لدى تحليل السلاسل الزمنية قابلية تطبيق واسعة النطاق في المجالات الاقتصادية و المالية و أيضا في الجيوفيزياء و علوم المحيطات و علوم الغلاف الجوي و علم الفلك و الهندسة من بين العديد من المجالات الأخرى. ستوضح لك هذه الدورة التدريبية المقدمة من معهد جورجيا للتكنولوجيا (Georgia Tech) ما يتعلق بنماذج السلاسل الزمنية الشائعة الاستخدام، و ستعمل على تعليمك كيفية تطبيق هذه النماذج و تنفيذها عن طريق مجموعة من الأمثلة المقدمة باستخدام برنامج R الإحصائي.
مقدمة في تحليل السلاسل الزمنية و نماذجها
هذه الدورة هي مقدمة لنماذج السلاسل الزمنية شائعة الاستخدام، بالإضافة إلى تطبيق مفصل لهذه النماذج ضمن أمثلة حقيقية للبيانات باستخدام برنامج R الإحصائي. و أثناء الدورة، سيتعلم الطلاب موضوعات تحليل السلسلة الزمنية القياسية مثل نماذج السلسلة الزمنية باستخدام تحليل الانحدار، و نموذج ARMA / ARIMA غير المتغيرة، ونموذج G) ARCH)، و نموذج (Vector Autoregressive (VAR جنبا إلى جنب مع التنبؤ، و تحديد النموذج و التشخيص. سيكتسب الطلاب أرضية أساسية في استخدام هذه الأدوات المستخدمة على نطاق واسع في نماذج السلاسل الزمنية.
كما سيتعرف الطلاب بالإضافة للمفاهيم الأساسية لتحليل السلاسل الزمنية، على العديد من أمثلة البيانات باستخدام برنامج R الإحصائي. و بالتالي، فعند نهاية الدورة، ستكون على دراية بتنفيذ و تطبيق نماذج السلاسل الزمنية باستخدام برنامج R الإحصائي جنبا إلى جنب مع تفسير النتائج المستمدة من هذه التطبيقات.
تتمحور هذه الدورة حول فرصة الاكتشافات الفردية أكثر من كونها تتعلق بإتقان مجموعة ثابتة من التقنيات.
الأهداف و المكتسبات:
• التعرف على نماذج السلاسل الزمنية المستخدمة على نطاق واسع كنموذج ARMA / ARIMA غير المتغيرة و نموذج ARCH (G) و نموذج VAR.
• اكتساب أرضية أساسية في بعض الأدوات المستخدمة على نطاق واسع، و ترتكز الدورة أساسا على التحقيق و التعلم الفردي.
• تعلم تطبيق و تنفيذ نماذج السلاسل الزمنية باستخدام برنامج R الإحصائي.
المتطلبات:
معرفة مسبقة بالإحصائيات و بأساسيات البرمجة و الجبر الخطي و أساسيات حساب التفاضل و التكامل و نموذج الانحدار الخطي.
رابط الدورة
بالتوفيق للجميع. نحن رهن الإشارة إن احتجتم مساعدة ما. يكفي مراسلتنا عبر الصفحة الرسمية للموقع على الفيسبوك Education Libre أو ترك تعليقات. و يمكنكم متابعتنا عبر تطبيق Telegram لتتوصلوا بمستجدات موقع التعلم الحر باستمرار.
