در این مقاله ابتدا با استفاده از تابع تکیه گاه، یک متر را بین اعداد فازی تعریف نموده و سپس براساس آن مفاهیم واریانس، کواریانس و ضریب همبستگی بین متغیرهای تصادفی فازی بیان شده و خواص آن ها مورد بررسی قرار می گیرد. سپس با استفاده از مفاهیم فوق، مدل اتورگرسیو فازی مرتبه p را براساس متغیرهای تصادفی فازی معرفی نموده و خواص مدل مورد بررسی قرار می گیرد. در نهایت برای شرح بیشتر مسئله، مثال هایی ارائه و با استفاده از برخی از معیارهای نیکویی برازش، با مدل های مشابه مقایسه خواهد شد.

این مقاله به بحث مساله ای درباره پیجویی تعداد چندگانه بسامدها با استفاده از تقریب اتورگرسیو منطم ساخته (RAR) می پردازد. شیوه RAR به ما اجازه کاهش تقریب را، در مقایسه با دیگر روش های آشکارسازی بسامد اتورگرسیو مبنا می دهد، در حالی که هنوز واریانس برآوردهای نمونه ای قابل قیاسی در اختیار می گذارد. نشان می دهیم که برآوردهای RAR از دوره های تناوب چندگانه در احتمال سازگارند و ساز و کار RAR را نسبت به اندازه نمونه و سهم سیگنال به نویز را به کمک شبیه سازی تشریح خواهیم کرد.

در این مقاله مساله ممیزی بین دو فرایند اتورگرسیو مرتبه p به همراه یک نوفه زمانیکه واریانس های دو فرایند و دو نوفه متفاوت هستند، بررسی شده است. تابع ممیزی در این حالت دارای یک فرم درجه دوم است که به دست آوردن آن مستلزم محاسبه معکوس ماتریس هایی با ابعاد بسیار بزرگ می باشد. یک راه حل تحلیلی و یک تقریب برای توزیع تابع ممیزی ارایه شده است. عملکرد تابع ممیزی با استفاده از داده های شبیه سازی شده نشان داده شده است. همچنین کومولانت های تابع توزیع به دست آمده و با آنچه توسط دیگران به صورت عددی محاسبه شده مقایسه گردیده است.

در تحلیل سری های زمانی ممکن است با وضعیت هایی روبرو شده باشیم که در آن برخی از ارکان مدل، کمیت های نادقیق باشند. یکی از متداول ترین این وضعیت ها، نادقیق بودن مشاهدات تحت بررسی است که معمولا در اثر خطای اندازه گیری یا اشتباهات انسانی رخ می دهد. در این مقاله، یک مدل جدید سری زمانی اتو رگرسیو فازی مبتنی بر رویکرد ماشین بردار پشتیبان پیشنهاد می شود. برای این منظور، از تابع هسته برای استواری و انعطاف مدل و از قیود لحاظ شده در مدل برای کنترل نقاط استفاده شده است. به منظور بررسی عملکرد و اثر بخشی مدل سری زمانی اتو رگرسیو فازی پیشنهادی، برخی معیارهای نیکویی برازش استفاده می شوند. نتایج به دست آمده بر اساس یک مثال از داده های سری زمانی فازی شبیه سازی شده و دو مثال واقعی، نشان داد که روش پیشنهادی در مقایسه با سایر روش های موجود دارای عملکرد بهتری بوده است

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

هدف اصلی مقاله حاضر، استفاده از مدل های احتمال اتورگرسیو میانگین متحرک(ARMA)  به منظور مدل سازی سری زمانی موقعیت روزانه ایستگاه دائمی GPS می باشد. موقعیت های روزانه ایستگاه دائمی LLAS در منطقه کالیفرنیای جنوبی از شبکه SCIGN با پوشش زمانی هفت سال از ژانویه 2000 تا دسامبر 2006 جهت ایجاد سری زمانی موقعیت و آنالیز آن انتخاب گردیده است. بر اساس سری زمانی موقعیت روزانه و استفاده از روش کمترین مربعات وزن دار، پارامترهای ژئودتیکی مانند: ترند خطی، نوسانات سالیانه و نیم سالیانه و نیز آفست ها به طور همزمان برای ایستگاه دائمی LLAS برآورد شده اند. در این مطالعه، توابع خود همبستگی(ACF)  و خودهمبستگی جزئی (PACF)، به عنوان ابزارهای مطالعاتی برای شناسایی رفتار سری زمانی موقعیت روزانه ایستگاه دائمی GPS مورد استفاده قرار می گیرند و امکان بررسی وابستگی داده های روزانه سری زمانی موقعیت را فراهم می نمایند. با توجه به اینکه ممکن است چند مدل احتمالاتی متفاوت برای یک سری زمانی موقعیت روزانه مناسب باشند، لذا محک اطلاعات آکاییک در مرحله شناسایی و انتخاب مدل مفید، مورد استفاده قرار گرفته است. در این مطالعه، نتایج عددی نشان می دهند که بهترین مدل احتمالاتی اتورگرسیو میانگین متحرک برای ایستگاه دائمی LLAS از مرتبه (1,1) برای جهت N می باشد. همچنین مدل احتمالاتی ARMA (2,1) برای جهت E مناسب ترین مدل می باشد در حالی که برای جهت U مدل احتمالاتی ARMA (1,2) بهترین مدل است. بعد از برآورد یک مدل احتمالاتی مناسب برای سری زمانی موقعیت روزانه ایستگاه دائمی GPS، می توان آن سری زمانی موقعیت را همراه با ترند و مولفه های فصلی پیش بینی کرد.

تاکنون مقالات زیادی درباره تاثیر خود همبستگی مشاهدات بر عملکرد نمودارهای کنترل شوهارت به رشته تحریر در آمده است. پیشرفت تکنیکهای بازرسی خودکار که امکان ممیزی و ارزیابی مشخصه های کیفی محصولات را همگام با روند تولید آنها فراهم ساخته است نیز روز به روز بر اهمیت این موضوع می افزاید. آگاهی از روشهای مختلف جایگزین نمودارهای کنترل مرسوم بمنظور پایش فرایندهای خود همبسته، مهندسین و کاربران را برای استفاده موثر از تکنیکهای آماری نظارت بر فرایند یاری خواهد نمود. از سوی دیگر توسعه بکارگیری تکنیکهای سری زمانی در این زمینه، موجب عدم توجه کافی به دیگر روشهای آماری و ناآشنایی با خواص فرایندهای خود همبسته گردیده است. با توجه به این امر، در این مقاله ضمن معرفی و ارایه مثال از مهمترین رویکردهای نظری جهت ترسیم نمودار کنترل برای مشاهدات انفرادی، بهنگام وجود خود همبستگی، به مقایسه عملکرد آنها به لحاظ میزان حساسیت در تشخیص تغییرات میانگین یک فرایند اتورگرسیو پرداخته شده است. نهایتا سعی شده است با ارایه خطوط راهنما برای انتخاب مناسبترین روش از بین روشهای ارایه شده، شرایط بکارگیری هر روش متناسب با خصوصیات فرایند تحت بررسی نیز مورد تجزیه و تحلیل قرار داده شود.

«تورم» به عنوان یکی از مهم ترین پدیده های اقتصاد کلان، طی سالیان متمادی اقتصاد ایران را درگیر خود کرده است. در راستای اهمیت این پدیده و نیاز به شناسایی عوامل مؤثر بر آن، مطالعه حاضر وجود غیرخطی بودن روابط بین تورم و سایر متغیرهای اثرگذار، به خصوص پایه پولی را بررسی کرده و به ارزیابی اثرات آستانه ای پول پرقدرت بر تورم پرداخته است. به این منظور، از رویکرد «سیدراسکی» و چارچوب روش غیرخطی «اتورگرسیو انتقال ملایم» طی سال های 1354 تا 1395 استفاده شده است. در بین متغیرهای پایه پولی، نرخ ارز، سرمایه و نرخ ترجیحات زمانی و نرخ بازدهی داخلی، پایه پولی به عنوان متغیر انتقال انتخاب شده است. نتایج به دست آمده از مطالعه نشان داده است که: الف) بر اساس آزمون «تراسورتا»، مدل غیرخطی لجستیک دارای برازش مناسب تری نسبت به الگوهای خطی است؛ ب) الگوی تورمی تصریح شده از دو رژیم پیروی می کند که در رژیم نخست، پایه پولی بر تورم اثر مثبت دارد و این اثر در رژیم دوم تقویت می شود؛ ج) موجودی سرمایه، نرخ ترجیح زمانی و نرخ بازدهی سرمایه در رژیم نخست و رژیم دوم بر تورم اثر منفی می گذارند؛ به طوری که در رژیم دوم از اثر منفی متغیرها کاسته می شود؛ د) مقدار سرعت انتقال 9/0 است که نشان می دهد سرعت تعدیل در رژیم نخست بالاتر از رژیم دوم بوده است.