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.