Statistik - Zeitreihenanalyse mit R

• Dauer:
  3 Tage
• Lieferart:
  Classroom
• Zielgruppe:
  Information Workers
• Vorkenntnisse:
  Grundlagen der Statistik
• Methode:
  Vortrag mit Beispielen und Übungen.
• Kursnummer:
  2022780
• 
  Themen:
  Der Funktionsumfang von R kann durch eine Vielzahl von Paketen erweitert und an spezifische statistische Problemstellungen angepasst werden. Speziell für die Analyse von Zeitreihen gibt es auch eine Vielzahl von Paketen. Dieses Seminar zeigt Ihnen, wie Sie Zeitreihen beschreiben (Autokorrelation, Perioden, Komponentenzerlegung und Trendanalyse) und für Zeitreihen Modelle entwickeln können. Dabei lernen Sie, wie Sie AR-/MA- und ARMA-/ARIMA-Modelle für univariate Zeitreihen und VARMA-Modelle für multivariate Zeitreihen ableiten. Darüber hinaus sehen Sie, wie Sie lineare und nichtlineare Modelle (ARCH-Modelle) entwickeln. Mit Hilfe dieser Modelle und weiterer Techniken kann man dann Prognosen in der Zeit durchführen.

Stationäre Zeitreihen: Darstellung von Zeitreihen, Autokovarianz und Autokorrelation, Stationarität, Kennfunktionen - Komponentenmodell - Deterministische Trends: Trendbestimmung mittels Regression, Bestimmung der glatten Komponente - Saisonbereinigung - Transformationen - Einfache Extrapolationsverfahren

Autoregressive Modelle: Definition und grundlegende Eigenschaften, Schätzen von AR-Parametern, Spezfikation von AR-Modellen - MA-Modelle: Definition und grundlegende Eigenschaften, Schätzen und Anpassen von MA-Modellen - ARMA-Modelle - ARIMA-Modelle

Instationaritäten - Einheitswurzeltests

Exponentielle Glättung - Prognose mit ARIMA-Modellen - Trendextrapolation mit ARIMA-Störungen

Periodizitäten und periodische Trends - Periodogramm: Definition, Interpretation, Statistische Tests - Spektren: Definition und Eigenschaften, Lineare Filter im Frequenzbereich - Spektralschätzung

Kenngrößen mehrdimensionaler Zeitreihen - Mehrdimensionale Zeitreihen und ihre Modelle: VARMA-Prozesse, Ko-Integration

Nichtlinearität in Zeitreihen - Markov-switching Modelle: Markov-Ketten, Markov-switching autoregressive Prozesse, Inferenz - Bedingt heteroskedastische Modelle: ARCH-Modelle, Modellanpassung und Parameterschätzung

Marco Skulschus studierte in Wuppertal und Paris Ökonomie mit Schwerpunkt Wirtschaftsinformatik und arbeitet schon seit mehr als 10 Jahren als Dozent und Projektleiter/Berater für Business Intelligence.

Veröffentlichungen

• "MS SQL Server - XML und SOAP-Webservices" (Comelio Medien, ISBN 978-3-939701-03-3)
• "MS SQL Server - T-SQL Programmierung und Abfragen" (Comelio Medien, ISBN 978-3-939701-02-6)
• "SQL und relationale Datenbanken" (Comelio Medien, ISBN 978-3-939701-52-1)
• "Grundlagen empirische Sozialforschung - Befragung und Fragebogen im Unternehmen" (Comelio Medien, ISBN 978-3-939701-23-1)
• "System und Systematik von Fragebögen" (Comelio Medien, ISBN 978-3-939701-26-2)

Erfahrung: Als Berater und Projektleiter konzipiert Herr Skulschus Business Intelligence-Systeme auf Basis von OLAP und Data Warehouse-Technologien mit Berichtskomponenten, statistische Analysen und Data Mining-Modulen. Zu seinen größten Projekten zählt die Entwicklung eines Data Warehouses für den Deutschen Bundesrat mit deutschen Steuerdaten für Analysen und Prognosen.

Projekte: Als Berater und Projektleiter konzipiert Herr Skulschus Business Intelligence-Systeme auf Basis von OLAP und Data Warehouse-Technologien mit Berichtskomponenten, statistische Analysen und Data Mining-Modulen. Zu seinen größten Projekten zählt die Entwicklung eines Data Warehouses für den Deutschen Bundesrat mit deutschen Steuerdaten für Analysen und Prognosen.

Zertifizierung: Marco Skulschus ist zertifiziert als "Microsoft Certified Trainer", "Microsoft Certified Application Designer" und hat die ComptiaCTT+-Prüfung absolviert.

Bei der Anmeldung von mehreren Teilnehmern bieten wir Ihnen attraktive Rabatte an. Ab drei Teilnehmern kann sich ein Inhouse-Seminar bei Ihnen lohnen. Gern erstellen wir Ihnen ein individuelles Angebot.
Alle Preise zuzüglich der gesetzlichen Mehrwertsteuer.