کتاب تحلیل داده‌های سری زمانی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل داده‌های سری زمانی

موضوع کلی: آموزش پایگاه داده

موضوع میانی: پایگاه داده و داده‌های مربوط به گذشته (Past Data)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل سری‌های زمانی
• 2. مفاهیم پایه سری‌های زمانی و کاربردها
• 3. انواع داده‌های سری زمانی
• 4. جمع‌آوری و پیش‌پردازش داده‌های سری زمانی
• 5. نمودارهای سری زمانی و تفسیر آن‌ها
• 6. میانگین متحرک و هموارسازی
• 7. تجزیه واریانس
• 8. تجزیه فصلی
• 9. مدل‌های خودهمبستگی (AR)
• 10. مدل‌های میانگین متحرک (MA)
• 11. مدل‌های خودهمبستگی میانگین متحرک (ARMA)
• 12. شناسایی مرتبه مدل‌های ARMA
• 13. تخمین پارامترهای مدل‌های ARMA
• 14. آزمون‌های بررسی برازش مدل ARMA
• 15. پیش‌بینی با استفاده از مدل‌های ARMA
• 16. مدل‌های خودهمبستگی یکپارچه میانگین متحرک (ARIMA)
• 17. شناسایی مرتبه مدل‌های ARIMA
• 18. تخمین پارامترهای مدل‌های ARIMA
• 19. آزمون‌های بررسی برازش مدل ARIMA
• 20. پیش‌بینی با استفاده از مدل‌های ARIMA
• 21. مدل‌های فصلی ARIMA (SARIMA)
• 22. شناسایی مرتبه مدل‌های SARIMA
• 23. تخمین پارامترهای مدل‌های SARIMA
• 24. آزمون‌های بررسی برازش مدل SARIMA
• 25. پیش‌بینی با استفاده از مدل‌های SARIMA
• 26. مدل‌های نمایی هموارسازی (ETS)
• 27. انتخاب مدل ETS
• 28. تفسیر پارامترهای مدل ETS
• 29. پیش‌بینی با استفاده از مدل‌های ETS
• 30. مدل‌های فضای حالت (State Space Models)
• 31. فیلتر کالمن
• 32. هموارسازی کالمن
• 33. بررسی و ارزیابی مدل‌های فضای حالت
• 34. مدل‌های GARCH برای داده‌های ناهموار
• 35. آزمون‌های ناهمواری شرطی
• 36. پیش‌بینی ناهمواری با استفاده از مدل‌های GARCH
• 37. تحلیل سری‌های زمانی چندمتغیره
• 38. بررسی هم‌انباشتگی
• 39. مدل‌های برداری خودرگرسیونی (VAR)
• 40. تخمین پارامترهای مدل VAR
• 41. پیش‌بینی با استفاده از مدل‌های VAR
• 42. تحلیل علیت گرنجر
• 43. تحلیل طیفی
• 44. تبدیل فوریه
• 45. طیف توان