JMP - Strukturen von Prozessdaten (JIMPC)
In diesem eintägigem Kurs lernen Sie kontinuierliche Prozesszyklen zu erkennen und zu modellieren. Themen sind "Autoregressive Integrated Moving Average" -Prozesse (ARIMA), jahreszeitabhängige und -unabhängige Modelle, die Spektralanalyse und multiple Regressionsmodelle, bei denen Sinus und Cosinus-Funktionen oder kategoriale Dummy-Variablen verwendet werden.
Der Kurs beschäftigt sich schwerpunktmäßig mit dem Erkennen der Größenordnung und Dauer von Prozesszyklen und dem Einsatz verschiedener Methoden für das Modellieren von Zyklen.
Inhalte:
- Grundlagen der stationären Zeitreihenanalyse
- Serielle Abhängigkeiten einschätzen und berechne
- ARIMA-Modelle
- Nicht stationäre Modelle untersuchen
- Prognosen entwickeln und grafisch darstellen
- Modellieren von Zyklen mit Regressionsmodellen
- Spektralanalyse
- Zyklen mit Sinus- und Cosinus-Funktionen modellieren
- Zyklen mit Dummy-Variablen modellieren
- ARIMA Modelle mit Saisonkomponenten
Voraussetzungen:
Teilnehmer sollten mit der grundlegenden Bedienung von JMP vertraut sein (Explorative Datenanalyse mit JMP). Kenntnisse im Rahmen der Regressionsanalyse (ANOVA und Regression mit JMP) sind hilfreich, aber nicht notwendig.