طريقة مقترحة لتشخيص نماذج السلاسل الزمنية
 

1-0 مقدمة Introduction :
يعد موضوع تحليل السلاسل الزمنية من المواضيع الإحصائية المهمة التي تتناول سلوك الظواهر، وتفسرها عبر حقب محددة. ويمكن إجمال أهداف تحليل السلاسل الزمنية بالحصول على وصف دقيق للملامح الخاصة للعملية التي تتولد منها السلسلة الزمنية، وبناء نموذج لتفسير سلوك السلسلة الزمنية واستخدام النتائج للتكهن بسلوك السلسلة في المستقبل، إضافة إلى التحكم في العملية التي تتولد منها السلسلة الزمنية بفحص ما يمكن حدوثه عند تغيير بعض معلمات النموذج. ولتحقيق ذلك يتطلب الأمر دراسة تحليلية وافية لنماذج السلاسل الزمنية بالاعتماد على الأساليب الإحصائية والرياضية.
1-1 تحليل السلاسل الزمنية Time Series Anlaysis:
يتكون تحليل السلاسل الزمنية من مراحل متسلسلة تبدأ بمرحلة التشخيص للنموذج والتي تعد المرحلة الأهم. وتليها مرحلة تقدير المعلمات للنموذج، ومن ثم مرحلة فحص مدى الملاءمة للنموذج. وتأتي المرحلة الأخيرة وهي مرحلة التكهن أو التنبؤ. (كما في المخطط الانسيابي).
السلسلة الزمنية هي مجموعة من المشاهدات الخاصة بظاهرة معينة خلال حقب متعاقبة وبحدود متتابعة. وتكون السلسلة الزمنية {yt}على نوعين متصلة continuous ومنفصلة discrete بحسب ما تأخذه قيم t . ويمكن أن تكون مستقرة stationary إذا كانت الخصائص الاحتمالية لا تتأثر بالزمن أو غير مستقرة non-stationary.
ونموذج السلسلة الزمنية Time Series Model هو الدالة التي تربط قيم السلسلة الزمنية بالقيم السابقة لها وأخطائها .
إن إحدى طرق تحليل السلاسل الزمنية تتم من خلال تمثيلها بنموذج خطي عام هو النموذج المختلط Mixed Model ، حيث إن الكثير من السلاسل الزمنية لا يمكن تمثيلها- بنموذج انحدار ذاتي (AR) Autoregressive model فقط، أو نموذج وسط متحرك (MA) Moving Average Modelفقط، لأنه غالباً ما يكون للسلسلة خواص كلا النموذجين وبذلك تمثل بالنموذج المختلط (انحدار ذاتي – وسط متحرك) (ARMA) Autoregressive Moving Average Mode; ويكتب اختصاراً (p,q) ARMA حيث P تمثل رتبة الانحدار الذاتي، q تمثل رتبة الوسط المتحرك.

* السودان – الخرطوم – عميد كلية الجريف شرق التقنية