مطالعه و بررسی روندها در یک سری زمانی از داده های تابعی

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 20

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_ISS-24-2_008

تاریخ نمایه سازی: 21 شهریور 1401

Abstract:

دنباله ای از توابع (منحنی ها) که در طول زمان جمع آوری می شوند را یک سری زمانی تابعی گویند. فراوانی چنین مشاهداتی تحلیل سری های زمانی تابعی را به یکی از شاخه های محبوب تحقیقاتی در علم آمار تبدیل کرده است. هدف اصلی از تحلیل سری زمانی تابعی، پیش بینی و توصیف کمی مکانیسم های تصادفی است که منجر به تولید توابع شده است. در این راستا نیاز است سری زمانی تابعی به مولفه های روند، دوره های زمانی و خطا تجزیه شود. اما قبل از تجزیه نیاز به شناسایی و تشخیص این گونه مولفه ها داریم. ازاین رو در این مقاله یک روش ناپارامتری برای بررسی و تشخیص وجود روند در یک سری زمانی تابعی با استفاده از توابع رکورد معرفی شده است. سپس با پیاده سازی و استفاده از این روش در یک سری زمانی تابعی نحوه کاربرد آن موردتحقیق قرارگرفته است. در پایان نیز کارایی این روش برای تشخیص روند در یک مجموعه از داده های واقعی نرخ باروری موردبررسی قرارگرفته است.

Authors

زهره شیشه بر

دانشگاه شیراز، شیراز، ایران

سیدمرتضی نجیبی

دانشگاه شیراز، شیراز، ایران

سکینه رمضانی

دانشگاه شیراز، شیراز، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • نیرومند، ح. و بزرگ نیا،س. ( ۱۳۹۰ )، سری های ...
  • Berkes, I., Gabrys, R., Horv´ath, L., Kokoszka, P. (۲۰۰۹). Detecting ...
  • Bosq, D. (۱۹۹۱). Modelization, nonparametric estimation and prediction for continuous ...
  • Bosq, D. (۲۰۰۰). Linear Processes in Function Spaces. Springer, New ...
  • Comiso, J. C. (۲۰۰۰). Variability and trends in Antarctic surface ...
  • Ferraty, F. Vieu, P. (۲۰۰۶). Nonparametric Modeling for Functional Data. ...
  • Fraiman, R., Justel,A., Liu, R,. Llop, P.(۲۰۱۴) Detecting trends in ...
  • Hörmann, S., Kokoszka, P., Nisol, G. (۲۰۱۸). Testing for periodicity ...
  • Hsing, T. and Eubank, R. (۲۰۱۵). Theoretical Foundations of Functional ...
  • Kargin, V. Onatski, A. (۲۰۰۸). Curve forecasting by functional autoregression. ...
  • Ramsay, J. O. (۱۹۸۲). When the data are functions.Psychometrika, ۴۷, ...
  • Ramsay, J. O., Hooker, G. and Graves, S. (۲۰۰۹). Functional ...
  • Ramsay, J. O. and Silverman, B. (۲۰۰۲). Functional Data Analysis, ...
  • Santer, B. D., Wigley, T. M. L., Boyle, J. S., ...