Zeitreihen & Prognosen
Zeitanalyse, Stationarität, ARIMA, Prophet, Seasonal Decomposition, Prognosemetriken, Backtesting
1Was ist eine Zeitreihe?
Was ist eine Zeitreihe?
Antwort
Eine Zeitreihe ist eine Folge von Datenpunkten, die in chronologischer Reihenfolge indiziert sind. Beobachtungen werden in regelmäßigen Abständen (stündlich, täglich, monatlich) erfasst und weisen oft zeitliche Abhängigkeiten auf. Klassische Beispiele sind Aktienkurse, Temperaturen und monatliche Verkäufe.
2Was sind die drei Hauptkomponenten einer Zeitreihe in der klassischen Zerlegung?
Was sind die drei Hauptkomponenten einer Zeitreihe in der klassischen Zerlegung?
Antwort
Die klassische Zeitreihenzerlegung identifiziert drei Komponenten: Trend (langfristige Entwicklung), Saisonalität (repetitive Muster in festen Intervallen) und Residuum (unerklärtes zufälliges Rauschen). Diese Zerlegung kann je nach Datennatur additiv oder multiplikativ sein.
3Was ist Stationarität bei einer Zeitreihe?
Was ist Stationarität bei einer Zeitreihe?
Antwort
Eine Zeitreihe ist stationär, wenn ihre statistischen Eigenschaften (Mittelwert, Varianz, Autokorrelation) im Zeitverlauf konstant bleiben. Stationarität ist eine grundlegende Annahme für viele Prognosemodelle wie ARIMA. Eine nicht stationäre Reihe muss oft (durch Differenzierung) transformiert werden, bevor sie modelliert wird.
Welcher statistische Test wird häufig verwendet, um die Stationarität einer Zeitreihe zu überprüfen?
Wie macht man eine nicht stationäre Zeitreihe stationär?
+19 Interview-Fragen
Weitere Data Science & ML-Interviewthemen
Python-Grundlagen
Python Objektorientierte Programmierung
Python-Datenstrukturen
Git-Grundlagen
SQL-Grundlagen
NumPy-Grundlagen
Pandas-Grundlagen
Jupyter & Google Colab
SQL Joins & fortgeschrittene Abfragen
Fortgeschrittenes Pandas
Visualisierung mit Matplotlib & Seaborn
Interaktive Visualisierungen mit Plotly
Deskriptive Statistik
Inferenzstatistik
Web Scraping
BigQuery & Cloud Data
Feature Engineering
Überwachtes ML: Regression
Überwachtes ML: Klassifikation
Entscheidungsbäume & Ensembles
Unüberwachtes ML
ML-Pipelines & Validierung
Grundlagen des Deep Learning
TensorFlow & Keras
CNN und Bildklassifizierung
RNN & Sequenzen
Transformers & Attention
NLP & Hugging Face
GenAI & LangChain
MLOps und Deployment
Meistere Data Science & ML für dein nächstes Interview
Zugang zu allen Fragen, Flashcards, technischen Tests, Code-Review-Übungen und Interview-Simulatoren.
Kostenlos starten