برآورد پارامترها در مدل های رگرسیون سری زمانی تکراری
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده ریاضی
- نویسنده پروین رحیم پور
- استاد راهنما مسعود یارمحمدی پرویز نصیری
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1388
چکیده
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 .
منابع مشابه
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،...
متن کاملمقایسة 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،...
متن کاملبرآورد 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...
متن کاملبرآورد 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...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده ریاضی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023