شناسایی تکه های پرت جمع پذیر در سری های زمانی اتورگرسیو

‎در یک سری زمانی ممکن است در یک بازه زمانی ‎‎‏معین نقاط پرت به صورت پی در پی وجود داشته باشند‎.‎ مجموعه این نقاط پرت که ‎‎یک تکه پرت گ‎‏فته می شود‏، به تازگی مورد توجه آماردانان قرار گرفته است. شناسایی تکه پرت جمع پذیر به دلیل وجود اثرات پوششی و غرق شدن به آسانی میسر نمی شود. روش های بیزی که در سال های جدید در سری های زمانی کاربرد یافته اند‏، با کمک الگوریتم مونت کارلوی زنجیره مارکوفی می توانند در شناسایی نقاط پرت تکه ای مورد توجه قرار گیرند. دراین پایان نامه از روش نمونه گیری گیبز انطباقی برای شناسایی تکه های پرت جمع پذیر استفاده شده است. در این روش نقاط ابتدا و انتهای تکه پرت احتمالی با استفاده از نمونه گیری گیبز به دست می آیند. سپس این نقاط به عنوان یک بلوک در نظر گرفته می شوند و با استفاده از نمونه گیری گیبز انطباقی تکه پرت شناسایی و اندازه های پرتی آن‎‎‏ ها برآورد می شوند. در این پایان نامه از روش نمونه گیری گیبز انطباقی برای شناسایی و برآورد اندازه های پرتی تکه پرت جمع پذیر در سری زمانی ‎‎‎ar‎‎‏ استفاده شده است.