Statistik - Zeitreihenanalyse (1015703)

Druckansicht
  • Dauer:
    2 Tage
  • Zielgruppe:
    Information Workers
  • Vorkenntnisse:
    Allgemeine Kenntnisse der Mathematik
  • Methode:
    Vortrag mit Beispielen und Übungen.
  • Typ:
    Öffentliches Seminar / Inhouse
  • Download
    Anmeldeformular | AGB | Info-Broschüre
Themen:
Eine Zeitreihe ist eine zeitabhängige Folge von Datenpunkten (meist aber keine Reihe im mathematischen Sinne). Typische Beispiele für Zeitreihen sind Börsenkurse oder Wetterbeobachtungen. Die Zeitreihenanalyse ist die Disziplin, die sich mit der mathematisch-statistischen Analyse von Zeitreihen und der Vorhersage (Trends) ihrer künftigen Entwicklung beschäftigt. Sie ist eine Spezialform der Regressionsanalyse. Das Seminar zeigt eine Auswahl an Methoden, Zeitreihenanalysen durchzuführen. Die Zeitreihenanalyse ist die Disziplin, die sich mit der mathematisch-statistischen Analyse von Zeitreihen und der Vorhersage (Trends) ihrer künftigen Entwicklung beschäftigt. Sie ist eine Spezialform der Regressionsanalyse.

Inhalte

A. Beschreibung von Zeitreihen

[0,25 Tage] Darstellung von Zeitreihen - Empirische Momente - Komponentenmodell - Trendbestimmung - Transformation von Zeitreihen durch Filter - Analyse zyklischer Schwankungen - Saisonsbereinigung

B. Statistische Analyse im Zeitbereich

[0,75 Tage] Schätzung der Momentfunktion: Erwartungswert, Kovarianzfunktion, Korrelationsfunktion, Robuste Schätzung der Momentfunktion - Anpassung linearer Prozesse: Modellschätzung, Spezifikation von ARMA-Modellen, Modelldiagnose, Prognose mit angepassten ARIMA-Modellen

C. Dynamische Regressionsanalyse

[0,75 Tage] Dynamische Regressionsmodelle 1. Ordnung - Autokorrelatives Fehlermodell vs. dynamische Spezifikation des strukturellen Zusammenhangs der Variablen - Test- und Schätzverfahren - Kointegrierte Prozesse und Fehlerkorrekturmodelle

D. Prognose

[0,25 Tage] Grundlagen - Prädiktionstheorie stationärer Prozesse - Rekursive Prognoseverfahren

Dozent:
Dr. Ralf Klinkenberg studierte Informatik an der Universität Dortmund, war dort von 1998 bis 2003 wissenschaftlicher Mitarbeiter und dann Doktorand am Lehrstuhl für Künstliche Intelligenz. Seine Interessen liegen im Bereich des maschinellen Lernens, des Data Mining und der Wissensentdeckung (Knowledge Discovery). Er arbeitet heute als Berater für Fragestellung aus den Bereichen Data Mining und Data Warehousing. Zu seinen zahlreichen wissenchaftlichen Veröffentlichungen gehört eine Reihe von Aufsätzen in wissenschaftlichen Magazinen zu den Themen Data Mining und Datenauswertung.
Marco Skulschus studierte Ökonomie in Wuppertal und Paris. Er arbeitet als Berater und Projektleiter in Data Warehousing- und Data Mining-Projekten für Unternehmen und staatliche Organisationen. Zu seinen Veröffentlichungen im Bereich empirische Sozialforschung gehört eine dreibändige Reihe zu Fragebogen-Systemen und innovativen mehrdimensionalen Frage-/Antwort-Darstellungen wie "Grundlagen empirische Sozialforschung, Befragung und Fragebogen im Unternehmen" (ISBN 978-3-939701-23-1).