Zeitreihenanalyse

Preamble

Bausteine Computergestützter Datenanalyse. “Zeitreihenanalyse” von Lukas Arnold, Simone Arnold, Florian Bagemihl, Matthias Baitsch, Marc Fehr, Maik Poetzsch und Sebastian Seipel ist lizensiert unter CC BY 4.0. Das Werk ist abrufbar unter https://github.com/bausteine-der-datenanalyse/a-zeitreihenanalyse. Ausgenommen von der Lizenz sind alle Logos und anders gekennzeichneten Inhalte. 2024

Zitiervorschlag

Arnold, Lukas, Simone Arnold, Matthias Baitsch, Marc Fehr, Maik Poetzsch, und Sebastian Seipel. 2024. „Bausteine Computergestützter Datenanalyse. Methodenbaustein Numerik“. https://github.com/bausteine-der-datenanalyse/a-zeitreihenanalyse.

BibTeX-Vorlage

@misc{BCD-Styleguide-2024,
 title={Bausteine Computergestützter Datenanalyse. Methodenbaustein Numerik},
 author={Arnold, Lukas and Arnold, Simone and Baitsch, Matthias and Fehr, Marc and Poetzsch, Maik and Seipel, Sebastian},
 year={2024},
 url={https://github.com/bausteine-der-datenanalyse/a-zeitreihenanalyse}} 

Intro

Voraussetzungen

• Python-Grundlagen
• NumPy (Arrays, grundlegende Operationen)
• Matplotlib (Visualisierung)
• Grundverständnis von Pandas (Series, DataFrame)

Verwendete Pakete und Datensätze

Pakete

• NumPy
• Matplotlib
• Pandas

Datensätze

Bearbeitungszeit

Geschätzte Bearbeitungszeit: 2h

Lernziele

• Zeitreihen strukturiert vorverarbeiten (Zeitindex, Missing, Ausreißer)
• Resampling und Alignment methodisch korrekt einsetzen
• Glättung so wählen, dass sie zur Fragestellung passt
• Trend und Saisonanteile erkennen und interpretieren
• zeitliche Abhängigkeiten mit Lag/Autokorrelation diagnostizieren
• Anomalien mit einfachen, begründbaren Regeln detektieren
• Forecast-Baselines implementieren und mit Fehlermaßen bewerten