实用时间序列分析

抓住节省的机会！购买 Coursera Plus 3 个月课程可享受40% 的折扣，并可完全访问数千门课程。

实用时间序列分析

Q: 我什么时候能看到讲座和作业？

要获取课程资料、作业和证书，您需要在注册课程时购买证书体验。 您可以尝试免费试听，或申请资助。课程可能提供 "完整课程，无证书"。通过该选项，您可以查看所有课程资料，提交必要的评估，并获得最终成绩。这也意味着您无法购买证书体验。

位教师：Tural Sadigov

98,190 人已注册

包含在中

了解更多

6个模块

深入了解一个主题并学习基础知识。

1,739 条评论

中级等级

需要一些相关经验

灵活的计划

3 周在 10 小时一周

自行安排学习进度

91%

大多数学生喜欢此课程

6个模块

深入了解一个主题并学习基础知识。

1,739 条评论

中级等级

需要一些相关经验

灵活的计划

3 周在 10 小时一周

自行安排学习进度

91%

大多数学生喜欢此课程

您将获得的技能

您将学习的工具

R Programming

要了解的详细信息

可分享的证书

添加到您的领英档案

作业

19 项作业

授课语言：英语（English）

了解顶级公司的员工如何掌握热门技能

了解关于 Coursera for Business 的更多信息

Petrobras, TATA, Danone, Capgemini, P&G 和 L'Oreal 的徽标

该课程共有6个模块

欢迎访问实用时间序列分析！我们中的许多人都是 "意外 "成为数据分析师的。我们接受过科学、商业或工程方面的培训，然后发现自己面对的数据并没有经过正规的分析培训。这门课程是为具有一定技术能力的人设计的，他们需要的不仅仅是 "食谱 "式的方法，还需要专注于常规的演示和分析，以加深对专业主题的理解。

在实用时间序列分析中，我们将研究代表序列信息的数据集，如股票价格、年降雨量、太阳黑子活动、农产品价格等。我们将研究几种数学模型，这些模型可用来描述产生这些类型数据的过程。此外，我们还将学习能够深入了解数据的图形表示法。最后，我们还将学习如何进行预测，从而对我们未来的预期做出明智的判断。请花几分钟时间浏览课程网站。您将在网站上找到视频讲座和辅助书面材料，以及有助于强调重要知识点的测验。课程使用的语言是 R 语言，它是 S 语言的免费实现。您可以与其他学员讨论课程中的材料。请花点时间介绍一下自己！时间序列分析需要花费精力去学习--我们试图以一种让你理解足够多数学知识的方式来介绍那些 "关键任务 "的想法，让你满意，同时又能立即取得成效。希望您喜欢这门课！

在第一周，我们将介绍如何在 Windows 和 Mac 上下载和安装 R。我们将复习您在课程中需要的推理和描述统计基础知识。

涵盖的内容

12个视频4篇阅读材料2个作业3个非评分实验室

12个视频总计79分钟

课程介绍 7分钟
第一周欢迎视频 4分钟
R 入门在 Windows 上下载并安装 R 5分钟
R 入门在 Mac 上下载并安装 R 3分钟
R 入门使用软件包 8分钟
连接、五数汇总、标准偏差 6分钟
R 中的直方图 6分钟
R 中的散点图 4分钟
基础统计学复习 I - 简单线性回归 7分钟
复习基本统计学 II 更多线性回归 9分钟
复习基础统计学 III - 推论 12分钟
复习基础统计学 IV 9分钟

4篇阅读材料总计31分钟

欢迎来到第一周 1分钟
R 入门 10分钟
基础统计学复习（包括线性回归和假设检验） 10分钟
用相关函数测量线性关联 10分钟

2个作业总计60分钟

可视化 30分钟
基本统计回顾 30分钟

3个非评分实验室总计30分钟

连接、五位数汇总、标准偏差代码 10分钟
直方图代码 10分钟
散点图代码 10分钟

本周，我们将开始探索时间序列，并将其可视化为获取的数据集。此外，我们还将着手建立分析时间序列数据所需的数学模型。

涵盖的内容

10个视频1篇阅读材料3个作业1个非评分实验室

10个视频总计54分钟

第 2 周欢迎视频 2分钟
导言 2分钟
时间图 8分钟
关于（弱）静止性的第一个直觉 2分钟
自方差函数 9分钟
自方差系数 6分钟
自相关函数 (ACF) 5分钟
随机漫步 10分钟
移动平均过程简介 3分钟
模拟 MA(2) 过程 7分钟

1篇阅读材料总计10分钟

接下来两节课的所有幻灯片 10分钟

3个作业总计90分钟

噪音与信号 30分钟
随机漫步与纯随机过程 30分钟
时间图、静止性、ACV、ACF、随机漫步和 MA 过程 30分钟

1个非评分实验室总计60分钟

模拟 MA(2) 过程 - 下一个视频讲座的代码 60分钟

在第 3 周，我们将介绍时间序列分析中的几个重要概念：静止性、后移算子、可逆性和对偶性。我们开始探索自回归过程和尤勒-沃克方程。

涵盖的内容

13个视频7篇阅读材料4个作业

13个视频总计112分钟

第 3 周欢迎视频 2分钟
静止性--直觉和定义 13分钟
静止性 - 第一个例子......白噪声和随机漫步 10分钟
静止性--第一个例子......移动平均数的 ACF 10分钟
系列和系列表示法 9分钟
后移运算符 6分钟
可逆性简介 13分钟
双重性 9分钟
均方收敛（可选） 7分钟
自回归过程 - 定义、模拟和第一个例子 9分钟
自回归过程 - 后移算子和 ACF 11分钟
差分方程 7分钟
尤勒 - 沃克方程 6分钟

7篇阅读材料总计70分钟

静止性 - 示例 - 白噪声、随机漫步和移动平均线 10分钟
静止性--直觉和定义 10分钟
静止性 - 移动平均线的 ACF 10分钟
第 2 课和第 4 课的所有幻灯片 10分钟
自回归过程--定义和第一个例子 10分钟
自回归过程 - 后移算子和 ACF 10分钟
尤乐 - 沃克方程 - 幻灯片 10分钟

4个作业总计120分钟

静止性 30分钟
数列、后移算子、可逆性和对偶性 30分钟
AR(p) 和 ACF 30分钟
差分方程和尤勒-沃克方程 30分钟

本周将介绍偏自相关性。我们将更多地研究尤勒-沃克方程，并将迄今所学应用于现实世界中的一些数据集。

涵盖的内容

8个视频3篇阅读材料3个作业4个非评分实验室

8个视频总计69分钟

第 4 周欢迎视频 2分钟
偏自相关性和 PACF 第一例 11分钟
偏自相关和 PACF - 概念发展 9分钟
矩阵形式的尤勒-沃克方程 8分钟
Yule Walker 估计 - AR(2) 模拟 17分钟
Yule Walker 估计 - AR(3) 模拟 5分钟
招聘数据 - 模型拟合 8分钟
强生公司-模型试装 8分钟

3篇阅读材料总计30分钟

偏自相关性和 PACF 第一例 10分钟
部分自相关性和 PACF：概念发展 10分钟
接下来两节课的所有幻灯片 10分钟

3个作业总计90分钟

部分自相关 30分钟
矩阵形式的尤勒-沃克和尤勒-沃克估计 20分钟
休伦湖 "数据集 40分钟

4个非评分实验室总计80分钟

AR(2) 仿真（参数估计） 20分钟
AR(3) 仿真（参数估计） 20分钟
招聘--模型拟合 20分钟
强生公司-模型试装 20分钟

第 5 周，我们开始使用 Akaike 信息准则作为判断模型的工具，介绍 ARMA、ARIMA 等混合模型，并对一些真实世界的数据集进行建模。

涵盖的内容

7个视频6篇阅读材料4个作业2个非评分实验室

7个视频总计59分钟

第 5 周欢迎视频 2分钟
阿凯克信息准则与模型质量 11分钟
ARMA 模型（和一点理论） 9分钟
ARMA 特性和示例 10分钟
ARIMA 过程 8分钟
Q 统计 4分钟
1959 年加利福尼亚州的每日出生人数 15分钟

6篇阅读材料总计55分钟

阿凯克信息准则与模型质量 10分钟
ARMA 模型和一点理论 10分钟
ARMA 特性和示例 10分钟
本课的所有幻灯片 10分钟
每日出生数据集 10分钟
每日女性出生率（R 文件） 5分钟

4个作业总计133分钟

AIC 和模型构建 30分钟
ARMA 过程 30分钟
ARIMA 和 Q 统计量 25分钟
BJsales" 数据集 48分钟

2个非评分实验室总计40分钟

ARIMA（2,1,1）模拟 20分钟
每日出生 - R 代码 20分钟

在课程的最后一周，我们将介绍另一种模型：SARIMA 模型。我们将 SARIMA 模型与各种数据集进行拟合，并开始预测。

涵盖的内容

10个视频6篇阅读材料3个作业2个非评分实验室

10个视频总计101分钟

第 6 周欢迎视频 2分钟
SARIMA 过程 10分钟
SARIMA 模型的 ACF 10分钟
SARIMA 配件：强生公司 15分钟
SARIMA 拟合：牛奶产量 8分钟
SARIMA fitting：纪念品商店的销售 12分钟
使用简单指数平滑法进行预测 13分钟
双指数平滑 11分钟
三重指数平滑概念开发 11分钟
三重指数平滑实施 9分钟

6篇阅读材料总计70分钟

接下来两节课的所有幻灯片 10分钟
SARIMA 仿真（代码块） 20分钟
J&J 的 SARIMA 代码（代码块） 10分钟
使用简单指数平滑法进行预测 10分钟
利用霍尔特-温特斯趋势（双指数）进行预测 10分钟
使用霍尔特温特进行趋势和季节性预测（三重指数法） 10分钟

3个作业总计95分钟

SARIMA 过程 25分钟
USAccDeaths "数据集 40分钟
预测 30分钟

2个非评分实验室总计20分钟

牛奶产量的 SARIMA 代码 10分钟
纪念品商店销售代码 SARIMA 10分钟

位教师

授课教师评分

(393个评价)

Tural Sadigov

The State University of New York

1 门课程 98,190 名学生

William Thistleton

The State University of New York

1 门课程 98,190 名学生

提供方

The State University of New York

从概率论与数理统计浏览更多内容

状态：免费试用
Illinois Tech
Introduction to Time Series
课程
Packt
A Practical Approach to Timeseries Forecasting Using Python
课程
状态：免费试用
Coursera
Time Series Mastery: Forecasting with ETS, ARIMA, Python
课程
状态：免费试用
University of California, Santa Cruz
Bayesian Statistics: Time Series Analysis
课程

人们为什么选择 Coursera 来帮助自己实现职业发展

Felipe M.

自 2018开始学习的学生

''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'

Jennifer J.

自 2020开始学习的学生

''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'

Larry W.

自 2021开始学习的学生

''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'

Chaitanya A.

''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'

学生评论

5 stars
69.17%
4 stars
23.92%
3 stars
4.94%
2 stars
1.09%
1 star
0.86%

显示 3/1739 个

已于 Jan 23, 2020审阅

Excelente, uno de los mejores cursos que he tomado. Lo más importante es que se practica muy seguido y hay examenes durante los vídeos. Si hay un nivel más avanzado de este tema, seguro que lo tomo.

已于 Mar 20, 2019审阅

This was a very good and detailed course. I liked this course for two reasons mainly:It started from the basics of timeseries analysis, covering theory and secondly it took me gradually to r.

已于 Feb 27, 2018审阅

I have not completed the course yet, working on week 5. If you have some Math background, this course gives a good practical introduction to Time Series Analysis. I recommend it.

查看更多评论