nav[aria-label="Primary Navigation"] { padding: 0; & ul { list-style: none; width: 100%; display: flex; flex-direction: row; justify-content: start; align-items: start; gap: 30px; padding: 0; & li { margin: 0; } & ul li { list-style: none; } } }

809937_zh-CN

liliconcom · 2024-11-12T14:58:59+00:00

时间序列预测（在“我的视频”中查看）看看如何： * 发射时间序列预测专业建模 * 了解如何自动将推荐模型集拟合到时间序列，以及如何使用最优模型进行预测。 * 选择并解释预测设置，包括 NAhead、周期、NHoldout、保留模型选择标准、预测区间级别和适用模型的插补方法。 * 解释每个系列的最佳预测模型 * 保存预测 * 了解时间序列成分和状态空间平滑模型的技术细节 * 处理缺失值并选择插补方法 * 使用图表构建器进行预测 * 使用 JMP 16 保留功能问答环节从大约 28:00 开始穿插进行。 TSF.JPG TSF2.JPG 资源 * 2022年JMP精通视频和资料：构建和解释ARIMA和季节性ARIMA模型 * 刘和曹在…

liliconcom

时间序列预测

（在“我的视频”中查看）

看看如何：

发射时间序列预测专业建模
了解如何自动将推荐模型集拟合到时间序列，以及如何使用最优模型进行预测。
选择并解释预测设置，包括 NAhead、周期、NHoldout、保留模型选择标准、预测区间级别和适用模型的插补方法。
解释每个系列的最佳预测模型
保存预测
了解时间序列成分和状态空间平滑模型的技术细节
处理缺失值并选择插补方法
使用图表构建器进行预测
使用 JMP 16 保留功能

问答环节从大约 28:00 开始穿插进行。

TSF.JPG

TSF2.JPG

资源

2022年JMP精通视频和资料：构建和解释ARIMA和季节性ARIMA模型
刘和曹在 2021 年 JMP Discovery 视频演示和资料中介绍了JMP 16 时间序列平台的更新。
2019 年 JMP Discovery 材料利用传递函数构建更好的预测模型

高级统计建模

Comments

There are no comments yet