اگر به یک وب سایت یا فروشگاه رایگان با فضای نامحدود و امکانات فراوان نیاز دارید بی درنگ دکمه زیر را کلیک نمایید.
ایجاد وب سایت یادسته بندی سایت
محبوب ترین ها
پرفروش ترین ها
پر فروش ترین های فورکیا
پر بازدید ترین های فورکیا
برچسب های مهم
پیوند ها
کتاب سبز - قابل ویرایش )
تعداد صفحه : 23
تخمين مدل و استنتاج آماري بررسي ايستايي (ساكن بودن) سري هاي زماني قبل از تخمين مدل، به بررسي ايستايي مي پردازيم. مي توان چنين تلقي نمود كه هر سري زماني توسط يك فرآيند تصادفي توليد شده است. داده هاي مربوط به اين سري زماني در واقع يك مصداق از فرآيند تصادفي زير ساختي است. وجه تمايز بين (فرآيند تصادفي) و يك (مصداق) از آن، همانند تمايز بين جامعه و نمونه در داده هاي مقطعي است. درست همانطوري كه اطلاعات مربوط به نمونه را براي استنباطي در مورد جامعه آماري مورد استفاده قرار مي دهيم، در تحليل سريهاي زماني از مصداق براي استنباطي در مورد فرآيند تصادفي زير ساختي استفاده مي كنيم. نوعي از فرآيندهاي تصادفي كه مورد توجه بسيار زياد تحليل گران سريهاي زماني قرار گرفته است فرآيندهاي تصادفي ايستا مي باشد. براي تاكيد بيشتر تعريف ايستايي، فرض كنيد Yt يك سري زماني تصادفي با ويژگيهاي زير است: (1) : ميانگين (2) واريانس : (3) كوواريانس : (4) ضريب همبستگي : كه در آن ميانگين ، واريانس كوواريانس (كوواريانس بين دو مقدار Y كه K دوره با يكديگر فاصله دارند، يعني كوواريانس بين Yt و Yt-k) و ضريب همبستگي مقادير ثابتي هستند كه به زمان t بستگي ندارند. اكنون تصور كنيد مقاطع زماني را عوض كنيم به اين ترتيب كه Y از Yt به Yt-k تغيير يابد. حال اگر ميانگين، واريانس، كوواريانس و ضريب همبستگي Y تغييري نكرد، مي توان گفت كه متغير سري زماني ايستا است. بنابراين بطور خلاصه مي توان چنين گفت كه يك سري زماني وقتي ساكن است كه ميانگين، واريانس، كوواريانس و در نتيجه ضريب همبستگي آن در طول زمان ثابت باقي بماند و
قسمتی از محتوی متن پروژه میباشد که به صورت نمونه ، بعد از پرداخت آنلاین در جزوه باز آنی فایل را دانلود نمایید .
« پرداخت آنلاین و دانلود در قسمت پایین »
مبلغ قابل پرداخت 12,751 تومان