تخمین مدل و استنتاج آماری

دسته: کامپیوتر و IT
بازدید: 37 بار
فرمت فایل: doc
حجم فایل: 58 کیلوبایت
تعداد صفحات فایل: 19

قبل از تخمین مدل، به بررسی ایستایی می پردازیم می توان چنین تلقی نمود كه هر سری زمانی توسط یك فرآیند تصادفی تولید شده است داده های مربوط به این سری زمانی در واقع یك مصداق از فرآیند تصادفی زیر ساختی است وجه تمایز بین (فرآیند تصادفی) و یك (مصداق) از آن، همانند تمایز بین جامعه و نمونه در داده های مقطعی است درست همانطوری كه اطلاعات مربوط به نمونه را بر

قیمت فایل فقط 900 تومان

تخمین مدل و استنتاج آماری

تخمین مدل و استنتاج آماری

بررسی ایستایی (ساكن بودن) سری های زمانی[1]

قبل از تخمین مدل، به بررسی ایستایی می پردازیم. می توان چنین تلقی نمود كه هر سری زمانی توسط یك فرآیند تصادفی تولید شده است. داده های مربوط به این سری زمانی در واقع یك مصداق از فرآیند تصادفی زیر ساختی است. وجه تمایز بین (فرآیند تصادفی) و یك (مصداق) از آن، همانند تمایز بین جامعه و نمونه در داده های مقطعی است. درست همانطوری كه اطلاعات مربوط به نمونه را برای استنباطی در مورد جامعه آماری مورد استفاده قرار می دهیم، در تحلیل سریهای زمانی از مصداق برای استنباطی در مورد فرآیند تصادفی زیر ساختی استفاده می كنیم. نوعی از فرآیندهای تصادفی كه مورد توجه بسیار زیاد تحلیل گران سریهای زمانی قرار گرفته است فرآیندهای تصادفی ایستا می باشد.

برای تاكید بیشتر تعریف ایستایی، فرض كنید Y_t یك سری زمانی تصادفی با ویژگیهای زیر است:

(1)                                                                        : میانگین

(2)                                                                   واریانس :

(3)                                    كوواریانس :

(4)                         ضریب همبستگی :

كه در آن میانگین ، واریانس  كوواریانس  (كوواریانس بین دو مقدار Y كه K دوره با یكدیگر فاصله دارند، یعنی كوواریانس بین Y_t و Y_t-k) و ضریب همبستگی  مقادیر ثابتی هستند كه به زمان t بستگی ندارند.

اكنون تصور كنید مقاطع زمانی را عوض كنیم به این ترتیب كه Y از Y_t به Y_t-k تغییر یابد. حال اگر میانگین، واریانس، كوواریانس و ضریب همبستگی Y تغییری نكرد، می توان گفت كه متغیر سری زمانی ایستا است. بنابراین بطور خلاصه می توان چنین گفت كه یك سری زمانی وقتی ساكن است كه میانگین، واریانس، كوواریانس و در نتیجه ضریب همبستگی آن در طول زمان ثابت باقی بماند و مهم نباشد كه در چه مقطعی از زمان این شاخص ها را محاسبه می كنیم. این شرایط تضمین می كند كه رفتار یك سری زمانی، در هر مقطع متفاوتی از زمان، همانند می باشد[2].

آزمون ساكن بودن از طریق نمودار همبستگی و ریشه واحد[3]

یك آزمون ساده برای ساكن بودن براساس تابع خود همبستگی (ACF) می باشد. (ACF) در وقفه k با  نشان داده می شود و بصورت زیر تعریف می گردد.

از آنجاییكه كوواریانس و واریانس، هر دو با واحدهای یكسانی اندازه گیری می‌شوند،  یك عدد بدون واحد یا خالص است.  به مانند دیگر ضرایب همبستگی، بین (1-) و (1+) قرار دارد. اگر  را در مقابل K (وقفه ها) رسم نماییم، نمودار بدست آمده، نمودار همبستگی جامعه نامیده می شود. از آنجایی كه عملاً تنها یك تحقق واقعی (یعنی یك نمونه) از یك فرآیند تصادفی را داریم، بنابراین تنها می‌توانیم تابع خود همبستگی نمونه،  را بدست آوریم. برای محاسبه این تابع می‌بایست ابتدا كوواریانس نمونه در وقفه K و سپس واریانس نمونه را محاسبه نماییم.

---

جهت دریافت فایل تخمین مدل و استنتاج آماری لطفا آن را خریداری نمایید

قیمت فایل فقط 900 تومان

برچسب ها : تخمین مدل و استنتاج آماری , دانلود تخمین مدل و استنتاج آماری , تخمین مدل , استنتاج آماری , کامپیوتر , بررسی ایستایی , پروژه دانشجویی , نمودار همبستگی , دانلود پژوهش , دانلود تحقیق , پایان نامه , دانلود پروژه