همانطور که می دانیم حضور داده های پرت در یک مجموعه از مشاهدات هموارد مورد بحث بوده است، در سری های زمانی نیز حضور این گونه داده ها غیر قابل اجتناب است و از آنجا که حذف داده های پرت از یک مجموعه داده ی سری زمانی کاری نسبتا نامعقول است، پس لازم است به برآوردگرهایی دست یابیم که اثرپذیری کمتی از داده های پرت نسبت به برآوردگرهای کلاسیک داشته باشند. از آنجا که الگوی خودبازگشتی همبسته دوره ای دارای کاربردهای زیادی است، در این پایان نامه تحلیل این سری ها در حضور داده های پرت جمعی مورد بحث قرار می گیرد. فصل اول شامل مقدمات و مباحث مربوط به برآوردگرهای نیرومند و خصوصیات آنها می باشد. فصل دوم شامل تعاریف و خصوصیات برآوردگر نیرومند کواریانس دو متغیر و تابع اتوکواریانس یک سری زمانی است. فصل سوم به خصوصیات یک سری pcar پرداخته می شود. فصل چهارم شامل اثرات ناشی از نقاط پرت روی برآورد پارامترهای مدل فوق و برآوردگر نیرومند این پارامترها تحت معادلات یول-والکر است و در فصل پنجم به شبیه-سازی مدل par(1) پرداخته و مدل بندی میانگین دمای فصلی مینیمم مرکز سینوپتیک شیراز، مدل بندی تعرق و تبخیر مرجع را برای همین مرکز و مدل بندی دبی فصلی رودخانه fraser را ارائه می دهیم.