285785_ja-JP
時系列分析と予測
次の方法をご覧ください。
- JMPが時系列分析に使用するBox-Jenkins方法論の理解と実装
- ARIMA（AutoRegressive Integrated Moving-Average）モデルを作成し、それらが適切かどうかを判断し、モデルを比較し、モデルを変更する
- 差分を使用してデータを変換します。これは、JMPに組み込まれている方法であり、連続する観測間の差異を計算し、時系列を定常的にして、モデル化して予測に使用できるようにします。
- 予測データを含むテーブルを保存する
次の方法をご覧ください。
- 季節コンポーネント、時間の経過とともに変動性が増加するデータ、またはデータ変換を必要とする成長パターンを持つデータを処理する季節ARIMAモデルを構築する
- JMPがARIMAモデルを計算する方法を理解する
- 季節の自己回帰順序、季節の差分順序、季節の移動平均順序、および季節ごとの期間数を指定する
次の方法をご覧ください。
- モデルが構築される時系列中にポリシーの変更やマーケティング活動などの介入が発生した場合に伝達関数を使用する
- 介入を考慮したARIMA-XおよびARIMAモデルを構築する
- 介入がバイナリとして表示されるモデルと予測（はいの場合は1、いいえの場合は0）
- 伝達関数オプションとJMPの対話型予測を使用して、入力の変更に基づいて予測を動的に変更します。/li>
- X-11分解を使用して、米国国勢調査局が開発したX-11メソッドを使用して、傾向と季節的影響を削除します。
- JMPで利用可能な迅速な予測のための平滑化方法を理解する（単純な指数、二重指数、線形指数、減衰傾向線形指数、季節指数、およびWintersメソッド）
資源
16〜30分31分以上6〜15分時系列ビデオ
Comments
There are no comments yet
