فاصله های پیش بینی و درون یابی بوت استرپ در سری های زمانی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه اصفهان - دانشکده علوم
- نویسنده پریسا میکلانی
- استاد راهنما نصراله ایران پناه
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1391
چکیده
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.
منابع مشابه
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...
متن کاملکاربردهای 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...
متن کاملفاصله 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 ...
متن کاملبازه 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...
متن کاملبررسی 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...
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 اصفهان - دانشکده علوم
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023