تجزیه و تحلیل سری های زمانی شمارشی‎‎‏، در سال های اخیر رشد و توسعه بسیاری پیدا کرده است. در این تحقیق، مسئله پیش بینی سری های زمانی مقدار صحیح، به وسیله مدل بندی فرآیندinar ‎‎ضمن بررسی ‎‎خواص نظری و کاربردهای عملی مدل ‎در گرفته شده است.‎ ‎‎‎‎روش بیزی برای بدست آوردن پیش بینی نقطه ای و فاصله ای برای مقادیر آینده فرآیند استفاده شده و با پیش بینی کلاسیک آنها مقایسه می گردد. روش های پیشنهادی، با...

داده های فضایی که در زمان های متوالی به دست آیند، داده های فضایی-زمانی و اگر این داده ها در طول زمان مستقل باشند، داده های پانلی فضایی نامیده می شوند. برای مدل بندی این داده ها لازم است همبستگی فضایی یا فضایی-زمانی آن ها، به نحوی لحاظ شود. با فرض اینکه بین متغیرهای وابسته یا خطاهای مدل رابطه اتورگرسیو برقرار باشد، می توان همبستگی فضایی یا فضایی-زمانی را در مدل بندی مشاهدات لحاظ کرد. یک مسئله مو...

رواناب مانند بسیاری دیگر از متغیرهای هیدروکلیماتولوژیک از تغییرات فصلی که تحت تأثیر فرایندی تصادفی قرار دارد برخوردار می باشد. تحقیقات نشان داده است که مدل های استوکاستیک از مناسب ترین ابزارهای شبیه سازی متغیرهای تصادفی که دارای یک روند فصلی اند می باشد. در این مقاله ضمن تشریح نحوه توسعه مدل های سری زمانی، الگوهای استوکاستیک رواناب به صورت الگوی مرکب اتورگرسیو میانگین متحرک در مقاطع زمانی ماهان...

 یکی از موضوعات مهم در تحلیل داده‌های فضایی، پیش‌گویی مقدار نامعلوم کمیت مورد مطالعه در موقعیت‌های دلخواه بر اساس یکی از مدل‌های فضایی مانند اتورگرسیو فضایی یک‌طرفه، اتورگرسیو شرطی و میانگین متحرک است. در این مقاله ابتدا پارامترهای مدل (SAR(2,1 را به روش ماکسیمم درستنمایی برآورد کرده سپس فرمول‌هایی برای پیش‌گویی درون قلمرو داده‌ها (درون‌یابی) و خارج قلمرو داده‌ها (برون‌یابی) به‌دست آورده می‌شود...

سری های زمانی متعددی وجود دارند که مدل های خطی مرسوم برای آن ها چندان مناسب نیست. از جمله می توان به سری های زمانی دوره ای با دوره تناوب نامنظم و نامعلوم اشاره کرد. مدل های خطی برای مدل سازی این سری ها ناکارآمد است. بخصوص مدل های خطی در بحث آینده نگری این مدل ها، حافظه لازم برای بخاطر سپردن دوره های نامنظم را ندارند. در سال های اخیر مطالعه ی مدل های سری زمانی غیرخطی مورد توجه قرار گرفت و مدل ها...

مدل arima، مدل پیش بینی دقیقی برای بازه کوتاه مدت می باشد ولی محدودیت تعداد داده های گذشته را نیز دارد. در جامعه کنونی، با توجه به شرایط نااطمینانی و همین طور رشد سریع تکنولوژی، نیاز به پیش بینی در بازه کوتاه مدت احساس می شود. معمولا داده های در دسترسکمتر از آن تعدادی است که در مدل arima باید به کار گرفته شود. در این میان مدلهای رگرسیون فازی قادرند با داده های اندک و در شرایط نااطمینانی به پیش ...

مدل arima، مدل پیش بینی دقیقی برای بازه کوتاه مدت می باشد ولی محدودیت تعداد داده های گذشته را نیز دارد. در جامعه کنونی، با توجه به شرایط نااطمینانی و همین طور رشد سریع تکنولوژی، نیاز به پیش بینی در بازه کوتاه مدت احساس می شود. معمولا داده های در دسترسکمتر از آن تعدادی است که در مدل arima باید به کار گرفته شود. در این میان مدلهای رگرسیون فازی قادرند با داده های اندک و در شرایط نااطمینانی به پیش ...

بیش تر سری های زمانی به ویژه سری های اقتصادی در عمل‎‎ دارای نوسان هستند. تحلیل سری های زمانی متعارف مانند، مدل اتورگرسیو و میانگین متحرک یا تلفیق یافته این دو مدل بر پایه همسانی واریانس ها هستند. منطقی آن است که از مدل هایی استفاده شود که، شروط ناهمسانی را در مدل های قبلی در نظر بگیرند. یک خانواده مهم در این مدل ها، خانواده مدل های اتورگرسیو واریانس ناهمسان شرطی‎‎ (arch) است که به خوبی نوسانات ...

تحلیل سری های زمانی شمارشی در سال های اخیر رشد و توسعه ی بسیاری پیدا کرده است. این سری ها اغلب بیش پراکنده هستند و مدل اتورگرسیو ناهمواریانس شرطی تعمیم یافته ی شمارشی قادر به توصیف فر‎‎آیندهای شمارشی بیش پراکنده و‎ ‎ناهمسان‎ در واریانس می باشد. ‎ ‎این تحقیق سریهای زمانی شمارشی با بیش پراکندگی و وجود مشاهداتی با مقادیر بزرگ را مورد بحث قرار می دهد. ‎‎ ‎به‎ علت عملکرد ضعیف مدل اتورگرسیو ناهمو...

مقدمه: فراخوان نوزادان با آزمون های اولیه غیرطبیعی در غربالگری کم کاری مادرزادی تیروئید، اولین گام در شناسایی و درمان نوزادان هیپوتیروئید است. با توجه به اهمیت میزان فراخوان در ارزیابی هزینه ـ سود و قابل اجرا بودن برنامه غربالگری کم کاری مادرزادی تیروئید، پیش بینی میزان فراخوان می تواند نقش بسزایی در بهینه سازی تخصیص نیروها و جلوگیری از اتلاف آن ایفا نماید. این مقاله شامل بررسی روند سری زمانی م...