آنالیز واریانس (anova) برای سریهای زمانی خودبازگشتی متناوب (par)

thesis
  • وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده علوم
  • author عباس پاک
  • adviser زهره شیشه بر
  • Number of pages: First 15 pages
  • publication year 1387
abstract

چکیده ندارد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

آنالیز واریانس (anova) برای سریهای زمانی خودبازگشتی متناوب(par)

همبستگی متناوب در سرتاسر فرآیند آنالیز واریانس (anova) مدل هایی که جمله خطای آن ها شامل یک سری زمانی اتورگرسیو متناوب است، وجود دارد. در این پایان نامه خواص مجانبی برآوردگرهای کمترین مربعات و فرض های آزمودنی خطی با یک آزمونf تعدیل شده را در آنالیز واریانس سریهای اتورگرسیو متناوب مورد بررسی قرار می دهیم. همچنین تکنیک های ثابت شده را برای ساختن استنباطهایی درباره شدت جریانهای سه ماهه رودخانه کر د...

برآورد کمترین مربعات و آنالیز واریانس برای سری های زمانی همبسته متناوب

معمولا در ساختار کواریانس داده های سریهای زمانی مربوط به اقلیم شناسی، آب شناسی، جامعه شناسی، علوم طبیعی، مهندسی برق و علوم اقتصاد و ... رفتار تناوبی مشاهده می شود، از این رواستفاده از سریهای زمانی همبسته متناوب در ده سال گذشته توجه گسترده ای را به خود جلب نموده اند. با توجه به اینکه روشهای آنالیز واریانس اغلب برای مقایسه میانگین های چند جامعه با نمونه های تصادفی هم توزیع و مستقل به کار برده می ...

15 صفحه اول

برآورد دوره تناوب سریهای زمانی با همبستگی متناوب ‏‎(pc)‎‏

روش معمول تجزیه و تحلیل سریهای زمانی به شدت به فرض ایستایی وابسته است اما در بسیاری از فرآیندهای فیزیکی این فرض برقرار نیست. در سالهای اخیر از فرآیندهای با همبستگی متناوب ‏‎pc‎‏ جهت مدل بندی فرآیندهای فیزیکی بیشتر استفاده شده است. استفاده از این فرآیندها بدان جهت است که رفتار این فرآیندهای ناایستا بسیاری از خواص فرآیندهای ایستا را داراست . یکی از مسائل مهم در ارتباط با فرآیندهای ‏‎pc‎‏ تعیین دو...

15 صفحه اول

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده علوم

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023