| ID | 1252617 |
|---|---|
| Klassenraum | 2 Tage 9:00-16:30 |
| Webinar | 4 Tage 9:00-12:30 |
| Methode | Vortrag mit Beispielen und Übungen. |
| Vorwissen | Allgemeine Kenntnisse der Mathematik |
| Zielgruppe | Datenanalysten |
- Zeitreihen mit IBM SPSS Statistics strukturiert beschreiben und darstellen
- Einfache Modelle durch Glättung und Interpolation aufbauen
- Deterministische Modelle für Erklärung und Prognose entwickeln
- ARIMA-Modelle bestimmen und nutzen
- Zeitreihen mit IBM SPSS Statistics beschreiben
- Beschreiben Sie die innere Struktur von Zeitreihen
- Zeitreihen glätten und interpolieren
- Glätten Sie Zeitreihen und nutzen Sie die Glättung für Prognosen
- Deterministische Modelle aufbauen
- Nutzen Sie die Regressionsanalyse, um ein Modell für eine Zeitreihen zu bauen
- ARIMA-Modelle erstellen
- Verwenden Sie autoregressive Modelle für komplexe Zeitreihenanalyse
Beschreibung
Nutzen Sie IBM SPSS Statistics, um Zeitreihen zu beschreiben und zu verarbeiten sowie mit Kompponentenmodellen und ARIMA zu modellieren.
Spezial
Zeitreihen-Daten mit IBM SPSS Statistics erfolgreich analysieren und prognostizieren lernen
Services
- Mittagessen / Catering
- Hilfe bei Hotel / Anreise
- Comelio-Zertifikat
- Flexibel: Bis einen Tag vorher kostenlos stornieren
Eine Zeitreihe ist eine zeitabhängige Folge von Datenpunkten. Typische Beispiele für Zeitreihen sind makroökonomische Größen, marktbezogene Daten sowie auch technische Messdaten. Die Zeitreihenanalyse beschäftigt sich mit der mathematisch-statistischen Analyse von Zeitreihen und der Vorhersage ihrer künftigen Entwicklung. Sie ist eine Spezialform der Regressionsanalyse. Das Zeitreihenanalyse-Seminar mit IBM SPSS Statistics zeigt eine Auswahl an Methoden, Zeitreihenanalysen durchzuführen. Im ersten Teil lernen Sie, wie Sie eine Zeitreihe beschreiben und in zentralen Kenngrößen zusammenfassen können. Der zweite Teil stellt die univariate Zeitreihenanalyse vor. Sie beinhaltet die Zerlegung einer Zeitreihe sowie die Ableitung von (autoregressiven) Regressionsmodellen mit ARIMA-Modellen. 
