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...

در این مقاله انواع مدل های اتورگرسیو برای تحلیل داده های فضایی بیان شده و پارامترهای مدل ها با ماکسیمم کردن تابع درستنمایی نیمرخ با فرض آن که بین متغیرهای وابسته یا خطاهای مدل رابطه اتورگرسیو فضایی  برقرار باشد، برآورد شده است. سپس مدل های مختلف مورد ارزیابی قرار گرفته و در انتها نحوه کاربست آنها در مثالی کاربردی نشان داده شده است

در این مقاله انواع مدل های اتورگرسیو برای تحلیل داده های فضایی بیان شده و پارامترهای مدل ها با ماکسیمم کردن تابع درستنمایی نیمرخ با فرض آن که بین متغیرهای وابسته یا خطاهای مدل رابطه اتورگرسیو فضایی  برقرار باشد، برآورد شده است. سپس مدل های مختلف مورد ارزیابی قرار گرفته و در انتها نحوه کاربست آنها در مثالی کاربردی نشان داده شده است

تبخیر یکی از مؤلفه‌های مهم و تاثیرگذار در برنامه‌ریزی و مدیریت منابع آب در مناطق خشک و نیمه‌خشک می‌باشد و برآورد آن در اقلیم‌های مختلف، به‌عنوان یکی از مهمترین عوامل اثرگذار جوی، از اهمیت ویژه‌ای در برنامه‌ریزی و مدیریت منابع آب در بخش کشاورزی، تعیین الگوی کشت و مدیریت صحیح مخازن آبی برخوردار است. یکی از روش‌های بررسی تغییرات تبخیر و پیش‌بینی آن، مدل‌های سری زمانی با نام عمومی مدل‌های ARIMA می‌...

شبکه های عصبی مصنوعی‏، از جمله مد‎ل‎های ریاضی جدیدی هستند که با دقت بالا به مد‏‎ل‎بندی ساختار سر‏ی های زمانی غیرخطی می پردازند. مزیت این مدل ها در مقایسه با مدل های سری زمانی این است که نیاز به فرضیات محدود کننده نمی باشد. دقت برآوردگرهای حاصل از شبکه عصبی به عنوان یک مدل ناپارامتری از مسائل مهم می باشد. برای این منظور با استفاده از روش های خودگردان، می توان دقت برآوردگرها را در ساختارهای پیچید...

تحلیل طیفی یک روش توسعه یافته برای تحلیل سری های زمانی در قلمرو فرکانس است. این روش از متداولترین شیوه های مورد استفاده برای کاهش مناسب داده ها و متعاقباً مقایسه این گونه از ثبت داده هاست. اشتباهات ذاتی یا سهوی در داده های یک سری زمانی تحت بررسی می تواند نتایج گمراه کننده و غیر سودمندی در نتایج مربوط به طیف آن داده ها برجای گذارد. به این منظور ضمن بیان انواع داده های دورافتاده در سری های زمانی و...

تاکنون برآورد های متعددی برای پارامتر های مدل اتورگرسیو سببی با نوفه دُم سنگین انجام شده است، مانند برآورد کمترین مربعات، کمترین قدر مطلق انحرافات، کمترین قدر مطلق انحرافات وزنی، برآوردگر های m‎، وایتل و برآورد گشتاوری. در این پایان نامه به بررسی برآوردگر حداکثر درستنمایی (ml) پارامتر های مدل اتورگرسیو سببی و غیر سببی با نوفه پایدار غیر نرمال پرداخته می شود و توزیع های حدی ناتباهیده برای برآوردگ...

به منظور اجرای آنالیز رگرسیونی بر روی دادها، برای مثال می توان از مدل پروبیت ترتیبی استفاده نمود. در این مدل داده ها مستقل از هم در نظر گرفته می شوند. بنابراین وابستگی زمانی که ممکن است بین داده ها وجود داشته باشد، در این مدل بندی لحاظ نمی شود. در این رساله مدل جدیدی را که شامل ساختار اتورگرسیو می باشد، به نام مدل اتورگرسیو پروبیت ترتیبی را معرفی خواهیم کرد. که در این مدل وابستگی زمانی در مدل ب...

 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...

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...