بازه های پیش گویی بوت استرپ نیم ارامتری در سری های زمانی
نویسندگان
چکیده
یکی از مسائل مهم در تحلیل سریهای زمانی برآورد بازۀ پیش گویی آینده بر اساس مشاهدات گذشته است. در سالهای اخیر، روشهای مختلف بوتاسترپ برای برآورد بازههای پیش گویی بدون هیچ فرضی در بارۀ توزیع خطاها، ارائه شده است. روشهای بوتاسترپ نیم پارامتری بر اساس برازش یک مدل اتورگرسیو بر روی دادهها است و نمونههای بوتاسترپ با استفاده از بازنمونهگیری از باقی ماندهها تولید میشود. در این مقاله در ابتدا، روش های بوتاسترپ نیم پارامتری ارائه میشوند. سپس در پژوهشی شبیهسازی بازههای پیش گویی بوتاسترپ نیم پارامتری با بازۀ پیش گویی استاندارد مقایسه میشوند. در نهایت روشهای ارائه شده برای برآورد بازههای پیش گویی آینده داده های سری زمانی دمای هوای اصفهان به کار میروند.
منابع مشابه
بازه های پیشگویی بوت استرپ نیم پارامتری در سری های زمانی
یکی از مسائل مهم در تحلیل سری های زمانی برآورد بازه ی پیشگویی بر اساس مشاهدات گذشته است. در سال های اخیر، روش های متفاوت بوت استرپ برای برآورد بازه های پیشگویی بدون هیچ فرضی در مورد توزیع خطاها، ارائه شده است. روش های بوت استرپ نیم پارامتری بر اساس برازش یک مدل اتورگرسیو بر روی داده ها است و نمونه های بوت استرپ با استفاده از بازنمونه گیری از باقیمانده ها تولید می شود. در این مقاله در ابتدا، روش...
متن کاملفاصله های پیش بینی و درون یابی بوت استرپ در سری های زمانی
مبحث سری های زمانی در علوم مختلف بسیار پرکاربرد است و از هدف های اصلی آن برآورد بازه های پیشگویی بر اساس مشاهدات گذشته ی سری و برآورد بازه های درون یابی برای مقادیر گمشده است. در روش های سنتی فرض بر این است که توزیع باقیمانده ها معلوم است. اما روش های بوت استرپ بازه های پیشگویی و درون یابی را بدون هیچ فرضی درباره ی توزیع خطاها برآورد می کند. در سال های اخیر روش های متفاوت بوت استرپ ارائه شده اس...
15 صفحه اولپیش بینی فاصله ای در سری های زمانی ایستا با استفاده از روش بوت استرپ
آینده یک سری زمانی را می توان به کمک داده هایی که در طی زمان های گذشته گرداوری شده اند، را پیش بینی کرد. پیش بینی را می توان به صورت نقطه ای یا فاصله ای انجام داد. در این تحقیق، هدف پیش بینی فاصله ای است. در رویکرد کلاسیک فاصله های پیش بینی بر اساس توزیع نرمال برای خطای پیش بینی بوده است. لذا پیش بینی مناسبی با این فرض به دست نمی اید. ما در این تحقیق از روش بوت استرپ برای این فاصله ها استفاده ک...
کاربردهای شبکه های عصبی در پیش بینی سری های زمانی
استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...
متن کاملکاربرد روش های بوت استرپ در برآوردگرهای gmm و gel در مدل های سری زمانی
برآورد پارامترها یکی از مسائل مهم در استنباط آماری است. به طور گسترده روش گشتاورهای تعمیم یافته و روش درستنمایی تجربی تعمیم یافته در علوم اقتصادی برای برآورد پارامترهای یک مدل به کار گرفته می شوند. روش های متداول پیشنهاد شده معمولاً براساس فرض نرمال بودن توزیع مشاهدات است در صورتی که در روش بوت استرپ ناپارامتری به فرض معلوم بودن توزیع مشاهدات نیازی نیست. در این پایان نامه، ابتدا روش های برآو...
رویه های تحلیلی در حسابرسی: کاربردی از رویکرد تحلیل پوششی داده بوت استرپ شده
سودمندی تحلیل پوششی داده (DEA) به عنوان یک رویه تحلیلی برای حسابرسان مخصوصا در مرحله برنامه ریزی حسابرسی برای تعیین کردن اندازه حسابرسی (تخصیص منبع) و برای ارزیابی کردن سطح ریسک اولیه مشتری (تداوم فعالیت)، اثبات شده است. به هر حال، چندین محقق اشاره کرده اند که شمول نسبت های مالی در مدل های DEA، براوردهای کارایی سوداری را در اجرای رویه های تحلیلی ایجاد می کند. این مقاله به وسیله ی به کار بردن ت...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
پژوهش های ریاضیجلد ۱، شماره ۱، صفحات ۱-۱۲
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023