مدل های لگاریتم خطی خودبرگشتی پواسون برای سری های زمانی شمارشی

پایان نامه
چکیده

یکی از ابزارهای مطالعه داده های وابسته (به زمان)، تحلیل سری های زمانی است. درحالتی که داده ها از یک فرایند تصادفی شمارشی به دست آمده باشند، سری زمانی حاصل را سری زمانی شمارشی گویند. سری های زمانی شمارشی در بسیاری از زمینه ها ازجمله اقتصاد، پزشکی و علوم زیستی مشاهده می شوند. به عنوان مثال، تعداد مبادلات بازارهای مالی در هر دقیقه و تعداد مراجعین با یک بیماری خاص به یک مرکز درمانی در هر ماه، داده هایی از نوع سری زمانی شمارشی هستند. مدل های زیادی برای مطالعه سری های زمانی شمارشی ارائه شده است. یکی از اشکالات عمده ی این مدل ها این است که نمی توان از آن ها برای مدل بندی هر دو نوع وابستگی (مثبت و منفی) استفاده کرد. در این پایان نامه، کلاسی از مدل های خودبرگشتی تحت عنوان مدل های لگاریتم خطی خودبرگشتی پواسونی برای تحلیل سری های زمانی شمارشی مورد مطالعه قرار می گیرد که در آن اشکال ذکر شده وجود ندارد. برای این منظور، نخست با استفاده از نظریه مدل های خطی تعمیم یافته استنباط هایی در مورد این مدل ارائه می شود سپس الگوی مورد مطالعه برای داده های واقعی ِخاصی که از نوع سری زمانی شمارشی هستند به کار برده و با مدل های مشابه مقایسه می شود.

منابع مشابه

پیش بینی بیزی سری های زمانی شمارشی

تجزیه و تحلیل سری های زمانی شمارشی‎‎‏، در سال های اخیر رشد و توسعه بسیاری پیدا کرده است. در این تحقیق، مسئله پیش بینی سری های زمانی مقدار صحیح، به وسیله مدل بندی فرآیندinar ‎‎ضمن بررسی ‎‎خواص نظری و کاربردهای عملی مدل ‎در گرفته شده است.‎ ‎‎‎‎روش بیزی برای بدست آوردن پیش بینی نقطه ای و فاصله ای برای مقادیر آینده فرآیند استفاده شده و با پیش بینی کلاسیک آنها مقایسه می گردد. روش های پیشنهادی، با...

مدل های خطی تعمیم یافته برای داده های سری زمانی

در بسیاری از مطالعات اغلب بررسی های مکرری از یک پاسخ در زمان های مختلف و برای هر فرد تحت مطالعه صورت می گیرد. این نوع از داده ها منسوب به داده های طولی می باشند. یک رهیافت خاص برای تحلیل این نوع داده ها استفاده از مدل های رگرسیون خطی با اثرات آمیخته است. این پایان نامه ابتدا به بررسی این موضوع که وجود بعد زمان در داده های طولی نوعی همبستگی بین خطاها ایجاد می کند و نیز اینکه وجود فرض های مناسب ب...

مقایسه ی مدل های شبکه های عصبی مصنوعی و سری های زمانی برای پیش بینی قیمت گوشت مرغ در ایران

     با توجه به اهمیت پیش بینی قیمت گوشت مرغ، در تحقیق حاضر قیمت این محصول با استفاده از روش ARIMA و شبکه های عصبی مصنوعی برای افق های زمانی یک ماهه، شش ماهه و دوازده ماهه پیش بینی گردید و این فرضیه که شبکه ی عصبی در پیش بینی قیمت گوشت مرغ از کارایی بیشتری نسبت به  مدل های سری زمانی برخوردار است، مورد بررسی قرار گرفت. داده های مربوط به این متغیّر برای دوره ی  زمانی1371:1 تا 1385:11 بوده و  از شر...

متن کامل

پیش بینی سری های زمانی کیفیت آب رودخانه سفیدرود با استفاده از مدل های خطی تصادفی

پیش­بینی کیفیت آب رودخانه­ها به منظور مدیریت مناسب حوضه آنها ضروری است، تا بتوان برای کنترل مقدار آلاینده­ها و رساندن آنها به حد مجاز گام­هایی برداشت.  در مقاله حاضر، قابلیت پیش­بینی سری­های زمانی پارامترهای هدایت الکتریکی و کلر ایستگاه آستانه از رودخانه سفیدرود با استفاده از مدل­های خطی تصادفی بررسی شده است.  به منظور پیش­بینی فصلی سری­های زمانی پارامترهای مذکور، از مدل خودهمبسته میانگین متحرک...

متن کامل

مدل بندی داده های شمارشی تحت تأثیر بیش پراکنش با مدل رگرسیون پواسون- بیرنبام ساندرز

در این مقاله ابتدا به معرفی مدل های رگرسیون پواسون آمیخته پرداخته و در ادامه به معرفی یک مدل جدید به نام رگرسیون پواسون-بیرنبام ساندرز با هدف لحاظ کردن مسئله بیش پراکنش در مدل بندی داده های شمارشی پرداخته می شود. از آن جا که توزیع بیرنبام ساندرز آمیخته ای از دو توزیع گاوسی وارون تعمیم یافته است، لذا می توان مدل معرفی شده دو پارامتری را تعمیمی بر مدل های قبلی دانست که علاوه بر داشتن یک پارامتر ک...

متن کامل

منابع 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 یزد - دانشکده ریاضی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023