تذكرني !

 





طريقة مقترحة لتشخيص نماذج السلاسل الزمنية

حمل المرجع كم المرفقات أ. د عبيد محمود محسن الزوبعي طريقة مقترحة لتشخيص نماذج السلاسل الزمنية

إضافة رد
 
أدوات الموضوع
  #1  
قديم 12-28-2013, 11:52 AM
الصورة الرمزية Eng.Jordan
Eng.Jordan متواجد حالياً
إدارة الموقع
 
تاريخ التسجيل: Jan 2012
الدولة: الأردن
المشاركات: 20,461
افتراضي طريقة مقترحة لتشخيص نماذج السلاسل الزمنية


حمل المرجع كم المرفقات
أ. د عبيد محمود محسن الزوبعي

أ. د عبيد محمود محسن الزوبعي*

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
Mobile: +249912175280





المصدر: ملتقى شذرات


'vdrm lrjvpm gjaodw klh`[ hgsghsg hg.lkdm

الملفات المرفقة
نوع الملف: doc تحليل السلاسل الزمنية.doc‏ (254.5 كيلوبايت, المشاهدات 24)
__________________
رد مع اقتباس
إضافة رد
إضافة رد

العلامات المرجعية

« العوامل المؤثرة على قرار مقدر ضريبة الدخل في دائرة ضريبةالدخل والمبيعات في المملكة الاردنية الهاشمية | بحث عن الإدارة الاستراتيجية »

يتصفح الموضوع حالياً : 1 (0 عضو و 1 ضيف)
 
أدوات الموضوع

ضوابط المشاركة
لا تستطيع إضافة مواضيع جديدة
لا تستطيع الرد على المواضيع
لا يمكنك اضافة مرفقات
لا يمكنك تعديل مشاركاتك

BB code متاحة
كود [IMG] متاحة
كود HTML معطلة

ضوابط المشاركة
لا تستطيع إضافة مواضيع جديدة
لا تستطيع الرد على المواضيع
لا يمكنك اضافة مرفقات
لا يمكنك تعديل مشاركاتك

BB code متاحة
كود [IMG] متاحة
كود HTML معطلة


المواضيع المتشابهه
الموضوع كاتب الموضوع المنتدى مشاركات آخر مشاركة
إعادة الصحوة رؤيــة مقترحة عبدالناصر محمود مقالات وتحليلات مختارة 0 06-04-2013 09:28 AM
الزلازل Eng.Jordan شذرات موسوعية 0 02-05-2013 01:53 PM
برنامج معرفة الفترات الزمنية التي اشتغل فيها الجهاز PC on/off time Eng.Jordan الحاسوب والاتصالات 0 11-24-2012 04:02 PM
السعودي محمد القرشي يخترع حسّاسات كهرومغناطيسية لتشخيص وكشف الاضطرابات داخل أنابيب المياه والبترول Eng.Jordan علماء عرب 0 11-03-2012 10:25 AM
مصر ترفض المحاولات الأمريكية لتسييس المؤتمر الأول للمراجعة يقيني بالله يقيني أخبار عربية وعالمية 0 05-12-2012 09:09 AM

 

 

 
 

 

 
     
 

  sitemap  forummap

 


جميع الأوقات بتوقيت GMT +3. الساعة الآن 01:04 PM.

الاستايل الأصلي من تصميم استضافة لمسات


Powered by vBulletin® Version 3.8.7
Copyright ©2000 - 2017, Jelsoft Enterprises Ltd.
Adsense Management by Losha
جميع المواضيع والمشاركات المطروحة تعبر عن وجهة نظر كاتبها ولا تعبر بالضرورة عن رأي إدارة الموقع
جميع الحقوق محفوظة لـ موقع شذرات
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68