本課程是贝叶斯统计專項課程專項課程的一部分

Raquel Prado

2,162 人已註冊

提供方

贝叶斯统计專項課程加州大学圣克鲁兹分校

課程信息

6,925 次近期查看

This course for practicing and aspiring data scientists and statisticians. It is the fourth of a four-course sequence introducing the fundamentals of Bayesian statistics. It builds on the course Bayesian Statistics: From Concept to Data Analysis, Techniques and Models, and Mixture models. 
Time series analysis is concerned with modeling the dependency among elements of a sequence of temporally related variables. To succeed in this course, you should be familiar with calculus-based probability, the principles of maximum likelihood estimation, and Bayesian inference. You will learn how to build models that can describe temporal dependencies and how to perform Bayesian inference and forecasting for the models. You will apply what you've learned with the open-source, freely available software R with sample databases. Your instructor Raquel Prado will take you from basic concepts for modeling temporally dependent data to implementation of specific classes of models

可靈活調整截止日期

根據您的日程表重置截止日期。

可分享的證書

完成後獲得證書

100% 在線

立即開始，按照自己的計劃學習。

第 4 門課程（共 5 門）

贝叶斯统计專項課程

中級

Familiarity with calculus-based probability, the principles of maximum likelihood estimation, and Bayesian inference.

完成時間大約為22 小時

英語（English）

對員工進行熱門技能培訓能否為您的公司帶來益處？

體驗 Coursera 企業版

您將獲得的技能

Bayesian Statistics
Forecasting
Dynamic Linear Modeling
Time Series
R Programming

可靈活調整截止日期

根據您的日程表重置截止日期。

可分享的證書

完成後獲得證書

100% 在線

立即開始，按照自己的計劃學習。

第 4 門課程（共 5 門）

贝叶斯统计專項課程

中級

Familiarity with calculus-based probability, the principles of maximum likelihood estimation, and Bayesian inference.

完成時間大約為22 小時

英語（English）

對員工進行熱門技能培訓能否為您的公司帶來益處？

體驗 Coursera 企業版

授課教師

Raquel Prado

提供方

加州大学圣克鲁兹分校

了解頂級公司的員工如何掌握熱門技能

了解關於 Coursera for Business 的更多信息

授課大綱 - 您將從這門課程中學到什麼

週

週 1

完成時間為 6 小時

Week 1: Introduction to time series and the AR(1) process

完成時間為 6 小時

9 個視頻（總計 94 分鐘）, 12 個閱讀材料, 5 個測驗

9 個視頻

Welcome to Bayesian Statistics: Time Series 7分鐘

Stationarity 6分鐘

The autocorrelation function (ACF) 8分鐘

ACF, PACF, Differencing and Smoothing: Examples 11分鐘

The AR(1) 15分鐘

Simulating from an AR(1) process 8分鐘

Maximum likelihood estimation in the AR(1)22分鐘

Bayesian inference in the AR(1)10分鐘

Bayesian inference in the AR(1): Conditional likelihood example 3分鐘

12 個閱讀材料

Introduction to R10分鐘

List of References 4分鐘

The partial autocorrelation function (PACF)15分鐘

Differencing and Smoothing 10分鐘

R Code: Differencing and filtering via moving averages10分鐘

R Code: Simulate data from a white noise process10分鐘

The PACF of the AR(1) process 15分鐘

R Code: Sample data from AR(1) processes10分鐘

Review of maximum likelihood and Bayesian inference in regression 15分鐘

R code: MLE for the AR(1), examples15分鐘

R Code: AR(1) Bayesian inference, conditional likelihood example 12分鐘

Bayesian inference in the AR(1), full likelihood example 10分鐘

4 個練習

Objectives of the course 20分鐘

Stationarity, the ACF and the PACF 30分鐘

The AR(1) definitions and properties 30分鐘

MLE and Bayesian inference in the AR(1) 30分鐘

週

週 2

完成時間為 5 小時

Week 2: The AR(p) process

完成時間為 5 小時

9 個視頻（總計 96 分鐘）, 8 個閱讀材料, 3 個測驗

9 個視頻

Definition and state-space representation20分鐘

Examples 17分鐘

ACF of the AR(p)7分鐘

Simulating data from an AR(p)11分鐘

Bayesian inference in the AR(p): Reference prior, conditional likelihood 8分鐘

Model order selection6分鐘

Example: Bayesian inference in the AR(p), conditional likelihood 12分鐘

Spectral representation of the AR(p)5分鐘

Spectral representation of the AR(p): Example 5分鐘

8 個閱讀材料

Rcode: Computing the roots of the AR polynomial 5分鐘

Rcode: Simulating data from an AR(p)15分鐘

The AR(p): Review 15分鐘

Rcode: Maximum likelihood estimation, AR(p), conditional likelihood 10分鐘

Rcode: Bayesian inference, AR(p), conditional likelihood 10分鐘

Rcode: Model order selection 10分鐘

Rcode: Spectral density of AR(p) 10分鐘

ARIMA processes10分鐘

2 個練習

Properties of AR processes 30分鐘

Spectral representation of the AR(p)30分鐘

週

週 3

完成時間為 5 小時

Week 3: Normal dynamic linear models, Part I

完成時間為 5 小時

10 個視頻（總計 114 分鐘）, 7 個閱讀材料, 3 個測驗

10 個視頻

NDLM: Definition 16分鐘

Polynomial trend models13分鐘

Regression models 8分鐘

The superposition principle 6分鐘

Filtering 19分鐘

Filtering in the NDLM: Example 14分鐘

Smoothing and forecasting 11分鐘

Smoothing in the NDLM: Example6分鐘

Second order polynomial: Filtering and smoothing example7分鐘

Using the dlm package in R 8分鐘

7 個閱讀材料

Summary of polynomial trend and regression models 10分鐘

Superposition principle: General case10分鐘

Summary of the filtering distributions10分鐘

Rcode. Filtering in the NDLM: Example 10分鐘

Summary of the smoothing and forecasting distributions10分鐘

Rcode: Smoothing in the NDLM, Example10分鐘

Rcode: Using the dlm package in R10分鐘

2 個練習

The Normal Dynamic Linear Model30分鐘

NDLM, Part I: Review 30分鐘

週

週 4

完成時間為 4 小時

Week 4: Normal dynamic linear models, Part II

完成時間為 4 小時

7 個視頻（總計 103 分鐘）, 4 個閱讀材料, 3 個測驗

7 個視頻

Fourier representation17分鐘

Building NDLMs with multiple components: Examples8分鐘

Filtering, Smoothing and Forecasting: Unknown observational variance10分鐘

Specifying the system covariance matrix via discount factors17分鐘

NDLM, Unknown Observational Variance: Example13分鐘

EEG data 17分鐘

Google trends17分鐘

4 個閱讀材料

Fourier Representation: Example 110分鐘

Summary: DLM Fourier representation 12分鐘

Summary of Filtering, Smoothing and Forecasting Distributions, NDLM unknown observational variance 10分鐘

Rcode: NDLM, Unknown Observational Variance Example 10分鐘

2 個練習

Seasonal Models and Superposition30分鐘

NDLM, Part II20分鐘

關於贝叶斯统计專項課程

This Specialization is intended for all learners seeking to develop proficiency in statistics, Bayesian statistics, Bayesian inference, R programming, and much more. Through four complete courses (From Concept to Data Analysis; Techniques and Models; Mixture Models; Time Series Analysis) and a culminating project, you will cover Bayesian methods — such as conjugate models, MCMC, mixture models, and dynamic linear modeling — which will provide you with the skills necessary to perform analysis, engage in forecasting, and create statistical models using real-world data.

常見問題

我什么时候能够访问课程视频和作业？
讲座和作业的访问权限取决于您的注册类型。如果您以旁听模式参加课程，则可以免费查看大多数课程资料。要访问评分作业并获得证书，您需要在旁听期间或之后购买证书体验。如果看不到旁听选项：
课程可能不提供旁听选项。您可以尝试免费试用，也可以申请助学金。
课程可能会改为提供'完整课程，没有证书'。通过此选项，您可以查看所有课程材料、提交所要求的作业，以及获得最终成绩。这也意味着您将无法购买证书体验。
我订阅此专项课程后会得到什么？
您注册课程后，将有权访问专项课程中的所有课程，并且会在完成课程后获得证书。您的电子课程证书将添加到您的成就页中，您可以通过该页打印您的课程证书或将其添加到您的领英档案中。如果您只想阅读和查看课程内容，可以免费旁听课程。
有助学金吗？
是的。如果您负担不起学习计划的注册费，则可以在选择学习计划时申请助学金或奖学金。如果您选择的学习计划提供助学金或奖学金，则您将在描述页面上看到一个申请链接。

還有其他問題嗎？請訪問學生幫助中心。

培養員工技能，推動業務成果

探索 Coursera for Business

Bayesian Statistics: Time Series Analysis

課程信息

您將獲得的技能