نظریه رگرسیونی برای سری زمانی رسته ای با رهیافت بیزی
چکیده
چکیدهای برای این سند ثبت نشده است.
چکیدهای برای این سند ثبت نشده است.
در بسیاری از مسائل واقعی و کاربردی گاهی اوقات ناچار هستیم پیش بینی مقدار آینده یک سری زمانی را بر اساس تعداد مشاهدات محدود و اندکی انجام دهیم. در چنین وضعیتی روش های کلاسیک کارایی لازم را نخواهند داشت زیرا برای استفاده از این روش ها لازم است تعداد مشاهدات زیاد باشداما به هر حال ا
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
در این پایان نامه مدل پروکا را در فضای ناجابجایی بدست آورده ایم و ساختار قیدی آن را مورد بررسی قرار دادیم و از آنجایی که تمام نظریه های شامل قیود نوع اول،نظریه پیمانه ای هستند پروکا مدل در این فضا به علت ظهوردو قید نوع دوم، غیر پیمانه ای است . در این تحقیق با استفاده از رهیافت b
براورد پارامترهای این مدلها با روش های کلاسیک به سختی انجام می گیرد. لذا روش های mcmc برای براورد این پارامترها استفاده می کنیم. مدل گارچ مورد بررسی در این تحقیق دارای تحقیق دارای دو توزیع نرمال و تی استودنت است، لازم به ذکر است که با استفاده از روش های مدل گزینی بیزی نیز درستنما
پویایی و تغییرات پدیده ها نسبت به زمان، سرشت ذاتی پدیده ها ی اقتصادی است.در اقتصاد سنجی پدیده های اقتصادی،نادیده گرفتن ویژگی پویایی آنها منجر به ساده سازی بیش از حد پدیده ها می شود و مدل هایی که بر این مبنا به دست می آیند اغلب واقع گرایانه نبوده،موجب تفسیرهای نادرست ار آن پدیده ه
عملکرد پدیدههای طبیعی در نگاه اول معمولا تصادفی بهنظر میرسد، لیکن با تغییر مقیاس و حذف نویز میتوانند به نوعی نظم دست یابند و امکان پیشبینی آنها در آینده فراهم گردد. این ایده پایه اصلی نظریه آشوب (1chaos) میباشد که به مطالعه رفتار ناپایدار و غیر پریودیک در سیستمهای دینامیک
عملکرد پدیده های طبیعی در نگاه اول معمولا تصادفی به نظر می رسد، لیکن با تغییر مقیاس و حذف نویز می توانند به نوعی نظم دست یابند و امکان پیش بینی آن ها در آینده فراهم گردد. این ایده پایه اصلی نظریه آشوب (1chaos) می باشد که به مطالعه رفتار ناپایدار و غیر پریودیک در سیستم های دینامیک
در تحلیل بیزی دادههای فضایی-زمانی جرم و جنایت معمولا˗ به دلیل ناگاوسی بودن توزیع متغیر پاسخ و وجود تعداد زیادی متغیر پنهان در مدل تحت بررسی شکل بسته ای برای توزیع پسینی وجود ندارد. در این شرایط در استفاده از روشهای مونت کارلوی زنجیر مارکوفی با چالشهایی نظیر وجود پارامترهای متع
- مؤلفههای هیدرولوژیک دریاچهها نقش اساسی در مدیریت کمی و کیفی آنها دارند. بررسی آشوبناکی و تصادفی بودن سری زمانی بارش در دریاچهها اهمیت دارد. در این تحقیق، با استفاده از روش بُعد همبستگی (CDM)، سری زمانی بارش ماهانه دریاچه ارومیه، طی دوره آماری 40 ساله (1386-1346) تحلیل شد. پس
هدف از پژوهش حاضر، بررسی تأثیر تفاضلگیریهای فصلی، غیرفصلی و ترکیبی بر میزان ایستایی سری زمانی دبی ماهانه رودخانه دز طی 60 سال میباشد. همچنین تأثیر میزان ایستایی بر عملکرد مدلهای SARIMA در پیشبینی سری زمانی از جنبههای مختلف بررسی شده است. ابتدا پایداری واریانس سری زمانی بررسی