استفاده از دو آزمون ناپارامتریک برای تشخیص روند در یک سری زمانی دارای حافظه (مطالعه موردی: درجه حرارت سالانه مشهد)

بررسی روند زمانی در یک سری زمانی یکی از ویژگی های مهم آن به شمار می آید. با این حال تمامی آزمون های متداول تعیین روند (مثلاً کندال و من-کندال) بر اساس فرض ایستا بودن سری زمانی و حافظه دار نبودن آن بنا شده است. هر دو آزمون کندال و من-کندال در حالت کلاسیک نشان دادند که سری زمانی درجه حرارت سالانه مشهد (به طول 127 سال از 1885 تا 2011) دارای روند افزایشی معنی دار (p-مقدار کوچک تر از 001/0) است در حالی که با توجه به مفهوم حافظه بلند مدت در داده ها (فرآیند اغتشاش نرمال جزیی؛ fgn با نمایه هرست برابر با 92/0)، انحراف معیار آماره های آزمون افزون بر 6 برابر بیش تر شد و در نتیجه هیچ کدام از این دو آزمون معنی داری روند افزایشی را در سطوح معنی داری متداول 01/0 و 05/0 تأیید ننمودند. روابط رگرسیونی برای تصحیح انحراف معیار در دو آزمون ناپارامتری روند کندال و من-کندال به عنوان تابعی از نمایه هرست و طول دوره آماری برای اولین مرتبه به دست آمد. نشان داده شد که نتایج در شرایط عدم تکمیل داده ها یکسان باقی می ماند. روش جدید استوکاستیکی بر پایه مفهوم عامل فراوانی چاو پیشنهاد شد و نشان داده شد که نتایج پایدار باقی می ماند.