بازه های پیش گویی بوت استرپ نیم ارامتری در سری های زمانی

Authors

نصراله ایرانپناه

n. iranpanah university of isfahanدانشگاه اصفهان پریسا میکلانی

p mikelani university of isfahanدانشگاه اصفهان

abstract

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.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

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...

full text

فاصله 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 اول

پیش 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...

full text

کاربرد 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...

full text

My Resources

Save resource for easier access later


Journal title:
پژوهش های ریاضی

جلد ۱، شماره ۱، صفحات ۱-۱۲

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023