实用时间序列分析

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

96,957 人已注册

包含在 Coursera Plus 中

了解更多

6个模块

深入了解一个主题并学习基础知识。

4.6

（1,732 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。

4.6

（1,732 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

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6分钟
第一周欢迎视频3分钟
R 入门在 Windows 上下载并安装 R5分钟
R 入门在 Mac 上下载并安装 R2分钟
R 入门使用软件包7分钟
连接、五数汇总、标准偏差5分钟
R 中的直方图6分钟
R 中的散点图3分钟
基础统计学复习 I - 简单线性回归6分钟
复习基本统计学 II 更多线性回归8分钟
复习基础统计学 III - 推论12分钟
复习基础统计学 IV9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53分钟

第 2 周欢迎视频1分钟
导言1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9分钟
移动平均过程简介3分钟
模拟 MA(2) 过程6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111分钟

第 3 周欢迎视频1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9分钟
静止性--第一个例子......移动平均数的 ACF10分钟
系列和系列表示法8分钟
后移运算符5分钟
可逆性简介12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 ACF10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 ACF10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 ACF10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 ACF30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1分钟
偏自相关性和 PACF 第一例10分钟
偏自相关和 PACF - 概念发展8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58分钟

第 5 周欢迎视频1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9分钟
ARIMA 过程7分钟
Q 统计3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 ACF10分钟
SARIMA 配件：强生公司14分钟
SARIMA 拟合：牛奶产量7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12分钟
双指数平滑11分钟
三重指数平滑概念开发10分钟
三重指数平滑实施8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 SARIMA10分钟

位教师

授课教师评分

4.6 (392个评价)

Tural Sadigov

The State University of New York

1 门课程96,957 名学生

William Thistleton

The State University of New York

1 门课程96,957 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
状态：免费试用
Coursera Instructor Network
Time Series Mastery: Forecasting with ETS, ARIMA, Python
课程
Packt
Financial Analysis with ARIMA and Time Series Forecasting
课程
Coursera Project Network
Time Series Data Visualization And Analysis Techniques
指导项目

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

4.6

1,732 条评论

5 stars
69.22%
4 stars
23.84%
3 stars
4.96%
2 stars
1.09%
1 star
0.86%

显示 3/1732 个

已于 Oct 29, 2020审阅

Very well instructed course. The teaching staff is phenomenal. Anybody trying to learn the basics of time series and develop a deep understanding will benefit alot from the course

已于 Apr 6, 2021审阅

It is a very good course which builds on the basics of time series and also covers more advanced topics like SARIMA. The course contains ample examples which helped me better understand the material.

已于 Mar 4, 2018审阅

Great introduction to time series with plenty of depth. Really enjoyed the instructors and loved the frequent assessments rather than a big project. Highly recommended

查看更多评论