آموزش تجزیه و تحلیل و پیش بینی سری های زمانی با MS Excel

Time Series Analysis and Forecasting with MS Excel

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: آشنایی با چارچوب جامع تحلیل و پیش بینی سری های زمانی با MS Excel آموزش میانگین وزنی، تحلیل میانگین متحرک نمایی و روش های پیش بینی ساده رگرسیون، تجزیه سری های زمانی رگرسیون ساده و چندگانه و روش های هموارسازی نمایی پیش بینی و گام ها در پیش بینی دانش پیش ها: ریاضیات و آمار

تحلیل سری زمانی یک روش آماری برای تجزیه و تحلیل داده های گذشته در یک مدت زمان معین برای پیش بینی آینده است. این شامل توالی مرتب داده‌ها در فواصل مساوی است. برای درک داده های سری زمانی تجزیه و تحلیل اجازه دهید مثالی را در نظر بگیریم. نمونه ای از داده های مسافران هواپیمایی را در نظر بگیرید. تعداد مسافران در یک دوره زمانی مشخص است.

داده های سری زمانی فراوانی از انواع فیلدها تولید می شود. و از این رو تحلیل سری زمانی مطالعه کاربردهای زیادی دارد. بیایید سعی کنیم اهمیت تحلیل سری های زمانی را در حوزه های مختلف درک کنیم.

  1. زمینه اقتصاد: مطالعات بودجه، تجزیه و تحلیل سرشماری، و غیره.

  2. زمینه مالی: به طور گسترده در زمینه مالی مانند درک نوسانات بازار سهام، مدیریت بازده، درک نوسانات بازار و غیره استفاده می شود.

  3. علوم اجتماعی: نرخ تولد یا مرگ و میر در یک دوره زمانی مشخص و می تواند با طرح هایی به نفع آنها باشد.

  4. مراقبت های بهداشتی: یک اپیدمیولوژیست ممکن است علاقه مند به دانستن تعداد افراد آلوده در سال های گذشته باشد. مانند شرایط فعلی، محققان ممکن است علاقه مند به شناخت افرادی باشند که تحت تأثیر ویروس کرونا در یک دوره زمانی قرار گرفته اند. فشار خون ردیابی شده در یک دوره زمانی را می توان در ارزیابی دارو استفاده کرد.

  5. علوم زیست محیطی: داده های سری زمانی محیطی می تواند به ما در توضیح افزایش دما در چند سال گذشته کمک کند. نمودار داده های دما را در یک دوره زمانی نشان می دهد

داده‌های سری زمانی جمع‌آوری‌شده در نقاط مختلف زمانی، فرض مدل آماری مرسوم را به‌عنوان همبستگی بین نقاط داده مجاور وجود دارد. این ویژگی نقض داده های سری زمانی یکی از مفروضات اصلی است که نقاط داده مجاور مستقل و به طور یکسان توزیع شده اند. این امر نیاز به یک رویکرد سیستماتیک را برای مطالعه داده‌های سری زمانی ایجاد می‌کند که می‌تواند به ما کمک کند به سؤالات آماری و ریاضی که به دلیل همبستگی زمانی وجود دارد پاسخ دهیم.

تحلیل سری‌های زمانی طیف وسیعی از کاربردها را شامل می‌شود، آمار، اقتصاد، جغرافیا، بیوانفورماتیک، علوم اعصاب. پیوند مشترک بین همه آنها ارائه یک تکنیک پیچیده است که می تواند برای مدل سازی داده ها در یک دوره زمانی معین که اطلاعات همسایه وابسته است استفاده شود.

در سری‌های زمانی، زمان متغیر مستقل است و هدف پیش‌بینی است.


سرفصل ها و درس ها

معرفی Introduction

  • مقدمه ای بر پروژه Introduction to Project

  • پیش بینی با اکسل Forecasting with Excel

سناریو Scenario

  • قرن 21 در سناریوی انتشار کم 21st Century in Low Emission Scenario

  • قرن 21 در سناریوی انتشار کم ادامه دارد 21st Century in Low Emission Scenario Continue

  • قرن 21 در سناریوی انتشار متوسط 21st Century in Medium Emission Scenario

  • قرن 21 در سناریوی انتشار متوسط ​​ادامه دارد 21st Century in Medium Emission Scenario Continue

  • قرن 21 در سناریوی انتشار بالا 21st Century in High Emission Scenario

  • قرن 21 در سناریوی انتشار بالا ادامه دارد 21st Century in High Emission Scenario Continue

میانگین وزنی Weighted Average

  • محاسبه LES میانگین دمای حداقل سالانه Calculating Annual Minimum Temperature Average LES

  • میانگین وزنی حداکثر دمای LES Weighted Average Maximum Temperature LES

  • میانگین وزنی حداقل دما Weighted Average Minimum Temperature

  • میانگین وزنی دما 2A و 2B Weighted Average Temperature 2A and 2B

  • میانگین وزنی حداکثر دمای MES Weighted Average Max Temperature MES

  • میانگین وزنی حداقل دمای HES Weighted Average Minimum Temperature HES

  • میانگین وزنی حداکثر دمای HES Weighted Average Max Temperature HES

تحلیل میانگین متحرک نمایی Exponential Moving Average Analysis

  • بهترین سناریو با میانگین نمایی حداقل دما Exponential Average Minimum Temperature Best Scenario

  • میانگین نمایی حداکثر دما بهترین سناریو ادامه Exponential Average Maximum Temperature Best Scenario Continue

  • سناریوی نرمال حداقل دمای میانگین نمایی Exponential Average Minimum Temperature Normal Scenario

  • میانگین نمایی حداکثر دمای معمولی سناریوی ادامه دارد Exponential Average Maximum Temperature Normal Scenario Continue

  • بدترین سناریو حداقل دمای متوسط ​​نمایی Exponential Average Minimum Temperature Worst Scenario

  • میانگین نمایی حداکثر دما بدترین سناریو ادامه دارد Exponential Average Maximum Temperature Worst Scenario Continue

پسرفت Regression

  • حداقل و حداکثر دمای MES مرتبط Correlated MES Min and Max Temperature

  • همبسته HES حداقل و حداکثر دما Correlated HES Min and Max Temperature

  • رگرسیون ساده LES و حداکثر دمای HES Simple Regression LES and HES Max Temperature

  • رگرسیون ساده MES و حداکثر دما Simple Regression MES and Max Temperature

  • رگرسیون ساده HES و حداکثر دما Simple Regression HES and Max Temperature

  • پیش بینی دامنه رگرسیون چندگانه Multiple Regression Range Prediction

نمایش نظرات

آموزش تجزیه و تحلیل و پیش بینی سری های زمانی با MS Excel
جزییات دوره
2.5 hours
27
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
4,001
4.1 از 5
ندارد
دارد
دارد
EDU CBA
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

EDU CBA EDU CBA

مهارت های دنیای واقعی را بصورت آنلاین بیاموزید EDUCBA یک ارائه دهنده جهانی آموزش مبتنی بر مهارت است که نیازهای اعضا را در بیش از 100 کشور برطرف می کند. ما بزرگترین شرکت فناوری پیشرفته در آسیا با نمونه کارهای 5498+ دوره آنلاین ، 205+ مسیر یادگیری ، 150+ برنامه شغل محور (JOPs) و 50+ بسته دوره حرفه ای شغلی هستیم که توسط متخصصان برجسته صنعت آماده شده است. برنامه های آموزشی ما برنامه های مبتنی بر مهارت شغلی است که توسط صنعت در سراسر امور مالی ، فناوری ، تجارت ، طراحی ، داده و فناوری جدید و آینده مورد نیاز صنعت است.