时间序列分析方法——ARIMA模型案例

目录

  • 一、方法简介
    • 数据示例
  • 二、ARIMA模型python建模过程[^2]
    • 1 添加基础库
    • 2 读取数据
    • 3 绘制时间序列图
    • 4 自相关
    • 5 平稳性检验
    • 6 时间序列的差分d
    • 7 合适的p,q
    • 8 模型检验
      • Ljung-Box检验
    • 9 模型预测


时间序列分析方法1主要有:时间序列分解模型、


本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场,不承担相关法律责任。如若转载,请注明出处。 如若内容造成侵权/违法违规/事实不符,请点击【内容举报】进行投诉反馈!

相关文章

立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部