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 ویژگی‌های مهم آن به‌شمار می‌آید. با این‌حال تمامی آزمون‌های متداول تعیین روند (مثلاً کندال و من-کندال) بر اساس فرض ایستا بودن سری زمانی و حافظه‌دار 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 معنی‌دار (p-مقدار کوچک تر از 001/0) است در حالی‌که با توجه به مفهوم حافظه بلند مدت در داده‌ها (فرآیند اغتشاش نرمال جزیی؛ FGN با نمایه هرست برابر با 92/0)، انحراف معیار آماره‌های آزمون افزون بر 6 برابر بیش‌تر شد و در نتیجه هیچ‌کدام از این دو آزمون معنی‌داری روند افزایشی را در سطوح معنی‌داری متداول 01/0 و 05/0 تأیید ننمودند. روابط رگرسیونی برای تصحیح انحراف معیار در دو آزمون ناپارامتری روند کندال و من-کندال به‌عنوان تابعی از نمایه هرست و طول دوره آماری برای اولین مرتبه به‌دست آمد. نشان داده شد که نتایج در شرایط عدم تکمیل داده‌ها یکسان باقی می‌ماند. روش جدید استوکاستیکی بر پایه مفهوم عامل فراوانی چاو پیشنهاد شد و نشان داده شد که نتایج پایدار باقی می‌ماند.