ممیزی سری های زمانی به روش هسته
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز - دانشکده ریاضی و کامپیوتر
- نویسنده راضیه دهقانیان
- استاد راهنما رحیم چینی پرداز بهزاد منصوری
- سال انتشار 1391
چکیده
آنالیز ممیزی از مباحث پایه ای آمار چند متغیره و ممیزی سری های زمانی از اساسی ترین کاربردهای داده های سری زمانی است. برای ممیزی بین دو سری زمانی ایستا، اغلب فرض می شود اغتشاشات دارای توزیع نرمال هستند. اما چنان چه اغتشاشات دارای توزیع نرمال نباشند، مطلوب است ممیزی به صورت ناپارامتری مطرح شود. روش ناپارامتری ممیزی هسته مبتنی بر استفاده از برآورد تابع چگالی هسته به جای استفاده از مقادیر واقعی آن هاست. نرخ رده بندی نادرست ممیزی هسته، به دلیل انعطاف پذیری این روش معمولا کمتر از خطی و درجه دوم است. مهم ترین مسئله در برآورد تابع چگالی هسته انتخاب مقدار مناسب پارامتر هموارکننده است. در این پایان نامه روش های مختلف انتخاب پارامتر هموارکننده شامل هم روایی حداقل مربعات، هم روایی درستنمایی ماکزیمم، هم روایی اریب و روش جایگزینی که منجر به مقدار بهینه آن در ممیزی سری های زمانی است با استفاده از شبیه سازی به دست آمده است. همچنین ممیزی داده های سری زمانی با استفاده از روش هسته توافقی انجام شده است. نتایج نشان می دهد استفاده از برآورد تابع چگالی به جای مقادیر واقعی آن ها می تواند در حالت نبودن ایستایی و یا معلوم نبودن توزیع جامعه ها مناسب باشد. مقایسه ای بین آنالیز ممیزی ناپارامتری و روش های کلاسیک و روش بیز انجام شده است. روش های مذکور برای ممیزی کشورها با استفاده از شاخص توسعه انسانی و داده های تولید ناخالص داخلی استفاده شده است.
منابع مشابه
ممیزی سری های زمانی با استفاده از برآورد تابع درستنمایی ضرایب موجک های گسسته
در این مقاله نسبت درستنمایی توابع چگالی دو جامعه نرمال با استفاده از تبدیل موجکی گسسته تقریب زده شده و یک معیار ناپارامتری برای ممیزی مدل های سری های زمانی ایستا در حوزه موجک ها پیشنهاد شده است. سپس با استفاده از روش های شبیه سازی کارایی معیار به دست آمده در ممیزی مدل های مختلف ARMA نشان داده شده است. عدم نیاز به مدل بندی پارامتری، سرعت محاسبات برای سری های زمانی بزرگ و نرخ خطای ممیزی پایین از ...
متن کاملممیزی و خوشه بندی سری های زمانی در حوزه زمان
در رساله حاضر مساله ممیزی و خوشه بندی سری های زمانی مطالعه شده است. ممیزی بین دو مدل ar(p) به همراه اغتشاش، برای حالتی که در آن واریانس های دو مدل و دو اغتشاش یکسان نیستند بررسی شده و سپس ممیزی بین دو مدل ma(1) به همراه اغتشاش با واریانس های متفاوت به دست آمده است. در اینجا ضمن به دست آوردن معیاری برای ممیزی کردن این مدل ها، کومولانت های تابع توزیع ممیزی محاسبه شده است. در مرحله بعد عملکرد تا...
15 صفحه اولممیزی سری های زمانی با استفاده از برآورد تابع درستنمایی ضرایب موجک های گسسته
در این مقاله نسبت درستنمایی توابع چگالی دو جامعه نرمال با استفاده از تبدیل موجکی گسسته تقریب زده شده و یک معیار ناپارامتری برای ممیزی مدل های سری های زمانی ایستا در حوزه موجک ها پیشنهاد شده است. سپس با استفاده از روش های شبیه سازی کارایی معیار به دست آمده در ممیزی مدل های مختلف arma نشان داده شده است. عدم نیاز به مدل بندی پارامتری، سرعت محاسبات برای سری های زمانی بزرگ و نرخ خطای ممیزی پایین از ...
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 کاملتوابع ممیزی خطی برای سری های زمانی ایستا و مقایسه ی آن با توابع ممیزی درجه دوم
یک فاکتور مهم در روش های ممیزی، پایین بودن خطاهای کلاس بندی اشتباه روش مربوطه می باشد. در این پایان نامه کلاس بندی بهینه بر روی تابع ممیزی خطی به وسیله ی ماکزیمم کردن فاصله های کولبک-لیبلر، چرنوف، موری سیتا و هلینگر مورد بررسی قرار می گیرد و مقایسه های مربوطه در مورد این فاصله ها در رابطه با بهترین فاصله ممیزی انجام می گیرد. برای این منظور ابتدا رابطه ای برای بهینه کردن تابع ممیز خطی به د...
پیش بینی سری های زمانی تجمعی کوتاه مدت به روش رگرسیونی بر اساس مجموع های جزیی
در این مقاله، مسئله ی پیش بینی یک سری زمانی با تعداد اندکی از داده ها، در یک روش رگرسیونی خلاصه شده است. این روش زمانی به خوبی کار می کند که روش های استاندارد برای تعداد مشاهدات اندک قابل استفاده نباشند. کمیت پیش بینی شده مقدار تجمعی از یک متغیر پیوسته و مثبت است به گونه ای که داده های گرداوری شده به صورت جزیی موجود هستند. یک مدل خیلی ساده برای توصیف رابطه ی بین مقادیر کلی و جزیی متغیری که قرار...
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 شهید چمران اهواز - دانشکده ریاضی و کامپیوتر
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023