代做STATS 4A03 Time Series Analysis Project Guidelines代写数据结构语言

Time Series Analysis Project Guidelines

STATS 4A03

Due on Crowdmark by Friday, April 12th at 11:59pm

1    Objective

The objective of the this project is to demonstrate the time series analysis techniques we have discussed throughout the course by showing that you can apply these methods appropriately to real time series data. The format of this project is similar to a common research paper. You are required to:

.  Find a data set representing the observations of a time series.  The total number of observations should be at least 50.

.  Specify a tentative time series model for the data set.

.  Estimate the parameters for the tentative model.

.  Perform model diagnostic, then modify the model if necessary.

.  Use the selected model for forecasting.

. Include the data set and the R package code. Identify the source of your data.

2    Presentation of Results

You must write a short scientiic report (in pdf format), which include the following components:

.  Section 1:  Introduction - Discuss the purpose, relevance, importance, and goal of the project, along with relevant background information on the topic.

.  Section 2: Modeling - Explain the methods and techniques used to obtain the appropriate model.  Use key plots and tables if necessary.

.  Section 3:  Results - Explain the efectiveness of forecasting and how it helps in reaching the goal proposed in the introduction.

.  Section 4: Conclusion - Discuss the limitations of your results and potential future development.

.  List of References.

3    Format

Your report must meet the following requirements:

.  12 point font in Times New Roman (or similar font).

.  Single spaced.

.  Number of pages of the report, including the title page and references:  up to 10 pages.

.  Up to 8 tables/plots in the report.

.  The data set and the R package code must be uploaded separately from the scientiic report.

4    Resources for Data Sets

Some resources for inding data sets:

.  Kaggle: https://www.kaggle.com/datasets

.  UCI Machine Learning Repository: https://archive.ics.uci.edu

.  Data.gov: https://data.gov

.  Earth Data: https://www.earthdata.nasa.gov

.  CERN Open Data Portal: http://opendata.cern.ch

.  Global Health Observatory Data Repository: https://apps.who.int/gho/data/node.home

.  Datahub.io: https://datahub.io/collections

.  BFI Film Industry Statistics: https://www.bi.org.uk/industry-data-insights

5    Grading Rubric

To be added on Avenue to Learn..