Sehen Sie sich das Video „JMP beherrschen: Analysieren von Datums-/Uhrzeitdaten“ an.
- Dies ist die On-Demand-Version des Webinars vom Juni 2022. Der Seminarinhalt wurde für den On-Demand-Einsatz neu konfiguriert und stellt die Fähigkeit von JMP vor, Datums-/Uhrzeitdaten effektiv zu visualisieren und Zeitreihendaten zu analysieren.
- Das Video besteht aus zwei Kapiteln (Kapitel1, Kapitel2), und jedes Kapitel ist in drei Abschnitte unterteilt (Abschnitt1 bis Abschnitt3).
- Die im Video verwendeten Daten im JMP-Format (.jmp) können über den Link unten auf dieser Seite heruntergeladen werden.
*Dieses Seminar verwendet JMP 16.2, die neueste Version zum Zeitpunkt der Videoerstellung (August 2022).
*Zum Zeitpunkt des Webinars wurde die Funktion „Function Data Explorer“ eingeführt, sie ist jedoch nicht in diesem On-Demand-Video enthalten. Die Funktionen des „Functional Data Explorer“ stellen wir Ihnen bei einer anderen Gelegenheit vor.
Kapitel 1: Wie JMP mit Datums-/Uhrzeitdaten umgeht und wie man sie effektiv visualisiert
Wir behandeln die Grundlagen des Datums-/Uhrzeit-Datenformats von JMP und liefern darauf aufbauend Beispiele dafür, wie JMP zur Visualisierung von Datums-/Uhrzeitdaten verwendet werden kann. Als Grafiken zur Visualisierung verwenden wir Liniendiagramme, glatte Linien, Regressionslinien, Balkendiagramme, Heatmaps und Blasendiagramme.
・Kapitel1 Abschnitt1 : Grundlagen von Datums-/Uhrzeitdaten in JMP (10:20)
・Kapitel1 Abschnitt2 : Analysebeispiel 1 Tagesdaten (13:09)
・Kapitel1 Abschnitt3 : Analysebeispiel 2 Jahres- und Monatsdaten (14 Minuten 48 Sekunden)
-------------------------------------------------- -------------------------------------------------- -------------------------------------------------- --------------------------
Kapitel 2: Zeitreihenvorhersage mit JMP - ARIMA-Modell, Zustandsraum-Glättungsmodell -
Erfahren Sie, wie Sie mit JMP Modelle an Zeitreihendaten anpassen und zukünftiges Verhalten vorhersagen. In JMP gibt es zwei Plattformen für Zeitreihenprognosen: „Zeitreihenanalyse“ und „Zeitreihenprognose“. Demonstrieren Sie die Anpassung, wählen Sie das beste Modell aus und treffen Sie Vorhersagen aus dem angepassten Modell.
・Kapitel2 Abschnitt1 : Einführung (5 Minuten 57 Sekunden)
・Kapitel2 Abschnitt2 : Anpassung eines ARIMA-Modells mit "Time Series Analysis" (18:35)
・Kapitel2 Abschnitt3 : Anpassung eines State-Space-Glättungsmodells durch „Time Series Prediction“ (18:03)
