Статья подготовлена для студентов курсов «Математика для Data Science» в образовательном проекте OTUS. Зависимость структуры ряда от времени играет ключевую роль при моделировании или анализе временных рядов с различным типом процесса. В задаче анализа временного ряда со сложной структурой часто применяются модели класса ARIMA(p,d,q), которые моделируют различные ситуации, встречающиеся при анализе стационарных и нестационарных рядов. В зависимости от анализируемого ряда, модель ARIMA (p,d,q)...

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)...