آزمون استقلال سری زمانی مبتنی بر معیار واگرایی توان
Publish place: Journal of Statistical sciences، Vol: 13، Issue: 1
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 128
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_STAT-13-1_003
تاریخ نمایه سازی: 23 شهریور 1401
Abstract:
در تحلیل سری های زمانی، بهتر است قبل از هرگونه تحلیلی، وابستگی داده ها مورد بررسی قرار گیرد. زیرا اگر داده ها از یکدیگر مستقل باشند، برازش مدل های متداول سری زمانی که مبتنی بر اصولی چون مانایی و وابستگی داده های زمانی است، اعتباری نخواهد داشت. ملاک واگرایی توان در سال های اخیر، اغلب برای آزمون نیکویی برازش مورد استفاده قرار گرفته است. در این مقاله با تشکیل بردارهای مجاور mتایی و استفاده از نمادسازی جایگشت، آزمونی مبتنی بر ملاک واگرایی توان برای بررسی استقلال سری های زمانی معرفی می شود که به پارامتر کنترل کننده نوع آزمون بستگی دارند. پس از بدست آوردن توزیع حدی آماره آزمون، با استفاده از یک مطالعه شبیه سازی، خطای نوع اول و توان آزمون برای برخی از حالت های خاص پارامتر کنترل کننده نوع آزمون بدست می آید. به وسیله نتایج شبیه سازی نشان داده می شود که برای حجم نمونه نسبتا بزرگ به ازای تمامی مقادیر پارامتر کنترل کننده نوع آزمون خطای نوع اول آزمون به سطح اسمی آن نزدیک می شود و آزمون های خی-دو اصلاح شده، نسبت درستنمایی اصلاح شده و فریمن-توکی بیشترین توان را دارند.
Keywords:
Authors
عماد اشتری نژاد
Department of Statistics, University of Birjand, Birjand, Iran.
یدالله واقعی
Department of Statistics, University of Birjand, Birjand, Iran.
غلامرضا محتشمی برزادران
Department of Statistics, Faculty of Mathematical Sciences, Ferdowsi University of Mashhad, Mashhad, Iran.
حمیدرضا نیلی ثانی
Department of Statistics, University of Birjand, Birjand, Iran.
هادی علیزاده نوقابی
Department of Statistics, University of Birjand, Birjand, Iran.
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 :