فاصله های پیش بینی و درون یابی بوت استرپ در سری های زمانی
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه اصفهان - دانشکده علوم
- author پریسا میکلانی
- adviser نصراله ایران پناه
- Number of pages: First 15 pages
- publication year 1391
abstract
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 است. در روش بوت استرپ نیم-پارامتری یک فرایند خودبازگشتی به سری برازش داده می شود. سپس نمونه های بوت استرپ با استفاده از بازنمونه گیری از مانده ها تولید می شوند. در روش های بوت استرپ بلوکی نمونه های بوت استرپ با استفاده از بازنمونه گیری از بلوک ها به-دست می آیند. در این پایان نامه، ابتدا الگوریتم بوت استرپ نیم پارامتری برای برآورد بازه های پیشگویی و درون یابی ارائه می گردد. سپس، چندین روش بوت استرپ بلوکی برای برآورد بازه های پیشگویی ارائه می شوند. همچنین، روش های ارائه شده در مطالعات شبیه سازی با هم مقایسه می شوند. در انتها، روش های ارائه شده برای داده های واقعی مورد استفاده قرار می گیرند.
similar resources
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...
بازه های پیش گویی بوت استرپ نیم ارامتری در سری های زمانی
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 ابت...
full textکاربردهای 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 textفاصله های پیش بینی بوت استرپ برای احتمال مرگ و میر ایران
بررسی روند و احتمال مرگ و میر برای برنامه ریزان، کارشناسان جمعیت، سازمان های بازنشستگی و شرکت های بیمه از اهمیت بالایی برخوردار است. تحقیقات نشان می دهد جداول مرگ و میر ایستا، احتمالات مرگ و میر را زیاد نشان می دهند. علت بیش برآوردی احتمالات مرگ و میر در جداول ایستا را می توان به نادیده گرفتن تغییرات مرگ و میر بر حسب زمان نسبت داد. جداول مرگ و میر پویا با در نظر گرفتن اثر زمان در سنین مختلف بر ...
full textبازه 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 textبررسی ویژگیها و توان پیش بینی سری های زمانی جریان های نقدی
پیش بینی جریان های نقدی عملیاتی بر اساس الف : سری جریان های نقدی عملیاتی گزارش شده و یا ب: سایر سری های زمانی به عنوان جایگزین جریان های نقدی عملیاتی انجام می شود. سری های جایگزین، به طور معمول، الگوریتم های ساده ای از اجزای صورتهای مالی هستند. تحقیقات نشان میدهد، ویژگی ها و توان پیش بینی سری های زمانی گزارش شده و جایگزین های آن متفاوت است؛ لذا روایی خارجی تحقیقاتی که بر اساس جایگزین ها انجام م...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه اصفهان - دانشکده علوم
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023