 班級規模及環境--熱線:4008699035 手機:15921673576( 微信同號) |
|
每期人數限3到5人。 |
| 上課時間和地點 |
上課地點：【上海】：同濟大學(滬西)/新城金郡商務樓(11號線白銀路站) 【深圳分部】：電影大廈(地鐵一號線大劇院站)/深圳大學成教院 【北京分部】：北京中山學院/福鑫大樓 【南京分部】：金港大廈(和燕路) 【武漢分部】：佳源大廈（高新二路） 【成都分部】：領館區1號（中和大道） 【沈陽分部】：沈陽理工大學/六宅臻品 【鄭州分部】：鄭州大學/錦華大廈 【石家莊分部】：河北科技大學/瑞景大廈 【廣州分部】：廣糧大廈 【西安分部】：協同大廈
最近開課時間(周末班/連續班/晚班）：2025年4月7日--即將開課-----即將開課，歡迎垂詢 |
| 實驗設備 |
☆資深工程師授課
☆注重質量
☆邊講邊練
☆合格學員免費推薦工作
★實驗設備請點擊這兒查看★ |
| 質量保障 |
1、可免費在以后培訓班中重聽；
2、免費提供課后技術支持，保障培訓效果。
3、培訓合格學員可享受免費推薦就業機會。 |
課程大綱 |
| |
- 通過SAS編程進行預測 (FETSP)培訓
Forecasting Using SAS Software: A Programming Approach
This course teaches analysts how to use SAS/ETS software to diagnose systematic variation in data collected over time, create forecast models to capture the systematic variation, evaluate a given forecast model for goodness-of-fit and accuracy, and forecast future values using the model. Topics include Box-Jenkins ARIMA models, dynamic regression models, and exponential smoothing models.
預測簡介
時間序列和預測
SAS預測軟件介紹
評估擬合優度和準確性
平穩時間序列預測模型
平穩時間序列簡介
自回歸模型
PACF和IACF詳細技術說明（自學）
移動平均模型
未觀察到移動平均模型組件的估計（自學）
混合自回歸移動平均模型
確定適當的自回歸移動平均模型
估計和預測方法
Box-Jenkins模型的替代模型
非平穩時間序列的預測模型
趨勢和季節性的統計檢驗
趨勢模型
季節模型
Box-Jenkins模型的替代模型
預測航空公司乘客時間序列
探索性變量的預測模型
一般回歸模型
事件模型
時間序列回歸模型
預測的數據準備
處理日期
處理時間標識的數據
讀取和修改時間序列數據
處理唯一、特定日期或頻數
注意事項：
必備條件:
???????
參加本課程前，你應該有使用SAS輸入或者轉換數據和執行基本分析的經驗，例如計算行列總數和平均值、生成圖表。你可以通過完成《SAS Programming 1: Essentials》（《SAS編程 1: 基礎》）和《SAS Programming 2: Data Manipulation Techniques》（《SAS編程2：數據處理技術》）獲得這些經驗。SAS宏語言編程的知識對學習本課程有幫助，但不是必需。沒有數據分析和統計建模經驗的學生可以通過《Statistics 2: ANOVA and Regression》（《統計2：方差分析和回歸》）課程獲得這些預備知識。
?
?
?
?
?
?
?
?
?
?
? ?
?
?
?
?
?
"
|
首頁 課程表 在線聊 報名 講師 品牌 QQ聊 活動 就業