مرجع دانلود پاورپوینت های درسی

حجم فایل : 2.5 MB
نوع فایل : پاور پوینت
تعداد اسلاید ها : 54
تعریف سری زمانی یک سری زمانی مجموعه ای از مشاهدات درباره ی یک متغیر است که در نقاط گسسته ای از زمان که معمولا فاصله های مساوی دارند؛ اندازه گیری شده و بر حسب زمان مرتب شده اند.
بنابراین یک سری زمانی از مشاهده یک پدیده در طول زمان بدست می آید.
2 3 سری های زمانی داده نبود داده missing وابسته هدف فواصل زمانی مساوی توصیف تشریح کنترل پیش بینی چرا سری های زمانی؟ تفاوت سری های زمانی و سایر روش های مدل سازی از جمله رگرسیون:
سری های زمانی با استفاده از داده های قبلی مقادیر آینده را پیش بینی می کند؛ در حالیکه در دیگر روش های مدل سازی اغلب با استفاده از متغیر های مستقل دیگر سعی به پیش بینی متغیر مورد نظر می کنیم. 4 از مزایا و معایب معمولا قدرت سری های زمانی در پیش بینی کمتر است
ولی
به دلیل اینکه به اطلاعات جانبی کمتری نیاز دارد تمایل به استفاده از آن زیاد می باشد. 5 همبستگی بین مشاهدات سری زمانی همبستگی بین داده ها

لذا تحلیل اساسی در سری زمانی، بررسی وابستگی داده ها به همدیگر است.
6 ویژگی مهم داده های سری زمانی تابع خود همبستگی و خود همبستگی جزیی 7 همان طور که قبلا ذکر شد اگر داده ها مستقل و تصادفی باشند برای پیش بینی مناسب نخواهد بود(مقادیر گذشته تأثیری روی مقادیر حال و آینده نداشته باشد).
White noise : به این نوع داده ها که دارای دنباله تصادفی، مستقل و هم توزیع با میانگین صفر هستند اغتشاش خالص یا نوفه سفید می گویند. راهکارهای الگو سازی یا مدل سازی: پیدا کردن الگوهای مناسب برای سری های زمانی یک اقدام مهم بشمار می رود.
الگوی چند مرحله ای که به وسیله باکس و جنکینس در سال 1976 ارائه گردید به عنوان استراتژی مهم در مدل سازی مطرح است. این الگو مشتمل بر موارد زیر است: 8 9 رسم نمودار ثابت سازی واریانس ایستایی داده ها شناسایی مدل به کمک acfوpacf آیا پارامتر معنی دار دارد؟ باقیمانده ها مستقل و معنی دار باقیمانده ها نرمال پیش بینی بله خیر تبدیل داده ها خیر تفاضل گیری خیر خیر بله بله بله بله ایستایی داده ها(stationary) بعد از رسم نمودار اگر داده ها دارای روند صعودی ،نزولی یا الگوی فصلی باشند،داده ها باید ایستا شوند.
منظور از ایستایی چیست؟
قوانین احتمالی حاکم بر فرایند ،با زمان تغییر نمی کند یا به عبارتی فرایند در تعادل آماری است.
10 ثابت سازی واریانس و میانگین در طول زمان These are Examples of
Non-Stationary Time Series 11 12 These are Examples of
Stationary Time Series Time series Un stationary Difference D 1=== trend
D 2===quadratic smooth Moving average Exponential Double exponential stationary Transformation
13 Non-Stationary in Mean 14 Non-Stationary in Variance 15 Example o...