• Forecasting: Principles and Practice
  • 서문
  • 1 시작하기
    • 1.1 예측 될 수 있는 것이란?
    • 1.2 예측, 계획 그리고 목표
    • 1.3 어떤 것을 예측할 지 결정하기
    • 1.4 예측 데이터와 기법
    • 1.5 몇 가지 사례 연구
    • 1.6 예측 작업의 기본 단계
    • 1.7 통계적 예측 관점
    • 1.8 연습문제
    • 1.9 더 읽을 거리
  • 2 시계열 시각화
    • 2.1 ts 객체
    • 2.2 시간 그래프
    • 2.3 시계열 패턴
    • 2.4 계절성 그래프
    • 2.5 계절성 부시계열 그래프
    • 2.6 산점도
    • 2.7 시차 그래프
    • 2.8 자기상관
    • 2.9 백색잡음
    • 2.10 연습문제
    • 2.11 더 읽을 거리
  • 3 예측가의 도구 상자
    • 3.1 몇 가지 단순한 예측 기법
    • 3.2 변환과 조정
    • 3.3 잔차 진단
    • 3.4 예측 정확도 평가
    • 3.5 예측 구간
    • 3.6 R의 forecast 패키지
    • 3.7 연습문제
    • 3.8 더 읽을 거리
  • 4 판단 예측
    • 4.1 한계점에 주의하기
    • 4.2 핵심 원리
    • 4.3 델파이 기법
    • 4.4 유사점으로 예측하기
    • 4.5 시나리오 예측
    • 4.6 신제품 예측
    • 4.7 판단 조정
    • 4.8 더 읽을 거리
  • 5 시계열 회귀 모델
    • 5.1 선형 모델
    • 5.2 최소 제곱 추정
    • 5.3 회귀 모델 평가
    • 5.4 몇 가지 유용한 예측변수
    • 5.5 예측변수 선택
    • 5.6 회귀로 예측하기
    • 5.7 행렬 정식화
    • 5.8 비선형 회귀
    • 5.9 상관관계, 인과관계, 그리고 예측
    • 5.10 연습문제
    • 5.11 더 읽을 거리
  • 6 시계열 분해
    • 6.1 시계열 성분
    • 6.2 이동평균
    • 6.3 고전적인 분해법
    • 6.4 X11 분해
    • 6.5 SEATS 분해
    • 6.6 STL 분해
    • 6.7 추세와 계절성의 강도를 측정하기
    • 6.8 분해법으로 예측하기
    • 6.9 연습문제
    • 6.10 더 읽을 거리
  • 7 지수평활
    • 7.1 단순 지수평활
    • 7.2 추세 기법
    • 7.3 홀트-윈터스의 계절성 기법
    • 7.4 지수 평활 기법 분류 체계
    • 7.5 지수 평활에 대한 혁신 상태 공간 모델
    • 7.6 추정과 모델 선택
    • 7.7 ETS 모델로 예측하기
    • 7.8 연습문제
    • 7.9 더 읽을 거리
  • 8 ARIMA 모델
    • 8.1 정상성과 차분
    • 8.2 후방이동 기호
    • 8.3 자기회귀 모델
    • 8.4 이동 평균 모델
    • 8.5 비-계절성 ARIMA 모델
    • 8.6 추정과 차수 선택
    • 8.7 R에서 ARIMA 모델링
    • 8.8 예측하기
    • 8.9 계절성 ARIMA 모델들
    • 8.10 ARIMA vs ETS
    • 8.11 연습문제
    • 8.12 더 읽을 거리
  • 9 동적 회귀 모델
    • 9.1 추정
    • 9.2 R에서 ARIMA 오차를 고려하는 회귀
    • 9.3 예측하기
    • 9.4 확률적 추세와 확정적 추세
    • 9.5 동적 조화 회귀
    • 9.6 시차 예측변수
    • 9.7 연습문제
    • 9.8 더 읽을 거리
  • 10 계층적 시계열 또는 그룹화된 시계열을 예측하기
    • 10.1 계층적 시계열
    • 10.2 그룹화된 시계열
    • 10.3 상향식 접근 방식
    • 10.4 하향식 접근 방식
    • 10.5 중간 접근 방식
    • 10.6 사상 행렬
    • 10.7 최적 조정 접근법
    • 10.8 연습문제
    • 10.9 더 읽을 거리
  • 11 고급 예측 기법
    • 11.1 복잡한 계절성
    • 11.2 벡터 자기회귀
    • 11.3 신경망 모델
    • 11.4 붓스트랩과 배깅
    • 11.5 연습 문제
    • 11.6 더 읽을 거리
  • 12 몇 가지 실제 예측 문제
    • 12.1 주별, 일별, 그리고 일별 이하의 데이터
    • 12.2 개수를 세서 만든 시계열
    • 12.3 예측값이 반드시 범위 안에 있도록 만들기
    • 12.4 예측조합
    • 12.5 합산 값에 대한 예측 구간
    • 12.6 과거 재구성
    • 12.7 아주 긴 시계열과 아주 짧은 시계열
    • 12.8 학습 데이터와 테스트 데이터 예측하기
    • 12.9 결측값과 이상값 다루기
    • 12.10 더 읽을 거리
  • 부록: R 사용하기
  • 부록: 강사를 위한 내용
  • 부록: 리뷰
  • 번역본
  • 저자 소개
  • 책 또는 내려받을 수 있는 버전을 구매하세요
  • Help
  • 참고 문헌
  • Published by OTexts™ with bookdown

Forecasting: Principles and Practice

부록: 리뷰

1판에 대한 리뷰

  • Review from Stephan Kolassa in Foresight, Fall 2010.
  • Review from Steve Miller on Information Management, April 2015
  • Review from Sandro Saitta in Swiss Analytics, April 2015, p.5. Republished at Data Mining Research.
  • 아마존(Amazon) 리뷰