Time Series ARIMA ModelsTime series

Time Series ARIMA Models
Time series ARIMA models are applied with time series data of variables measured over time.  Time series analysis examines relationships of variables over time such as commodity prices or crop yields.  Time series models may be used for analyzing the effects of a specific event (such as the effects of the recession on unemployment rates) or for forecasting (for example to predict economic growth or future prices).

Time series models: topics covered
White noise, autoregressive (AR) models, moving average (MA) models, ARMA models 
Stationarity, differencing, detrending, seasonality
Dickey-Fuller test for stationarity
Autocorrelation function (ACF) and partial autocorrelation function (PACF)
Box-Jenkins methodology for selecting an ARIMA model

ผลลัพธ์ (ไทย) 2:

อนุกรมเวลา ARIMA รุ่น
เวลาชุดแบบจำลอง ARIMA ถูกนำมาใช้กับข้อมูลอนุกรมเวลาของตัวแปรที่วัดเมื่อเวลาผ่านไป การวิเคราะห์อนุกรมเวลาตรวจสอบความสัมพันธ์ของตัวแปรในช่วงเวลาดังกล่าวเป็นราคาสินค้าโภคภัณฑ์หรือผลผลิตพืช เวลาโมเดลชุดอาจจะใช้สำหรับการวิเคราะห์ผลกระทบของเหตุการณ์เฉพาะ (เช่นผลกระทบของภาวะเศรษฐกิจถดถอยในอัตราการว่างงาน) หรือสำหรับการพยากรณ์ (ตัวอย่างเช่นการคาดการณ์การเติบโตทางเศรษฐกิจหรือราคาในอนาคต). เวลาโมเดลชุด: หัวข้อที่ครอบคลุมเสียงสีขาว, อัต (AR) รุ่นค่าเฉลี่ยเคลื่อนที่ (MA) รุ่น ARMA รุ่น  stationarity, ความแตกต่าง, detrending ฤดูกาลทดสอบผ้ากันเปื้อน-ฟุลเลอร์สำหรับ stationarity ฟังก์ชั่นอัต (ACF) และฟังก์ชั่นอัตบางส่วน (PACF) วิธี Box-เจนกิ้นส์สำหรับการเลือกรูปแบบ ARIMA