رگرسیون خطی موضعی با دادههای سری زمانی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز - دانشکده علوم ریاضی
- نویسنده رضا رستا
- استاد راهنما علی اکبر راسخی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1390
چکیده
در بسیاری از مدل های آماری که در طول زمان جمع آوری می شوند، داده های آماری همبسته هستند. در این مدل ها روش معمول برای برآورد پارامترهای مدل، استفاده از اطلاعات حاصل از همبستگی بین خطاها در مدل سازی است. در این پایان نامه هدف، بررسی نوعی رگرسیون خطی موضعی است که در آن فرض می شود خطاهای آماری از یک سری زمانی پیروی می کنند.در ابتدا به برخی مفاهیم پایه در رگرسیون و سری های زمانی پرداخته ایم. همچنین ملاک اطلاع بیزی را به منظور تعیین مقدار مناسب پارامتر میزان سازی در روش کمترین توان های دوم تاوان داده با تاوان قدر مطلق انحرافات جمع شده ی هموار معرفی کرده ایم. پس از آن به برآورد توابع رگرسیونی به روش ناپارامتری پرداخته و در پایان نامه نوعی رگرسیون خطی موضعی را مورد استفاده قرار داده ایم. روش کمترین توان های دوم تاوان داده را معرفی کرده و در ادامه با استفاده از مطالب پیشین به هموار سازی متغیر وابسته توسط رگرسیون خطی موضعی پرداخته ایم. از روش کمترین توان های دوم تاوان داده با تاوان قدر مطلق انحرافات جمع شده ی هموار به منظور تعیین مرتبه فرآیند خطاها که یک فرآیند خود بازگشت بود استفاده کرده ایم. سپس با شبیه سازی گسترده ای برتری این روش را نسبت به روش های زیائو و همکاران و روش نیم رخی نشان داده ایم. یک مثال واقعی در رابطه با اقتصاد کشورمان را با این روش تحلیل کرده ایم و به بررسی رابطه بین شاخص کل بورس و نرخ تورم پرداخته ایم. در آخر نیز به نتیجه گیری از پایان نامه و ترسیم سر خط پژوهش های آینده می پردازیم.
منابع مشابه
مقایسة 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 کاملشبکه ی عصبی در رگرسیون و سری زمانی غیرخطی
شبکه ی عصبی مصنوعی کاربرد وسیعی در مهندسی و سایر علوم دارد. با الهام گرفتن از معماری مغز، شبکه ی عصبی مصنوعی کلاسی از مدل های غیرخطی قابل یادگیری از داده ها را نمایش می دهد. شبکه های عصبی در موارد بسیاری کاربرد دارند از جمله ی طبقه بندی و پیش بینی. این پایان نامه یک نگاه آموزشی به شبکه های عصبی دارد و بر روی شبکه های عصبی انتشار برگشتی به عنوان روشی برای تقریب رگرسیون و سری زمانی غیرخطی تمرکز ش...
ارزیابی مدلهای سری زمانی خطی و غیر خطی بیلینییر در پیش بینی تبخیر- تعرق گیاه مرجع در ایستگاه سینوپتیک ارومیه
پیشبینی تبخیر-تعرق گیاه مرجع یکیاز مهمترین عناصردر بهینه سازی مصرف آب کشاورزی است. یکیازروشهایپیشبینی مقادیرتبخیر-تعرق گیاه مرجعاستفاده از مدلهای استوکاستیکسری زمانیاست. دراینپژوهشمدلهای خطی AR(p) و ARMA(p,q) به همراه مدل غیر خطی بیلینییر درپیشبینی مقادیر ماهانهتبخیر-تعرق گیاه مرجع درایستگاهسینوپتیک ارومیهمورد مقایسه قرار گرفت. برای انجام پژوهش، مقادیر ماهانه تبخیر-تعرق گیاه مرجع از سال ...
متن کاملبرآورد پارامترها در مدل های رگرسیون سری زمانی تکراری
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 تح...
15 صفحه اولمنابع 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 شهید چمران اهواز - دانشکده علوم ریاضی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023