Séries temporelles avec RAccueil Catalogue de formation Séries temporelles avec R Analyse Data Science Open Source Inter-entreprise Intra-entreprise Présentiel Distanciel Blended Anglais Français Objectifs Savoir traiter les séries temporelles avec R Prérequis : Connaitre les bases du logiciel R, avoir suivi la formation « Initiation à R » Aisance avec les outils informatiques Moyens pédagogiques et d’encadrement : Séances avec le formateur Support pédagogiques format numérique Alternance entre théorique et pratique Études de cas concrets. Dispositif de suivi et d’évaluation des acquis : Mise en pratique et exercices durant la formation, questionnaires d’évaluation à chaud. Résultats & compétences attendus à l’issue de la formation : Maîtriser le traitement des données de type série temporelle avec le logiciel R. Programme de la formation Introduction Tendances et composantes saisonnières Indices descriptifs d’une série temporelle Lissages exponentiels Lissage simple Lissage double Estimation et élimination de la tendance et de la saisonnalité Bruit blanc Processus stationnaire Estimation paramétrique de la tendance Estimation non paramétrique Elimination de la tendance et de la saisonnalité Modélisation des séries stationnaires Auto-corrélation partielle Les processus auto-régressifs Les processus en moyenne mobile Les processus mixtes ARMA Tableau des propriétés Estimation et choix de modèle Processus ARIMA et SARIMA Télécharger le programme complet Durée 14 heures Niveau Intermédiaire Public Toute personne ayant besoin de traiter des séries temporelles. Participants 8 personnes maximum Intra : nous consulter pour un devis personnalisé Vous recherchez des informations sur une formation ? Vous souhaitez mettre en place une session de formation sur mesure ? Contactez notre équipe pédagogique ! Remarque : JavaScript est requis pour ce contenu. Stata Rapide, précis et facile à utiliser, le logiciel Stata est la référence pour le traitement et l'analyse de données statistiques et de data science. Il répond à tous vos besoins en matière de science des données : manipulation des données, visualisation, statistiques et rapports automatisés. En savoir plus