برآوردگرهای نیرومند در سری های زمانی خودبازگشتی همبسته دوره ای با نقاط پرت جمعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده علوم
- نویسنده امیرحسین شبانی
- استاد راهنما زهره شیشه بر احمدرضا سلطانی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1390
چکیده
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.
منابع مشابه
بررسی نقاط پرت در داده های سری زمانی چند متغیره
مشاهدات سری های زمانی گاهی اوقات تحت تأثیر پیشامدهایی نظیر: اعتصا ب ها، ظهور جنگ ها، بحران های سیاسی و غیره قرار می گیرند. نتایج این پیشامدهای بازدارنده، به وجود آوردن مشاهدات مصنوعی است که با بقیه ی مشاهدات سری زمانی سازگاری ندارد. این قبیل مشاهدات را نقاط پرت می نامند. در این رساله نقاط پرت نوساز، جمع پذیر، تغییر سطح ، تغییر موقت در سری های زمانی چند متغیره مورد بررسی قرار گرفته اند. جهت شن...
15 صفحه اولاثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین
Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...
متن کاملاثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین
Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...
متن کاملتشخیص نقاط پرت در مدل رگرسیونی لیو
در حضور هم خطی با ناپایدار بودن برآورد کمترین توان های دوم پارامترها، انتظار می رود که باقیمانده ها هم ناپایدار باشند و در این صورت ممکن است که یک باقیمانده بزرگ از برازش کمترین توان های دوم نمایان گر یک مشاهده پرت نباشد و برعکس. در این صورت لزوم بررسی نقاط پرت هنگامی که از روش های معمول برآورد غیر از کمترین توان های دوم از جمله برآوردگر لیو استفاده می شود ضروری به نظر می رسد. در این مقاله با ا...
متن کاملمقایسهی برآوردگرهای بوت استرپ، درستنمایی ماکزیمم بهبودیافته و گشتاوری پارامترهای مدل خودبازگشتی با خطاهای نامنفی
فرض نرمال بودن خطاها، یکی از فرضیات معمول در مدل‌های سری زمانی است اما در بعضی مواقع با مواردی مواجه می‌شویم که خطاها از توزیع نرمال پیروی نمی‌کنند. در این مقاله مدل‌های خودبازگشتی در نظر گرفته می‌شوند که در آن خطاها مستقل و همتوزیع هستند و از توزیعی از خانواده‌های نمایی و یا وایبل پیروی می‌کنند. برآوردگرهای درستنمایی ماکزیمم بهبودیافته، بوت استرپ و گشتاوری پارامترهای مجهول مدل‌های ذکر شده در ح...
متن کاملبازسازی سری های زمانی داده های ماهواره ای دمای سطح زمین با استفاده از الگوریتم تجزیه و تحلیل هارمونیک سری های زمانی (HANTS)
دمای سطح زمین (LST) یکی از پارامترهای اساسی در مبادله انرژی بین زمین و اتمسفر است. در بسیاری از علوم مختلف از جمله اقلیم‌شناسی، هیدرولوژی، کشاورزی، اکولوژی، بهداشت عمومی و علوم زیست‌محیطی استفاده از سریهای زمانی LST کاربرد فراوان دارد. اما سریهای زمانی دادههای ماهوارهای معمولاً دارای دادههای ناقص، از دست رفته و یا غیر قابل قبول هستند که این به دلیل حضور ابرها در تصاویر، وجود ذرات گرد و غبار...
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 شیراز - دانشکده علوم
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023