Serie temporali: come predire il futuro conoscendo il passato

Description:
Ci interroghiamo su cosa sia una serie storica e in quali ambiti si possono incontrare

Description:
Vediamo come vengono considerate le date in pandas e le prime operazioni che vi si possono compiere

Description:
Accedere ai dataframe utilizzando le informazioni sulle date che abbiamo

Description:
Cambiare le frequenze con cui si presentano i dati nei propri dataframe

Description:
Usare i lag e la rolling window dataframe

Description:
Come affrontare la mancanza di dati in una serie temporale? In questo video vedremo come farci aiutare dai grafici per visualizzare i dati mancanti nella serie e capirne l'andamento

Description:
I comandandi fillna, ffill e bfill per riempire i dati mancanti nelle serie temporali

Description:
Utilizzare media, mediana e media mobile per la gestione dei dati mancanti in una serie temporale

Description:
Utilizzeremo delle interpolazioni lineari per riempire i dati mancanti in una serie temporale

Description:
Utilizzeremo delle interpolazioni non lineari per riempire i dati mancanti in una serie temporale

Description:
Introdurremo le variabili aleatorie e i processi stocastici

Description:
Definiremo la correlazione fra due variabili nonché l'autocorrelazione di una serie con se stessa

Description:
Vedremo come effettuare i test di autocorrelazione e autocorrelazione parziale

Description:
Parleremo deli modelli autoregressivi, a media mobile e della tecnica dell'exponential smoothing

Description:
Metteremo in opera un modello autoregressivo

Description:
Esploreremo operativamente la media mobile e come possa essere usata

Description:
Esploreremo la tecnica dell'exponential smoothing

Description:
Parliamo dei modelli ARMA e ARIMA