Marmara Üniversitesi
Marmara Üniversitesi Eğitim-Öğretim Bilgi Sistemi

Zaman serilerinin esasları ile ilgili ileri düzeyde bilgi sağlamak. Zaman serisi yöntemlerini istatistiksel yazılımlar kullanarak uygulama becerisi kazandırmak. Zaman serisi çözümlemesi üzerine güncel yaklaşımları ve kuramsal bilgi ile çeşitli alanlardaki pratik uygulamalar arasındaki bağı tanıtmak Uygulamalı hesaplama ve uygulamalı istatistik hakkında bilgi, kavrama ve beceri sağlamak

-

Durağan süreçler, özbağlanım ve hareketli ortalama süreçleri, trend, mevsimsellik, modelleme, tahmin ve ileriyi tahmin, spektral çözümleme ve tahmin, Kalman filtrelemesi ve tahmin, yüksek dereceden spektral çözümleme, doğrusal ve/veya Gaussgil olmayan zaman serileri, zayıf ve kesinlikle durağan stokastik süreçler, ergodik ve genel uyum teorisi, zaman ve frekans alanı, spektral parçalara ayırma teorisi, çok değişkenli spektra, durağan olmayan zaman serilerinin tahmini ve yorumlanması.

Açıklama Yöntemi. Problem çözmeye dayalı, tartışmalı ve uygulamalı anlatım.

Yok

Türkçe

Bisgaard, S. & Kulahci, M. (2011). Time Series Analysis and Forecasting by Example, John Wiley & Sons, Canada. Harris, R. & Sollis, R. (2003). Applied Time Series Modelling and Forecasting, John Wiley & Sons, England Brockwell, P.J. & Davis, R.A. (2002). Introduction to Time Series and Forecasting, 2nd edition, Springer, USA. Kendall, M.G. & Ord, J.K. (1990). Time Series, 3rd edition, Hodder Education.

-

• Daha iyi tahminler yapabilmek için doğru teknikleri uygulamak, eldeki zaman serisinin temel bileşenlerini incelemek.
• Alternatif modeller arasından en iyisini seçmek.
• Gelişmiş zaman serisi yöntemlerinin sınıflandırılmasını ve formülasyonunu kavramak.
• Zaman serisi modellerinin durağanlığını ve karakterini çözümlemek.
• Zaman serisi çözümlemesini çeşitli alanlarda uygulamak, analiz sonuçlarını yorumlamak ve raporlamak.