در این مطلب، ویدئو IBM SPSS Statistics Series: Series Time & Forecasting با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید. اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:05:38
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
01 =>06
[موسیقی]
2
07 =>10
سلام نام من ماریون کین است و من یک
3
10 =>12
مشاور علوم داده در شرکت Presidium a
4
12 =>15
version1 هستم در این ویدیوی کوتاه
5
15 =>16
به شما نشان خواهم داد که چگونه یک
6
16 =>20
مدل سری زمانی را در داخل آمار SPSS اجرا کنید.
7
20 =>22
8
22 =>25
بر اساس
9
25 =>28
مقادیر مشاهده شده قبلی از آن مقدار،
10
28 =>30
ما به مطالعه موردی یک کسب و کار که
11
30 =>31
نیاز به برنامه ریزی سطوح کارکنان برای
12
31 =>34
هفته های آینده بر اساس فعالیت های تاریخی دارد
13
34 =>36
، در انتهای این ویدیو خواهیم دید.
14
36 =>38
15
38 =>41
و همچنین اطلاعات رسانه های اجتماعی
16
41 =>45
برای Presidium نمونه های معمولی از استفاده
17
45 =>47
از سری های زمانی شامل پیش بینی
18
47 =>49
نرخ بهره سه ماهه
19
49 =>51
نرخ بیکاری ماهانه فروش سالانه
20
51 =>53
سیگار و غیره داده های استفاده شده در
21
53 =>55
این ویدئو از یک شرکت پستی خصوصی
22
55 =>57
است و حجم
23
57 =>59
بسته های تحویلی را در هر روز اندازه گیری می کند. هدف شرکت پستی پیش بینی تقاضا برای سرویس تحویل خود در هفته
24
59 =>01:02
شامل تعطیلات آخر هفته در یک دوره 18 هفته ای
25
01:02 =>01:05
است.
26
01:05 =>01:07
27
01:07 =>01:10
دو هفته جلوتر، به طوری
28
01:10 =>01:11
که بتواند سطوح مناسب کارکنان را ترتیب دهد،
29
01:11 =>01:14
بنابراین از نقطه نظر تحلیلی،
30
01:14 =>01:16
ما می خواهیم الگوهایی را در
31
01:16 =>01:19
داده های گذشته شناسایی کنیم تا به پیش بینی آینده کمک کنیم
32
01:19 =>01:22
، اولین چیزی که باید
33
01:22 =>01:29
با آن شروع کنیم، طرحی برای بدست آوردن امتیاز بالا است. نمای
34
01:29 =>01:33
سطحی با نگاه کردن به یک نمودار خطی ساده،
35
01:39 =>01:43
مارسلینو در طول زمان ثابت میکند، میتوانیم ببینیم
36
01:43 =>01:46
که یک چرخه هفتگی بین
37
01:46 =>01:48
این نقطه در اینجا وجود دارد که اولین
38
01:48 =>01:51
مشاهده یک یکشنبه در این نقطه است
39
01:51 =>01:53
در اینجا دو هفته بعد، ما میتوانیم یک افت را ببینیم،
40
01:53 =>01:57
متأسفیم اوج اوج در اواسط هفته. در آخر هفته دوباره کاهش می یابد
41
01:57 =>01:59
و در هفته بعد اوج
42
01:59 =>02:03
می گیریم، همچنین می توانیم روندی را در طول زمان ببینیم یا
43
02:03 =>02:06
تحویل بسته ها
44
02:06 =>02:10
هفته به هفته افزایش یافته است و اکنون به سمت
45
02:10 =>02:16
مدل پیش بینی می رویم که برای تجزیه و تحلیل
46
02:16 =>02:18
پیش بینی می رویم و مدل های سنتی ایجاد می
47
02:18 =>02:23
کنیم و بلافاصله از ما خواسته می شود که
48
02:23 =>02:25
زمان و بازه زمانی را برای
49
02:25 =>02:27
مدل سری زمانی تنظیم کنید، بنابراین این کار را انجام می
50
02:27 =>02:32
دهیم، اکنون تاریخ و زمان را تعریف می کنیم و می
51
02:32 =>02:35
خواهیم هفته ها و روزهایی را که این کار را انجام می دهیم انتخاب
52
02:35 =>02:37
کنیم، زیرا ما از همه این
53
02:37 =>02:38
opti ها داریم. ما این مورد را انتخاب کردهایم زیرا
54
02:38 =>02:41