نصرالله ایران پناه - گروه آمار ، دانشگاه اصفهان
لیلا عبدالباقی - گروه آمار ، دانشگاه اصفهان

در مدل های سری زمانی خودرگرسیو (AR) تحلیل داده های سری زمانی معمولا مبتنی بر فرض نرمال بودن باقیمانده ها است . در روش بوت استرپ بدون نیاز به توزیع باقیمانده ها استنباط انجام می شود . در این مقاله ابتدا به معرفی برآوردگرهای کمترین مربعات، شامان – اشتین، آندروس – چن و روی – فولر، برای مدل های سری زمانی خودرگرسیو (AR) ناایستا پرداخته می شود ، که هر دو برآوردگر روی- فولر ، آندروس – چن اصلاحی برای برآوردگر کمترین مربعات است و بعد از آن تصحیح اریبی پارامترها به روش بوت استرپ تشریح شده و نهایتا به محاسبه ی بازه های پیشگویی بوت استرپ برای برآوردگرها پرداخته شده است و سپس در نمونه هایی با اندازه های متفاوت به بررسیشبیه سازی برای بازه های پیشگویی بوت استرپ پرداخته شده و در آخر برای بررسی این بازه های پیشگویی ، به تحلیلداده ها ی واقعی پرداخته می شود.

شبیه سازی مونت کارلو ، فاصله های پیشگویی بوت استرپ ، سری زمانی خودرگرسیو ، تصحیح اریبی پارامترها