Рассмотрим способ разложения временного ряда на трендовую, сезонную и остаточную составляющие. Под трендом понимаем общую закономерность ряда (изменение среднего значения со временем), под сезонностью — повторяющуюся закономерность в определенных периодах (чтобы говорить о сезонности, в датасете должно быть несколько периодов). Для демонстрации загрузим набор данных о статистике пассажирских перелетов с 1949 по 1960 из библиотеки pmdarima: Разложение на перечисленные выше составляющие можно произвести с помощью функции seasonal_decompose из модуля statsmodels...

Видео: Построим на нашем занятии модель временного ряда ARIMA(p,k,q). Обоснуем выбор спецификации уравнения. Произведём прогноз для модели и реализуем проверку качества. Для построения модели авторегрессии–скользящего среднего ARMA(p,d,q) воспользуемся пакетом STATISTICA. Строим график временного ряда: Далее задаём переменную: Получаем график временного ряда: Обратим внимание, для данного временного ряда характерны сезонные колебания c частотой 4. В пакете STATISTICA используем раздел: Дополнительные (Advanced Models)/модели ® Прогноз/серия времени (Time Series/Forecasting)...