برآورد پارامترها در مدل های رگرسیون سری زمانی تکراری
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده ریاضی
- author پروین رحیم پور
- adviser مسعود یارمحمدی پرویز نصیری
- Number of pages: First 15 pages
- publication year 1388
abstract
چکیده یکی از متداول ترین مدل های آماری مطالعه شده مدل رگرسیون خطی است که خطاهایش به طور دنباله وار وابسته و از یک الگو سری زمانی پیروی می کند. در این پایان نامه کاربرد روش شبه کمترین مربعات ( ) را که به عنوان یک روش جدید برای برآورد پارامترها در مدل رگرسیون سری زمانی با خطای با ساختار مدل اتورگرسیواز مرتبه مورد بررسی و مطالعه قرار می گیرد. این روش شبه کمترین مربعات توسط چاگانتی (1997) برای تحلیل داده های طولی معرفی شد. استفاده از این روش نیازمند هیچگونه فرضی درباره توزیع داده ها نیست. لذا از دیدگاه کاربردی از این جهت حایز اهمیت است که حتی اگر متغیر پاسخ نرمال نباشد می توان به عنوان یک روش بهینه مورد استفاده قرار گیرد. در ادامه روشهای دیگری نظیر برآوردگرهای گشتاوری ( ) و ماکسیمم درستنمائی ( ) معرفی می شود. سپس با استفاده از روشهای شبیه سازی به مقایسه این روشها پرداخته و نقاط ضعف و قوت آنها را بیان می کنیم. که در این پایانه نامه شبیه سازی را با استفاده از نرم افزار sas/iml انجام داده و نتایج شبیه سازی نشان می دهد که روش برآورد بهتر از روش برآورد گشتاوری بوده و می تواند به عنوان یک رقیب مناسب در مقابل روش برآوردهای ماکسیمم درستنمائی در نظر گرفته شود .
similar resources
مقایسه عملکرد رگرسیون های چندخطی، رگرسیون ناپارامتری و مدل های سری زمانی در برآورد و پیش بینی مقادیر تبخیر
برای شبیه سازی سری های زمانی، روش هیا مختلفی ارائه شده اند که از آن جمله می توان مدل های سری زمانی ar، arma و armax و روش های رگرسیون چندخطی (mlr) و رگرسیون ناپارامتری (k-nn) را برشمرد. در این تحقیق، عملکرد این روش ها در برآورد داده های مفقود و پیش بینی مقادیر آتی سری زمانی تبخیر از سطح آزاد آب مورد بررسی قرار گرفت. مدل armax با استفاده از ورودی های استاندارد شده دمای کمینه و بیشینه، متوسط دما،...
full textمقایسة عملکرد رگرسیون های چندخطی، رگرسیون ناپارامتری و مدلهای سری زمانی در برآورد و پیش بینی مقادیر تبخیر
برای شبیهسازی سریهای زمانی، روشهیا مختلفی ارائه شدهاند که از آن جمله میتوان مدلهای سری زمانی AR، ARMA و ARMAX و روشهای رگرسیون چندخطی (MLR) و رگرسیون ناپارامتری (K-NN) را برشمرد. در این تحقیق، عملکرد این روشها در برآورد دادههای مفقود و پیشبینی مقادیر آتی سری زمانی تبخیر از سطح آزاد آب مورد بررسی قرار گرفت. مدل ARMAX با استفاده از ورودیهای استاندارد شدة دمای کمینه و بیشینه، متوسط دما،...
full textبرآورد احتمال تغییر وضعیت رفتار سری های زمانی مالی با مدل اتورگرسیو تبدلی مارکف
در این مقاله، با استفاده از احتمال های تغییر وضعیت m-دوره بعد زنجیر مارکف، احتمال تغییر وضعیت رفتار نوسان های در این مقاله روشی برای برآورد احتمال تغییر وضعیت سری های زمانی مالی توسط مدل اتورگرسیو تبدلی مارکوف پیشنهاد شده است. سپس با استفاده از این مدل، رفتار نوسان های نرخ ارز به دو رژیم نرخ تغییرات کم و زیاد مدل بندی شده است. نتایج پیش بینی نشان می دهد که احتمال ماندگاری در رژیم ها رو به کاهش...
full textبرآورد نامنفی مولفه های وریانس در سری های زمانی مختصات GPS
برای برآورد مجهولات در یک مدل تابعی که در آن مشاهدات تابعی خطی از مجهولات میباشند، استفاده از روش کمترین مربعات مرسوم است. بهترین برآورد خطی نااُریب (BLUE) وقتی حاصل میشود که معکوس ماتریس کواریانس مشاهدات به عنوان ماتریس وزن در نظر گرفته شود. لذا داشتن برآوردی واقع گرایانه از دقت مشاهدات کاملا ضروری است. یکی از روشهای بدست آوردن دقت مشاهدات، استفاده از برآورد کمترین مربعات مولفههای وریا...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده ریاضی
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023