Data Science / Statistik / R Foundation / R / Zeitreihenanalyse mit R

R - Zeitreihenanalyse mit R

ID	1252626
Klassenraum	3 Tage 9:00-16:30
Webinar	5 Tage 9:00-12:30
Methode	Vortrag mit Beispielen und Übungen.
Vorwissen	Grundlagen der Statistik
Zielgruppe	Datenanalysten

Zeitreihen strukturiert beschreiben und darstellen
Einfache Modelle durch Glättung und Interpolation aufbauen
Deterministische Modelle für Erklärung und Prognose entwickeln
ARIMA-Modelle bestimmen und nutzen
VARIMA-Modelle für mehrdimensionale Zeitreihen erstellen

Zeitreihen beschreiben: Beschreiben Sie Zeitreihen mit R und geeigneten R-Paketen
Zeitreihen glätten und interpolieren: Glätten Sie Zeitreihen und nutzen Sie die Glättung für Prognosen
Deterministische Modelle aufbauen: Nutzen Sie die Regressionsanalyse, um in R ein Modell für eine Zeitreihen zu bauen
ARIMA-Modelle erstellen: Verwenden Sie autoregressive Modelle für komplexe Zeitreihenanalyse
VARIMA-Modelle für mehrdimensionale Zeitreihen erstellen: Nutzen Sie VARIMA-Modelle für mehrdimensionale Zeitreihenanalyse

Beschreibung

Setzen Sie R für die Analyse von ein- und mehrdimensionalen Zeitreihen ein und lernen Sie Techniken wie Glättung und Interpolation genauso kennen wie ARIMA, VARIMA und ARCH.

Spezial

Sie erhalten das von Ihrem Dozenten Marco Skulschus veröffentlichte Fachbuch.

Services

Mittagessen / Catering
Hilfe bei Hotel / Anreise
Comelio-Zertifikat
Flexibel: Bis einen Tag vorher kostenlos stornieren

Übersicht

R Zeitreihenanalyse mit R Training Der Funktionsumfang von R kann durch eine Vielzahl von Paketen erweitert und an spezifische statistische Problemstellungen angepasst werden. Speziell für die Analyse von Zeitreihen gibt es auch eine Vielzahl von Paketen. Dieses Seminar zeigt Ihnen, wie Sie Zeitreihen beschreiben (Autokorrelation, Perioden, Komponentenzerlegung und Trendanalyse) und für Zeitreihen Modelle entwickeln können. Dabei lernen Sie, wie Sie AR-/MA- und ARMA-/ARIMA-Modelle für univariate Zeitreihen und VARMA-Modelle für multivariate Zeitreihen ableiten. Darüber hinaus sehen Sie, wie Sie lineare und nichtlineare Modelle (ARCH-Modelle) entwickeln. Mit Hilfe dieser Modelle und weiterer Techniken kann man dann Prognosen in der Zeit durchführen.

Termine

Wir überarbeiten gerade unsere Webseite und die Seminare. Neue Termine gibt es erst ab 2025. Wir bieten dieses Seminar weiterhin als Inhouse-Seminar für Sie und Ihr Team an.

Inhalt

Zeitreihen in R

Einführung in R und RStudio - Zeit und Datum in R erstellen, verwenden und transformieren - Zeitreihen grafisch darstellen - Glättung (gleitende Durchschnitte) und Transformation - Wichtige R-Pakete und Funktionen, um mit Zeitreihen zu arbeiten

Komponentenmodelle

Additives und multiplikatives Modell - Komponenten definieren und ermitteln: Trends / glatte Komponente, Saisonkomponente ermitteln und Saisonbereinigung - Einfache Extrapolationsverfahren - Exponentielle Glättung - Holt-Winters-Verfahren

Deterministische Modelle

Lineare Regression bei Zeitreihen anwenden - Trendbestimmung - Periodizitäten und Periodogramm - Regressionsmodelle für die Saisonkomponente - Prognose - Gütemaße für das Modell - Residuen analysieren - Visualisieren von Daten, Modell und Residuen

Autoregressive Zeitreihenmodelle mit ARIMA

Differenzierung von Zeitreihen - Stationarität und statistische Tests - Autoregression: Autokovarianz, Autokorrelation und Korrelogramm - Definition und grundlegende Eigenschaften, Schätzen von AR- und MA-Modelle, Schätzen und Anpassen von MA-Modellen - ARMA und ARIMA-Modelle - Saisons in ARIMA - Modellbewertung und Residualanalyse - Prognosen - Visualisierung von ARIMA-Modellen

Mehrdimensionale Zeitreihen

Ko-Integration - Korrelation - Kenngrößen mehrdimensionaler Zeitreihen - Mehrdimensionale Zeitreihen und VARIMA - VARIMA-Modelle erstellen, bewerten und nutzen - Grafische Darstellung von VARIMA-Modellen

Dozent/in

Unser Trainer für Statistik und Data-Mining mit R Marco Skulschus studierte in Wuppertal und Paris Ökonomie und arbeitet schon seit mehr als 10 Jahren als Dozent, Fachbuch-Autor zum Thema Datenbanken, Datenanalyse und als Berater für statistische Analyse mit R. Teilnehmer/innen seiner R-Seminare sind Betriebswirte / Volkswirtschaftler, Ingenieure und Doktoranden, die für Statistik und Data Mining R einsetzen wollen.

Veröffentlichungen

Grundlagen empirische Sozialforschung ISBN 978-3-939701-23-1
System und Systematik von Fragebögen ISBN 978-3-939701-26-2
Oracle SQL ISBN 978-3-939701-41-5
SQL Server 2012: Data Mining und multivariate Verfahren ISBN 978-3-939701-85-9
SQL und relationale Datenbanken ISBN 978-3-939701-52-1

Projekte

Als Berater konzipiert Herr Skulschus Analysesysteme auf Basis von relationalen Datenbanken und entwickelt dann statistische Modelle und Analysen mit R-Programmierung. Zu seinen Kunden zählen Marktforschungsunternehmen, Marketing-Abteilungen sowie Abteilungen für die Qualitätssicherung und Prozessoptimierung oder auch Forschungseinrichtungen.

Forschung

Er leitete ein mehrjähriges Forschungsprojekt zur Entwicklung eines Fragebogensystems mit ontologie-basiertem Datenmodell und innovativen Frage-Antwort-Darstellungen. Förderung durch das BMWi und Zusammenarbeit mit verschiedenen Universitäten.