Zeitreihenanalyse mit R

Seminar

In Dresden, Hamburg, Frankfurt Am Main und an 7 weiteren Standorten

1.600 € inkl. MwSt.

Beschreibung

  • Kursart

    Intensivseminar berufsbegleitend

  • Niveau

    Anfänger

  • Ort

    An 10 Standorten

  • Unterrichtsstunden

    22h

  • Dauer

    3 Tage

Statistik - Zeitreihenanalyse mit R                                                     

Standorte und Zeitplan

Lage

Beginn

Berlin
Karte ansehen
Goethestr. 34, 13086

Beginn

auf Anfrage
Dresden (Sachsen)
Karte ansehen
Rosenstraße 36, 01067

Beginn

auf Anfrage
Düsseldorf (Nordrhein-Westfalen, NRW)
Karte ansehen
Stadttor 1

Beginn

auf Anfrage
Frankfurt Am Main (Hessen)
Karte ansehen
Mainzer Landstraße 50, 60325

Beginn

auf Anfrage
Hamburg
Karte ansehen
Stadthausbrücke 1-3, 20355

Beginn

auf Anfrage
Munster (Niedersachsen)
Karte ansehen

Beginn

auf Anfrage
München (Bayern)
Karte ansehen
Baaderstraße 88-90, 80469

Beginn

auf Anfrage
Stuttgart (Baden-Württemberg)
Karte ansehen
Königstraße 10, 70173

Beginn

auf Anfrage
Wien (Australien)
Karte ansehen
Mariahilfer Straße 123, 1060

Beginn

auf Anfrage
Zürich (Schweiz)
Karte ansehen
Seefeldstrasse 69, 8008

Beginn

auf Anfrage
Alle ansehen (10)

Fragen & Antworten

Ihre Frage hinzufügen

Unsere Berater und andere Nutzer werden Ihnen antworten können

Wer möchten Sie Ihre Frage beantworten?

Geben Sie Ihre Kontaktdaten ein, um eine Antwort zu erhalten

Es werden nur Ihr Name und Ihre Frage veröffentlicht.

Meinungen

Themen

  • Lineare Zeitreihenmodelle
  • Differenzen- und Trendinstationarität
  • Prognosen
  • Periodizitäten in Zeitreihen
  • Mehrdimensionale Zeitreihen
  • Nichtlineare Modelle für Zeitreihen

Inhalte

Kurslevel:
Einsteiger

Zielgruppe:
Datenanalysten

Voraussetzungen:
Grundlagen der Statistik

Methode:
Vortrag mit Beispielen und Übungen.

Seminarziele:
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.

Themen:
A. Grundlagen und einfache Methoden
Dauer:0.5 Tage
Stationäre Zeitreihen: Darstellung von Zeitreihen, Autokovarianz und Autokorrelation, Stationarität, Kennfunktionen - Komponentenmodell - Deterministische Trends: Trendbestimmung mittels Regression, Bestimmung der glatten Komponente - Saisonbereinigung - Transformationen - Einfache Extrapolationsverfahren

B. Lineare Zeitreihenmodelle
Dauer:0.5 Tage
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

C. Differenzen- und Trendinstationarität
Dauer:0.25 Tage
Instationaritäten - Einheitswurzeltests

D. Prognosen
Dauer:0.25 Tage
Exponentielle Glättung - Prognose mit ARIMA-Modellen - Trendextrapolation mit ARIMA-Störungen

E. Periodizitäten in Zeitreihen
Dauer:0.5 Tage
Periodizitäten und periodische Trends - Periodogramm: Definition, Interpretation, Statistische Tests - Spektren: Definition und Eigenschaften, Lineare Filter im Frequenzbereich - Spektralschätzung

F. Mehrdimensionale Zeitreihen
Dauer:0.5 Tage
Kenngrößen mehrdimensionaler Zeitreihen - Mehrdimensionale Zeitreihen und ihre Modelle: VARMA-Prozesse, Ko-Integration

G. Nichtlineare Modelle für Zeitreihen
Dauer:0.5 Tage
Nichtlinearität in Zeitreihen - Markov-switching Modelle: Markov-Ketten, Markov-switching autoregressive Prozesse, Inferenz - Bedingt heteroskedastische Modelle: ARCH-Modelle, Modellanpassung und Parameterschätzung

Unsere dozenten

Unser Trainer für Statistik und Data-Mining mit R Marco Skulschus studierte in Wuppertal und Paris Ökonomie und arbeitet schon seit mehr als 10 Jahren als Dozent, Fachbuch-Autor zum Thema Datenbanken, Datenanalyse und als Berater für statistische Analyse mit R. Teilnehmer/innen seiner R-Seminare sind Betriebswirte / Volkswirtschaftler, Ingenieure und Doktoranden, die für Statistik und Data Mining R einsetzen wollen.

Veröffentlichungen:

  • "Grundlagen empirische Sozialforschung" (Comelio Medien, ISBN 978-3-939701-23-1)

  • "System und Systematik von Fragebögen" (Comelio Medien, ISBN 978-3-939701-26-2)

  • "Oracle SQL" (Comelio Medien, ISBN 978-3-939701-41-5)

  • "SQL Server 2012: Data Mining und multivariate Verfahren" (Comelio Medien, ISBN 978-3-939701-85-9)

  • "SQL und relationale Datenbanken" (Comelio Medien, ISBN 978-3-939701-52-1)

Erfahrung:
Projekte:
Als Berater konzipiert Herr Skulschus Analysesysteme auf Basis von relationalen Datenbanken und entwickelt dann statistische Modelle und Analysen mit R-Programmierung. Zu seinen Kunden zählen Marktforschungsunternehmen, Marketing-Abteilungen sowie Abteilungen für die Qualitätssicherung und Prozessoptimierung oder auch Forschungseinrichtungen.

Forschung:
Er leitete ein mehrjähriges Forschungsprojekt zur Entwicklung eines Fragebogensystems mit ontologie-basiertem Datenmodell und innovativen Frage-Antwort-Darstellungen. Förderung durch das BMWi und Zusammenarbeit mit verschiedenen Universitäten.

Webseite:

  • http://www.marco-skulschus.de

  • http://de.wikipedia.org/wiki/Marco_Skulschus



Referenzkurse:
  • Statistik mit R
  • Dummy

Zusätzliche Informationen

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.

Zeitreihenanalyse mit R

1.600 € inkl. MwSt.