April 2025
Intermediate to advanced
324 pages
7h 15m
Italian
Content preview from Think Stats, 3a edizione
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
O’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.I wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.I’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.I'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.
Capitolo 12. Analisi delle serie temporali
Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: translation-feedback@oreilly.com
Una serie temporale è una sequenza di misurazioni di un sistema che varia nel tempo. Molti degli strumenti utilizzati nei capitoli precedenti, come la regressione, possono essere utilizzati anche con le serie temporali. Ma ci sono altri metodi particolarmente utili per questo tipo di dati.
A titolo di esempio, esamineremo due serie di dati: la produzione di energia elettrica rinnovabile negli Stati Uniti dal 2001 al 2024 e i dati meteorologici nello stesso intervallo di tempo. Svilupperemo metodi per scomporre una serie temporale in una tendenza a lungo termine e in una componente stagionale ripetuta. Utilizzeremo dei modelli di regressione lineare per analizzare e prevedere le tendenze. Proveremo inoltre un modello molto utilizzato per analizzare i dati delle serie temporali, il cui nome formale è "media mobile autoregressiva integrata" e l'acronimo ARIMA, più facile da pronunciare.
Elettricità
Come esempio di dati di serie temporali, utilizzeremo un set di dati dell'Energy Information Administration degli Stati Uniti: comprende la produzione totale di elettricità al mese da fonti rinnovabili dal 2001 al 2024. Le istruzioni per scaricare i dati si trovano nel blocco note di questo capitolo.
Dopo aver caricato i dati, dobbiamo effettuare alcune trasformazioni per trasformarli in un formato facile ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access
More than 5,000 organizations count on O’Reilly
O’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.Julian F.
I wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.Addison B.
I’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.Amir M.
I'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.