Postgraduate Section 3 1020
Γενικά
| Σχολή | Σχολή Θετικών Επιστημών |
|---|---|
| Τμήμα | Τμήμα Μαθηματικών |
| Επίπεδο Σπουδών | Μεταπτυχιακό |
| Κωδικός Μαθήματος | ΣEE11 |
| Εξάμηνο | 2 |
| Τίτλος Μαθήματος | ΧΡΟΝΟΣΕΙΡΕΣ |
| Αυτοτελείς Διδακτικές Δραστηριότητες | Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 7.5) |
| Τύπος Μαθήματος | Ειδικότητας |
| Προαπαιτούμενα Μαθήματα | |
| Γλώσσα Διδασκαλίας και Εξετάσεων | Ελληνική |
| Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus | Ναι (στην Αγγλική γλώσσα) |
| Ηλεκτρονική Σελίδα Μαθήματος (URL) | Δείτε το eCourse, την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων. |
Μαθησιακά Αποτελέσματα
| Μαθησιακά Αποτελέσματα |
Με την ολοκλήρωση αυτού του μαθήματος, οι φοιτητές αναμένεται να ειναι:
|
|---|---|
| Γενικές Ικανότητες |
|
Περιεχόμενο Μαθήματος
Εισαγωγή στις στάσιμες χρονολογικές σειρές. Απλά μοντέλα χρονολογικών σειρών. Γραμμικές διαδικασίες, γενικά μοντέλα αυτοπαλίνδρομα και κινητού μέσου. Οι οικογένειες μοντέλων ΑRΜΑ, ΑRΙΜΑ και State Space. Πρόβλεψη χρονοσειρών. Εποχικότητα στις χρονοσειρές. Μοντελοποίηση στοχαστικής μεταβλητότητας, το φίλτρο Kalman (Kalman Filter). Μη γραμμικές μη κανονικές χρονοσειρές. Πολυμεταβλητές χρονολογικές σειρές. Συνολοκλήρωση και διόρθωση λαθών.
Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση
| Τρόπος Παράδοσης | Πρόσωπο με πρόσωπο | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών |
| ||||||||||
| Οργάνωση Διδασκαλίας |
| ||||||||||
| Αξιολόγηση Φοιτητών |
|
Συνιστώμενη Βιβλιογραφία
Δείτε την υπηρεσία Εύδοξος. Συγγράμματα και άλλες πηγές εκτός της υπηρεσίας Εύδοξος:
General
| School | School of Science |
|---|---|
| Academic Unit | Department of Mathematics |
| Level of Studies | Graduate |
| Course Code | ΣΕΕ11 |
| Semester | 2 |
| Course Title |
Time series |
| Independent Teaching Activities | Lectures (Weekly Teaching Hours: 3, Credits: 7.5) |
| Course Type |
Specialized general knowledge |
| Prerequisite Courses | - |
| Language of Instruction and Examinations | Greek |
| Is the Course Offered to Erasmus Students |
Yes (in English) |
| Course Website (URL) | See eCourse, the Learning Management System maintained by the University of Ioannina. |
Learning Outcomes
| Learning outcomes |
Upon completion of this course, a student will:
|
|---|---|
| General Competences |
|
Syllabus
Introduction to stationary time series. Simple models for time series. Linear processes, general autoregressive-moving average models. Prediction of stationary time series. The families of ARMA, ARIMA and State space models. Seasonality in time series. Modelling stochastic volatility. Time series regression. Nonlinear non-Gaussian time series. Multivariate time series. Multivariate autoregressive model.
Teaching and Learning Methods - Evaluation
| Delivery | Face-to-face | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| Use of Information and Communications Technology |
| ||||||||||
| Teaching Methods |
| ||||||||||
| Student Performance Evaluation |
|
Attached Bibliography
See the official Eudoxus site. Books and other resources, not provided by Eudoxus:
- ---