本课程面向正在实践和有抱负的数据科学家和统计学家。这是介绍贝叶斯统计基础的四门课程中的第四门。它以贝叶斯统计课程为基础：从概念到数据分析"、"技术与模型 "和 "混合模型"。
贝叶斯统计：时间序列分析
您将学到什么
建立描述时间依赖关系的模型。
使用 R 对时间序列进行分析和预测。
解释静态时间序列过程。
要了解的详细信息
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 贝叶斯统计 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有5个模块
本模块定义了静态时间序列过程、自相关函数和一阶自回归过程或 AR(1)。此外，还讨论了 AR(1) 的最大似然法参数估计和贝叶斯推断。
涵盖的内容
9个视频12篇阅读材料5个作业
本模块将第 1 周学到的有关 AR(1) 过程的概念扩展到 AR(p) 的一般情况。将讨论 AR（p）的最大似然估计和贝叶斯后验推断。
涵盖的内容
9个视频8篇阅读材料3个作业
本模块定义了正态动态线性模型 (NDLM)，并通过几个例子进行了说明。本模块解释了通过叠加原理基于预测函数建立模型的方法。讨论并说明在已知观测方差和已知系统协方差矩阵的情况下，对 NDLMs 进行贝叶斯滤波、平滑和预测的方法。
涵盖的内容
10个视频7篇阅读材料3个作业
在本 Module 中，您将使用傅立叶表示法和叠加原理扩展正态动态线性模型，以处理季节性结构和更复杂的模型成分。您还将学习观察方差未知时的贝叶斯过滤、平滑和预测，包括使用贴现因子指定系统协方差矩阵。
涵盖的内容
7个视频4篇阅读材料3个作业
在这个毕业设计中，你将使用正态动态线性模型来分析从 Google trend 下载的时间序列数据集。
涵盖的内容
1个作业
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师
授课教师评分
(7个评价)
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
70.58%
- 4 stars
0%
- 3 stars
17.64%
- 2 stars
5.88%
- 1 star
5.88%
显示 3/17 个
YN
已于 Feb 5, 2024审阅
It was a nice course, but it would be better if there were more supplementary materials for the proof and theoretical discussion.
从 数据科学 浏览更多内容
University of California, Santa Cruz
University of California, Santa Cruz
Illinois Tech
¹ 本课程的部分作业采用 AI 评分。对于这些作业，将根据 Coursera 隐私声明使用您的数据。