پیش بینی مقادیر آینده یک سری که با استفاده از روش های سری زمانی انجام می شود برای بسیاری از پژوهش ها از اهمیت خاصی برخوردار است . در مباحث اقتصادی و مالی پیش بینی شاخص ها و قیمت ها در آینده اهمیت ویژه ای دارد. تاکنون از مدل های سری زمانی معمولی برای مدل سازی سری های مالی و اقتصادی استفاده می کردند که چندان مناسب نبود. زیرا در سری های مالی ناپایداری ها به شدت به گذشته خود وابسته اند و بایستی در مدل سازی ها این ناپایداری به حساب آید .مدل هایی که به بررسی این موضوع و مدل سازی ناپایداری ها می پردازد مدلهای arch نامیده می شوند که در این پایان نامه به معرفی آنها پرداخته و آنها را تعمیم می دهیم و کاربرد این روش را در داده های شاخص کل قیمت سهام ارائه می دهیم .

در این پایان نامه به معرفی یک کلاس از مدل های گرافیکی بیزی، با عنوان مدل های چندرگرسیونی پویا (کوئین و اسمیت، 1993) جهت مدل بندی و پیش بینی سری های زمانی چندمتغیره با ساختار علّی می پردازیم. این مدل ها به گونه ای تعریف شده اند که ساختار استقلال شرطی و روابط علی مشخص شده ای را در طی زمان نمایش می دهند. با توجه به تعریف این مدل ها اگر روابط شرطی و علّی بین متغیرهای موجود در مدل را بتوان توسط یک گراف غیرمدور جهت دار نمایش داد، آنگاه با شرط خطی و نرمال بودن، هر یک از متغیرها به صورت شرطی از یک مدل پویای خطی یک متغیره ی بیزی (هاریسون و استیونسن، 1976) پیروی می کنند. با اینکه توزیع شرطی متغیرها در مدل نرمال است، اما توزیع توأم آنها ممکن است غیر نرمال باشد. همچنین توزیع حاشیه ای متغیرها به آسانی قابل شناسایی نیست، با این حال با استفاده از یک سری معادلات بازگشتی می توان میانگین و واریانس حاشیه ای متغیرها را محاسبه کرد. برای یک سری زمانی چندمتغیره از داده های نرخ ارز، به استخراج گراف غیرمدور جهت دار با بررسی روابط شرطی و علّی بین متغیرها می پردازیم که یکی از روش های مرسوم در استخراج گراف مورد نظر استفاده از الگوریتم pc می باشد. سپس بر اساس مدل چند رگرسیونی پویا که یک نوع شبکه ی بیزی پویاست، با استفاده از معادلات بازگشتی و صافی کالمن به محاسبه ی میانگین و واریانس حاشیه ای هر یک از متغیرها می پردازیم. بر اساس مدل داده شده ، هر یک از متغیرها به صورت شرطی از یک مدل پویای خطی پیروی خواهند کرد. با استفاده از نمونه گیری گیبز به برآورد پارامترهای نامعلوم هر یک از مدل های پویای خطی می پردازیم و به صورت برخط و بازگشتی به پیش بینی نرخ برای ارزهای مورد مطالعه خواهیم پرداخت.

برای تحلیل فراوانی ریزش های جوی، می توان از دو روش پارامتری و غیر پارامتری استفاده کرد. روش های معمول و مرسوم تحلیل فراوانی براساس روش های پارامتری استوار هستند. یکی از عیوب روش های پارامتری این است که فرض می کنیم داده ها یا مشاهدات از جامعه آماری با تابع چگالی احتمال معلوم هستند. فرض مذکور در بسیاری از حالات صحیح نیست. از معایب دیگر این روش ها، تغییرپذیری زیاد پارامترها در ارتباط با اندازه نمونه و اشکال در برآورد دقیق آنها است. یکی از راه حل های مقابله با مشکلات فوق الذکر استفاده از روش های غیرپارامتری است. در روش های اخیر فرض تبعیت داده ها از یک توزیع بخصوص مطرح نمی شود و شکل تابع چگالی و تابع توزیع تجمعی احتمال به وسیله داده ها تعیین می شود. در تحقیق حاضر، روش های پارامتری و غیر پارامتری برای تحلیل فراوانی ریزش های جوی ماهانه و سالانه بکار برده شده اند و نتایج حاصل با یکدیگر مقایسه شده اند. روش های غیرپارامتری مورد استفاده در این پژوهش، روش های هسته و سری فوریه هستند که با روش های معمول پارامتری یا به عبارت دیگر با توزیع های مرسوم و کلاسیک نظیر نرمال، لگاریتم نرمال دو و سه پارامتری، گامای دو پارامتری، پیرسون و لگاریتم پیرسون نوع سه و مقادیر حدی نوع یک یا گمبل مقایسه شده اند. یکی از نیازها در هنگام کاربرد روش هسته، محاسبه پارامتر هموارکننده است که در اینجا از چهار روش برای برآورد آن استفاده شده است. روش های مذکور شامل همروایی کمترین مربعات، شیتر- جونز، آداموسکی، و قانون سر انگشتی هستند. در تحقیق حاضر توابع هسته نرمال (گوسی)، لگاریتم نرمال، مثلثی و مستطیلی با یکدیگر مقایسه گردیدند. به منظور دستیابی به اهداف این پژوهش، آمار بلند مدت بارندگی های ماهانه و سالانه ایستگاه های قدیمی ایران شامل بوشهر، اصفهان، مشهد، تهران و جاسک تجزیه و تحلیل شده اند. نتایج بدست آمده نشان می دهند که از بین شیوه های مورد استفاده، روش غیرپارامتری با تابع هسته لگاریتم نرمال برای برازش به بارندگی های ماهانه مناسب تر است، زیرا دارای کمترین میزان انحراف از داده های مشاهده شده یا به عبارت دیگر دارای حداقل مقادیر متوسط انحراف نسبی و متوسط مربع انحراف نسبی می باشد. همچنین از بین کلیه روش های مورد مطالعه در این پژوهش، روش غیرپارامتری سری فوریه بهترین برازش را به بارندگی های سالانه نشان داد. نتیجه گیری کلی این است که روش های غیرپارامتری برازش بهتری هم بر بارندگی های ماهانه و هم بر بارندگی های سالانه دارند و بنابراین برای برآورد چندک ها مناسب تر هستند.

هدف از این مطالعه هنجاریابی حرکات درشت وظریف کودکان6-3 سال شهر اهواز می باشد.. روش پژوهش حاضر از نوع توصیفی پیمایشی است. جامعه آماری تحقیق، کودکان اهواز بوده که در آن 1044 کودک 6-3 سال به صورت خوشه ای تصادفی از مهدکودکهای اهواز جمع آوری شدند. ابزار گردآوری در این تحقیق آزمون غربالگری رشد دنور2 می باشد که کودکان در دو بخش حرکات ظریف و درشت مورد ارزیابی قرار گرفتند. در این تحقیق پایای آزمون از طریق روش باز آزمون بر روی 59 کودک وبا فاصله زمانی 7 روز محاسبه شد که ضریب آن 98 صدم بدست آمد، همچنین روایی آزمون از روایی سازه تحلیل عاملی استفاده شدکهkmo برابر 0/826 هزارم و bartletts test در سطح 0/001 در بخش حرکات درشت معنا دار می باشد همچنین در بخش حرکات ظریفkmo برابر0/802 وbartletts test در سطح 0/001 معنا دار می باشد، نتایج نشان داد که آزمون غربالگری رشد دنور دارای روایی و پایایی بالایی است یافته های نشان میدهد که کودکان اهوازی در تمام نقاط درصدی(25، 50، 75 و 90) در حرکات ظریف ودرشت نسبت به هنجار دنور عقب تر می باشند . داده های مربوط به دو جنسیت نشان داد که در حرکات ظریف ودرشت بین دختران وپسران تفاوت معنا داری وجود ندارد. بر اسایس نتایج تحقیق از آزمون غربالگری رشد دنور می توان بعنوان ابزاری مناسب برای ارزیابی رشد حرکتی کودکان 6-3 مهد کودک های اهواز استفاده نمود.