| 1 |
شایستگی های پایه |
اشنایی با سری های زمانی ۱ و نرم افزار R |
| 2 |
وظایف دانشجو |
حضور در کلاس ؛ تحویل تمرینات؛ |
| 3 |
مواد و امکانات آموزشی |
استفاده از رایانه برای تدریس مجازی |
| 4 |
روش تدریس |
تدریس در کلاس درس به صورت نظری و محاسباتی خواهد بود. دانشجویان در پایان بایستی یک پروزه تحلیلی محاسباتی ارائه نمایند |
| 5 |
منبع |
منبع اول: تحلیل سریهای زمانی با برنامه های کاربردی در R تالیف جاناتان دی. کرایر و کونگ - سیک چن. ترجمه دکتر محمد رضا مشکانی - مرکز نشر دانشگاهی منبع کمکی: پیش بینی روش ها و کاربردها نویسندگان: س. ماکریداکیس، س. ک. ویل رایت، ر. ج. هیندمن - ترحمه دکتر شاهسونی و دکتر آرشی |
| 6 |
جایگاه درس در برنامه درسی دوره |
در این درس ابتدا بعد از مرور درس سری های زمانی یک ؛ دانشجو با سریهای زمانی دارای مولفه فصل و سپس با مدل های پیشرفته سری زمانی از قیبل آرچ و گارچ و رگرسیون سری زمانی آشنا می شود. |
| 7 |
هدف کلی |
آشنایی با مدل سازی داده های سری های زمانی و استفاده از آن در پیش بینی |
| 8 |
اهداف یادگیری |
چگونگی برازش مدل های سری زمانی- چگونگی تشخیص و مناسب بودن مدل های سری زمانی- استفاده از مدل ها در پیش بینی -استفاده از متغیر های کمکی در مدل بندی رگرسیون سری زمانی - |
| 9 |
نحوه ارزشیابی |
فعالیت کلاسی، حل تمرین و پروژه های تحویلی، امتحان میان ترم، امتحان پایان ترم کوئیز، در صورت نیاز امتحان شفاهی |