) ، میانگین متحرک نمایی (EMA) ، مدل HoltWinter ، میانگین متحرک متحرک خودکار (ARIMA) ، SARIMA (ARIMA فصلی) و رگرسیون پویا یا ARIMAX هستند.
تجزیه و تحلیل باقیمانده از جنبه های مهم پیش بینی سری زمانی است و از ابزارهایی مانند qqplot ، پریودوگرام تجمعی (cpgram) و تست جعبه برای این منظور در کل کتاب استفاده شده است. تجزیه و تحلیل مناسب باقیمانده اعتبار مدل و صحت پیش بینی را تضمین می کند.
دانش آماری تجارت و برنامه نویسی تحقیق پیش نیاز این کتاب است.
این کتاب مفاهیم اساسی در برنامه نویسی R را برای پیش بینی سری زمانی به خواننده ارائه می دهد. این ابزارها شامل میانگین متحرک ساده (SMA) ، میانگین متحرک نمایی (EMA) ، مدل HoltWinter ، میانگین متحرک متحرک خودکار (ARIMA) ، SARIMA (ARIMA فصلی) و رگرسیون پویا یا ARIMAX هستند.
تجزیه و تحلیل باقیمانده از جنبه های مهم پیش بینی سری زمانی است و از ابزارهایی مانند qqplot ، پریودوگرام تجمعی (cpgram) و تست جعبه برای این منظور در کل کتاب استفاده شده است. تجزیه و تحلیل مناسب باقیمانده اعتبار مدل و صحت پیش بینی را تضمین می کند.
دانش آماری تجارت و برنامه نویسی تحقیق پیش نیاز این کتاب است.
فهرست مطالب:
۰۱ میانگین متحرک ساده (SMA)
۰۲ میانگین متحرک نمایی (EMA)
۰۳ مدل Holtwinter بدون روند
۰۴ Holtwinter’s Models با روند
۰۵ مدل های فصلی Holtwinter
۰۶ مدل ARIMA
۰۷ ARIMA فصلی (SARIMA)
۰۸ ARIMAX / رگرسیون پویا
ضمیمه-I: مجموعه داده
انکسور-آی: مرجع و کتابشناسی
[box type=”info”]
جهت دسترسی به توضیحات این کتاب در Amazon اینجا کلیک کنید.
در صورت خراب بودن لینک کتاب، در قسمت نظرات همین مطلب گزارش دهید.
با خرید اشتراک، بدون محدودیت، کتاب دانلود کن!
