آموزش تجزیه و تحلیل سری های زمانی با MS Excel - الگوهای فرسایش
Time Series Analysis with MS Excel - Attrition Patterns
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.
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.
زمینه اقتصاد: مطالعات بودجه، تجزیه و تحلیل سرشماری، و غیره.
زمینه مالی: به طور گسترده در زمینه مالی مانند درک نوسانات بازار سهام، مدیریت بازده، درک نوسانات بازار و غیره استفاده می شود.
علوم اجتماعی: نرخ تولد یا مرگ و میر در یک دوره زمانی مشخص و می تواند با طرح هایی به نفع آنها باشد.
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.
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
معرفی Introduction
-
مقدمه ای بر پروژه Introduction to Project
داده و فرمول Data and Formula
-
داده های کارکنان Employee Data
-
فرمول قسمت 1 Formula Part 1
-
فرمول قسمت 2 Formula Part 2
-
فرمول قسمت 3 Formula Part 3
ساییدگی Attrition
-
فرسایش کلی Overall Attrition
-
فرسایش ربع Quarter Attrition
-
نمودار خط روند فرسایش سه ماهه Quarter Attrition Trend Line Chart
میانگین متحرک Moving Average
-
میانگین متحرک Moving Average
-
میانگین متحرک ادامه دارد Moving Average Continue
فصلی بودن Seasonality
-
فصلی قسمت 1 Seasonality Part 1
-
فصلی قسمت 2 Seasonality Part 2
-
فصلی قسمت 3 Seasonality Part 3
پیش بینی و مدل Forecasting and Model
-
پیش بینی Forecasting
-
بخش Department
-
مدل سطح Level Model
https://donyad.com/d/e88189
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.
نمایش نظرات