سری‌های زمانی کاربردی

Applied Time Series

---

کارشناسی	مقطع:	سری‌های زمانی کاربردی	نام درس:
تخصصی الزامی	گروه درس:	تحلیل آماری داده‌ها	پیش‌نیاز:
نظری	نوع درس:	ندارد	هم‌نیاز:
48	تعداد ساعت:	3	تعداد واحد:
		دارد	حل تمرین:

سرفصل درس:

• بیان اهداف تحلیل سریهای زمانی با ذکر مثال‌هایی در زمینه‌های مختلف مانند هواشناسی، موضوعات اقتصادی و مالی، روند، مولفه فصلی، تجزیه سری زمانی، برآورد روندها با مدل های رگرسیونی، هموارسازی، مفاهیم پایه‌ای سری‌های زمانی و فرآیندهای تصادفی(تابع میانگین و واریانس، تابع خود کوواریانس، خود همبستگی و خود همبستگی جزئی،‌ مانایی)، فرآیند نوفه سفید، قدم زدن تصادفی، سری های عمومی خطی، میانگین متحرک و فرآیند خود بازگشت، مدل‌های ARMA و ARIMA (فصلی و غیر فصلی)، در کلاس باکس- جنکینز، آزمون ریشه واحد، تفاضل‌گیری، براورد پارامترها (روشهای گشتاوری، کمترین مربعات و بیشینه درستنمایی)، پیش بینی، تحلیل باقیمانده ها و بررسی تشخیص مدلها، مناسبت مدل ها، آزمون‌های خودهمبستگی، آزمون های نرمال بودن، ملاکهای AIC و BIC برای انتخاب مدل، مقدمه مدل های ناهمسان واریانس شرطی، تبدیلات باکس- کاکس.

• توجه: پیاده‌سازی و بکارگیری عملی در نرم‌افزار جزیی از سرفصل است که بنا به صلاحدید مدرس اعمال می‌شود.

منابع:

• کرایر، ج.د.؛ سیک چن، ک. (1392). تجزیه‌وتحلیل سری‌های زمانی با استفاده از نرم‌افزار R، ترجمه محمدرضا مشکانی، مرکز نشر دانشگاهی.

• براکول، پ. و دیویس، ر.ا. (1384). مقدمه‌ای بر سری‌های زمانی و پیش‌بینی، ترجمه امینی، م.، بزرگ نیا، ا. و دهقان، م. ح. انتشارات دانشگاه سیستان و بلوچستان.

• چتفیلد، ک. (1996). مقدمه‌ای بر تحلیل سری‌های زمانی، ترجمه حسینعلی نیرومند چاپ ششم، انتشارات دانشگاه فردوسی مشهد

• Shumway, R. H., and Stoffer, D. S. (2019). Time series: a data analysis approach using R. Chapman and Hall/CRC.

• Cryer, J. D. and Chan, K. S. (2008). Time Series Analysis With Application in R, 2nd Ed. Springer.

• Hyndman, R.J., & Athanasopoulos, G. (2018) Forecasting: principles and practice, 2nd edition, OTexts: Melbourne, Australia. https://otexts.com/fpp2/