Autoregressive चलती - औसत - वीडियो

दस्तावेज़ीकरण प्रक्रिया का बिना शर्त मतलब है, और x03C8 (एल) एक तर्कसंगत, अनंत-डिग्री लैग ऑपरेटर बहुपद, (1 x03C8 1 एल x03 सी 8 2 एल 2 x2026) है। नोट: एक अरिमा मॉडल ऑब्जेक्ट की स्थिर संपत्ति सी से मेल खाती है और बिना शर्त मतलब 956 Wolds अपघटन द्वारा 1. समीकरण 5-12 एक स्थिर stochastic प्रक्रिया से मेल खाती है गुणांक x03C8 प्रदान की मैं बिल्कुल summable हैं। यह तब होता है जब एआर बहुपद, x03D5 (एल) स्थिर है जिसका अर्थ है कि इसकी जड़ इकाई इकाई के बाहर झूठ है इसके अतिरिक्त, इस प्रक्रिया को कारण प्रदान किया गया है, एमए बहुपक्षीय अतुलनीय है। जिसका अर्थ है कि इसकी जड़ इकाई इकाई के बाहर झूठ है अर्थमिति टूलबॉक्स एआरएमए प्रक्रियाओं की स्थिरता और अनुपवर्तन को लागू करता है। जब आप अरिमा का उपयोग कर एक एआरएमए मॉडल निर्दिष्ट करते हैं। आप एक त्रुटि प्राप्त करते हैं यदि आप गुणांक दर्ज करते हैं जो एक स्थिर एआर बहुपदी या इनवर्टेबल एमए बहुपद के अनुरूप नहीं हैं इसी तरह, आकलन के दौरान अनुमान लगाया जाता है कि कामकाज और अनदेखी की कमी। सन्दर्भ 1 वोल्ड, एच। स्टडीरी टाइम सीरीज़ के विश्लेषण में एक अध्ययन। उप्साला, स्वीडन: अल्माविविस्ट एप विकसेल, 1 9 38. अपने कंट्री आउटअरेग्रेशिव इंटिग्रेटेड मूविंग एवर का चयन करें - ऑटोम्रेसिव इंटीग्रेटेड मूविंग एवर की एआरआईएएएएएपी परिभाषा - एआरआईएमए एक सांख्यिकीय विश्लेषण मॉडल जो भविष्य के रुझानों की भविष्यवाणी करने के लिए समय श्रृंखला डेटा का उपयोग करता है। यह प्रतिगमन विश्लेषण का एक रूप है जो वास्तविक डेटा मूल्यों के उपयोग के बजाय श्रृंखला में मानों के बीच के अंतरों की जांच करके शेयरों और वित्तीय बाजारों द्वारा उठाए जाने वाले यादृच्छिक चलने पर भविष्य के आंदोलनों की भविष्यवाणी करना चाहता है। अलग-अलग श्रृंखलाओं के झुकाव को आटोमैरेसिव के रूप में संदर्भित किया जाता है और अनुमानित आंकड़ों के भीतर लेटे जाते हैं जिन्हें चलती औसत कहा जाता है। ऑटोरेग्रेसिव इंटीग्रेटेड मूविंग एवरल-एआरआईएआई को छोड़कर इस मॉडल का प्रकार आम तौर पर एआरआईएए (पी, डी, क्यू) के रूप में जाना जाता है, जिसमें ऑटरेरेग्रेसिव की बात करते हुए इंटिजर्स डेटा सेट के समेकित और चलती औसत भागों, क्रमशः। एआरआईएए मॉडलिंग खाते के प्रवृत्तियों, मौसम की स्थिति में ले जा सकता है। चक्र, त्रुटियों और भविष्य के पूर्वानुमान के दौरान एक डेटा सेट के गैर-स्थिर पहलुओं। ऑटोरेग्रेजिव मूविंग एवरल (एआरएमए) मॉडल जॉर्ज बॉक्स और जी.एम. जेनकिंस के बाद कभी-कभी बॉक्स-जेनकिंस मॉडल्स कहलाते हैं आम तौर पर समय श्रृंखला डेटा पर लागू होते हैं डेटा एक्स टी के समय श्रृंखला को देखते हुए एआरएमए मॉडल इस श्रृंखला में भावी मूल्यों को समझने और शायद, भविष्यवाणी करने के लिए एक उपकरण है। मॉडल में दो भागों होते हैं, एक आटोरेग्रेसिव (एआर) भाग और चलती औसत (एमए) भाग। मॉडल को आमतौर पर एआरएमए (पी, क्यू) मॉडल के रूप में संदर्भित किया जाता है जहां पी आटोमैरेसिव भाग का क्रम है और q चलती औसत हिस्से का क्रम है (नीचे परिभाषित के रूप में)। ऑटरेग्रेसिव मॉडल संपादित करें संकेतन एआर (पी) ऑर्डर के ऑटरेहेडिव मॉडल को संदर्भित करता है p। एआर (पी) मॉडल लिखा गया है एक आटोमैरेसिव मॉडल अनिवार्य रूप से एक अनन्त आवेग प्रतिक्रिया फिल्टर है, जिस पर कुछ अतिरिक्त व्याख्या रखी गई है। इस मॉडल के मापदंडों के मूल्यों पर कुछ बाधाएं आवश्यक हैं ताकि मॉडल स्थिर बना हुआ हो। उदाहरण के लिए, एआर (1) मॉडल में 1 जीटी 1 के साथ प्रक्रिया स्थिर नहीं होती है उदाहरण: एआर (1) - प्रक्रिया संपादित करें एआर (1) - प्रक्रिया दिया जाता है जिसके द्वारा वर्णक्रमीय घनत्व के लिए लोरेन्ट्ज़ियान प्रोफाइल उत्पन्न होती है: एआर पैरामीटर की गणना एआर (पी) मॉडल समीकरण द्वारा दिया जाता है क्योंकि पिछले समीकरण का भाग शून्य शून्य है, यदि केवल एम 0, समीकरण आमतौर पर इसे एम 0 जी 0 के लिए एक मैट्रिक्स के रूप में समझा जाता है, इस प्रकार समीकरण प्राप्त हो रहा है व्युत्पन्न एडीआर प्रक्रिया को परिभाषित समीकरण एक्स टीएम द्वारा दोनों पक्षों को गुणा करना है और उम्मीद करता है मूल्य की पैदावार जो यूले-वॉकर समीकरणों को जन्म देती है: औसत मॉडल चलाना संकेतन संपादित करें एमए (क्यू) क्रमशः क्रम के चलते औसत मॉडल को संदर्भित करता है। जहां 1 क्यू मॉडल के मापदंड हैं और टी टी -1 फिर से, त्रुटि नियम हैं चलती औसत मॉडल अनिवार्य रूप से इस पर स्थित कुछ अतिरिक्त व्याख्या के साथ एक सीमित आवेग प्रतिक्रिया फिल्टर है ऑटोरेग्रेसिव चलती औसत मॉडल संकेतन एआरएमए (पी। क्यू) को पी ऑटोरेग्रेसिव शब्दों और क्यू चलती औसत शर्तों के साथ मॉडल को संदर्भित करता है। इस मॉडल में एआर (पी) और एमए (क्यू) मॉडल शामिल हैं, त्रुटि की शर्तों के बारे में नोट एन संपादित करें (0, 2) जहां 2 भिन्नता है ये मान्यताओं को कमजोर किया जा सकता है लेकिन ऐसा करने से मॉडल के गुणों में बदलाव आएगा। विशेष रूप से, i. i.d. धारणा बल्कि एक मौलिक अंतर बनाना होगा। अंतराल ऑपरेटर के संदर्भ में विशिष्टता कुछ ग्रंथों में मॉडलों को अंतराल ऑपरेटर एल के संदर्भ में निर्दिष्ट किया जाएगा। इन शब्दों में एआर (पी) मॉडल को बहुपद प्रदान करता है जहां बहुपद का प्रतिनिधित्व करता है जहां बहुपद का प्रतिनिधित्व करता है अंत में, संयुक्त ARMA (p। Q) मॉडल या अधिक संक्षेप में दिया जाता है, फिटिंग मॉडल संपादित करें सामान्यतः एआरएमए मॉडल, पी और क्यू का चयन करने के बाद, कम से कम वर्गों के प्रतिगमन के लिए पैरामीटर्स के मूल्यों का पता लगा सकते हैं जो त्रुटि शब्द को कम करते हैं आमतौर पर पी और क्यू के छोटे मूल्यों को खोजने के लिए अच्छा अभ्यास माना जाता है जो डेटा के लिए स्वीकार्य योग्य प्रदान करते हैं। एक शुद्ध एआर मॉडल के लिए यूल-वॉकर समीकरण का उपयोग एक फिट प्रदान करने के लिए किया जा सकता है। सामान्यीकरण संपादित करें पिछले मानों पर एक्स टी की निर्भरता और त्रुटि नियम टी को माना जाता है, जब तक अन्यथा निर्दिष्ट नहीं किया जाता है। यदि निर्भरता गैर-रेखीय है, तो मॉडल को विशेष रूप से एक नॉनलाइनर मूविंग एवरेज (एनएमए), नॉनलाइनर ऑटरेसेगेसिव (एनएआर), या नॉनलाइनर ऑटरेग्रेजिव लेवलिंग एवरल (एनआरएएमए) मॉडल कहा जाता है। स्वचालित तरीके से चलने वाले औसत मॉडल को अन्य तरीकों से सामान्यीकृत किया जा सकता है। आटोमैरेसिव सशर्त हातोरोस्केडस्टिस्टिक (एआरसीएच) मॉडल और ऑटोरेग्रेसिव इंटिग्रेटेड मूविंग एवरेज (एआरआईएएए) मॉडल भी देखें। यदि कई समय श्रृंखला फिट होने के लिए होती है तो एक विचित्र एआरआईएमए (या वर्मी) मॉडल फिट हो सकता है। यदि प्रश्न में समय-श्रृंखला लंबे स्मृति को प्रदर्शित करती है, तो आंशिक ARIMA (FARIMA, कभी-कभी ARFIMA कहा जाता है) मॉडलिंग उचित है। यदि डेटा को मौसमी प्रभावों को माना जाता है, तो यह एक सैरिमा (मौसमी ARIMA) मॉडल द्वारा तैयार किया जा सकता है। एक और सामान्यीकरण मल्टीिस्केल आटोरेजिसेज (एमएआर) मॉडल है। एक मार्च मॉडल को एक पेड़ के नोड्स द्वारा अनुक्रमित किया जाता है, जबकि एक मानक (असतत समय) ऑटरेहेडिव मॉडल को पूर्णांक द्वारा अनुक्रमित किया जाता है। संदर्भों की एक सूची के लिए मल्टिस्केल आटोरेडिव मॉडल देखें। संदर्भ संपादित करें भी देखें जॉर्ज बॉक्स और एफ. एम. जेनकींस। समय श्रृंखला विश्लेषण: पूर्वानुमान और नियंत्रण दूसरा प्रकाशन। ओकलैंड, सीए: होल्डन-डे, 1 9 76. मिल्स, टेरेंस सी टाइम सीरीज़ टैक्निक्स फॉर इकोनोमिस्ट्स। कैम्ब्रिज यूनिवर्सिटी प्रेस, 1 99 0। पर्सिवल, डोनाल्ड बी और एंड्रयू टी। वाल्डेन। शारीरिक अनुप्रयोगों के लिए स्पेक्ट्रल विश्लेषण कैम्ब्रिज यूनिवर्सिटी प्रेस, 1 99 3