استنباط بیزی در مدلهای سریهای زمانی واریانس ناهمگن شرطی
Abstract
No abstract recorded for this item.
No abstract recorded for this item.
وجود تغییرات ساختاری در سریهای زمانی مالی از عواملی است که موجب میشود مدلهای خطی برای تحلیل این سریها مناسب نباشند. نادیده گرفتن این تغییرات در سطح میانگین و واریانس سریهای زمانی اثرات نامطلوبی روی تحلیلها خواهد گذاشت. در بسیاری از سریهای زمانی مالی و اقتصادی فرض ثابت بودن وا
هدف اصلی از این تحقیق تعمیم روشهای رگرسیونی نیرومند به مدلهای سریهای زمانی است . در ابتدا پس از ارائه روشهای رگرسیونی نیرومند شامل رگرسیون l1 ، -m برآورد ها ، -gm برآوردها، روش lms و روش lts جهت انتخاب بهترین روش ، به مقایسه کارایی آنها در رابطه با کاهش اثر نق
یکی از ابزارهای اساسی در تحلیل داده های حاصل از طراحی آزمایشات، تحلیل واریانس است. در تحلیل واریانس یک طرفه، هدف مقایسه میانگین چند جامعه مستقل است. در روش کلاسیک، آماره آزمون مورد استفاده، دارای توزیع $f$ مرکزی و تحت فرض مقابل دارای توزیع f با یک پارامتر نامرکزی است. در این پایا
اغلب در مدل های فضایی-زمانی پویا تحت فرض های محدودکننده ایستایی و همسانگردی، مدلی پارامتری برای تابع کوواریانس فضایی اختیار شده و استنباط ها ارایه می شود. اما در برخی مسایل کاربردی این مفروضات همگنی ممکن است برقرار نباشد. از طرف دیگر گاهی با مواردی وجود دارد که تعداد موقعیت های ن
مدل های مفصل شرطی ابزار انعطاف پذیری برای مدل بندی ساختار های وابسته پیچیده هستند. در این پایان نامه، استنباط بیزی برای مدل مفصل شرطی متناظر با مدل رگرسیون با برآمد دومتغیره پیوسته و آمیخته، ارائه می شود. وابستگی بین پارامتر مفصل و متغیرهای کمکی با استفاده از اسپلاین های مکعبی، م
پیشبینی نوسانات سطح آب زیرزمینی، برای برنامهریزی مناسبتر به ویژه در مناطق خشک و نیمهخشک امری ضروری است. در این تحقیق از دادههای ارتفاع سطح ایستابی بهصورت ماهانه، طی دورهآماری 1380 لغایت 1390 دشت عجبشیر واقع در شهرستان عجبشیر که دارای وسعت 130 کیلومتر مربع است استفاده گردی
بهمنظور مدیریت و بهرهبرداری بهینه از منابع آب زیرزمینی آگاهی از تغییرات مکانی- زمانی سطح ایستابی و لزوم پیشبینی و مدلسازی آنها بهمنظور شناخت دقیقتر رفتار آبخوان نسبت به محرکهای طبیعی و انسانی، امری ضروری است. با توجه به توسعه روزافزون فرامدلها و ترکیب آنها با الگوریتمهای بهینه
شبیهسازی جریان رودخانه به منظور آگاهی از آورد رودخانه در دورههای زمانی آینده از مسائل مهم و کاربردی در مدیریت منابع آب میباشد. در این پژوهش با استفاده از روشهای هوش مصنوعی (شبکه عصبی MLP , ANFIS با تفکیک شبکهای و خوشهای) و سریهای زمانی دبی ماهانه طالقانرود در محل ایستگاه گ
مقاله حاضر به معرفی آنالیز طیفی بیزی به عنوان روشی قدرتمند و کارآمد جهت تحلیل طیفی سریهای زمانی نورسنجی میپردازد. برای این منظور، آنالیز طیفی بیزی برای سری زمانی نورسنجی XZ Dra که به صورت غیر یکنواخت همراه با گافهای بزرگ است، در نرمافزار متلب برنامهنویسی شده و طیف توانی حاصل
یکی از شیوههای تجزیه و تحلیل دادههای مالی و بررسی چگونگی تغییرات آنها در طی زمان معین در گذشته و پیشبینی چگونگی رخداد آنها در آینده استفاده از مدلهای سریهای زمانی است. در مباحث مالی بهدلیل ناهمواریانس بودن مشاهدات موجود، نمیتوان از مدلهای سریهای زمانی کلاسیک استفاده
دادههای فضایی‐زمانی معمولا دارای ساختارهای وابستگی پیچیده و چولگی هستند که مدل سازی آنها با چارچوبهای کلاسیک، مانند میدانهای تصادفی گاوسی، یا بسیار پرهزینه و یا بیش از حد محدودکننده است. در این مقاله، چارچوبی نوین با عنوان میدان عصبی بیزی برای مدل سازی فرایندهای فضایی–زمانی