donya88
08-29-2009, 12:17 PM
سری های زمانی یکی از شاخه های آمار و احتمال است که در سایر رشته های علوم مانند ژئوفیزیک، اقتصاد، مهندسی ارتباطات، هواشناسی و ... کاربرد فراوانی دارد؛ دامنه کاربردهای سری های زمانی روز به روز گسترده تر می شود و نیاز دانش پژوهان در این زمینه افزون تر می گردد.
« یک سری زمانی مجموعه مشاهداتی است که بر حسب زمان مرتب شده باشند.»
تجزیه و تحلیل سری های زمانی بطور نظری و عملی از زمان شروع کار اصلی جورج.ای.پی. باکس و ام.جنکینس در سال 1970 ( تحت عنوان تجزیه و تحلیل سری های زمانی، پیش بینی و کنترل ) به سرعت توسعه پیدا نمود.
داده هایی که ازمشاهدات یک پدیده در طول زمان بدست می آیند بسیار متداول هستند، در کسب و کار و اقتصاد، در هواشناسی، در کشاورزی، در علوم بیولوژیکی فهرست زمینه هایی که در آن سری زمانی مشاهده شده و تجزیه و تحلیل می شود بی پایان است. هدف تجزیه و تحلیل سری های زمانی معمولاً دوتاست:
- درک یا به مدل در آوردن مکانیسم تصادفی که منجر به مشاهده، سری می شود
- پیش بینی مقادیر آینده سری، بر مبنای گذشته آن
در تجزیه و تحلیل یک سری زمانی چندین هدف ممکن وجود دارد. این اهداف را می توانیم به صورت توصیف، تشریح، پیش بینی و کنترل رده بندی کنیم.
هر چند توصیف رفتار یک سری زمانی از لحاظ تغییرات موضعی و دراز مدت در آن یا مطالعه وابستگی های موجود بین عناصر سری از بررسی های متداولی است که روی سری های زمانی انجام می شود اما می توان گفت مهم ترین هدف از تحلیل سری زمانی پیش بینی مقادیر آینده آن است.
برای یک تحلیل سری زمانی و پیش بینی آینده آن چه باید کرد؟ بدیهی است لازمه اتخاذ هر تصمیمی در این مورد آشنایی با رفتار سری به عنوان تابعی از زمان است. ساده ترین راه برای این منظور رسم نمودار سری زمانی است. پیدا کردن الگوهای مناسب برای سری های زمانی کاری است مهم؛ یک استراتژی چند مرحله ای را برای ساختن یک الگو توسعه می دهیم که بوسیله Box و Jenkins (1976) وضع شده است در این روش سه مرحله عمده وجود دارد که از هریک از آنها ممکن است چندین بار استفاده کنیم 1- تشخیص یا شناسایی الگو 2- برازش الگو 3- تشخیص درستی الگو
در یک تحلیل سری زمانی اولین مرحله رسم نمودار داده هاست. با امتحان و بررسی دقیق نمودار سری زمانی می توانیم ایده ی خوبی در موزد این که روند، نوسانات فصلی، نقاط پرت و واریانس غیرثابت و ... وجود دارند یا خیر، به دست آوریم.
روش میانگین متحرک
خاصیت روش میانگین متحرک این است که تغییرات موجود در یک مجموعه را کاهش می دهد. در سری های زمانی از این خاصیت برای حذف نوسانات غیرضروری استفاده می شود.
عیب روش میانگین متحرک حذف شدن بعضی از مشاهدات از ابتدا و انتهای سری زمانی است. یک عیب دیگر این است که ممکن است باعث تغییرات دوره ای یا سایر تغییرات شود که در داده های اولیه وجود نداشته اند. عیب سوم میانگین متحرک این است به شدت تحت تأثیر ماکسیمم و مینیمم مشاهدات قرار دارد. برای رفع این عیب از میانگین متحرک موزون می توان استفاده کرد. در این حالت به مشاهدات مرکزی بیشترین وزن و به مشاهدات انتهایی کمترین وزن را می دهند.
« یک سری زمانی مجموعه مشاهداتی است که بر حسب زمان مرتب شده باشند.»
تجزیه و تحلیل سری های زمانی بطور نظری و عملی از زمان شروع کار اصلی جورج.ای.پی. باکس و ام.جنکینس در سال 1970 ( تحت عنوان تجزیه و تحلیل سری های زمانی، پیش بینی و کنترل ) به سرعت توسعه پیدا نمود.
داده هایی که ازمشاهدات یک پدیده در طول زمان بدست می آیند بسیار متداول هستند، در کسب و کار و اقتصاد، در هواشناسی، در کشاورزی، در علوم بیولوژیکی فهرست زمینه هایی که در آن سری زمانی مشاهده شده و تجزیه و تحلیل می شود بی پایان است. هدف تجزیه و تحلیل سری های زمانی معمولاً دوتاست:
- درک یا به مدل در آوردن مکانیسم تصادفی که منجر به مشاهده، سری می شود
- پیش بینی مقادیر آینده سری، بر مبنای گذشته آن
در تجزیه و تحلیل یک سری زمانی چندین هدف ممکن وجود دارد. این اهداف را می توانیم به صورت توصیف، تشریح، پیش بینی و کنترل رده بندی کنیم.
هر چند توصیف رفتار یک سری زمانی از لحاظ تغییرات موضعی و دراز مدت در آن یا مطالعه وابستگی های موجود بین عناصر سری از بررسی های متداولی است که روی سری های زمانی انجام می شود اما می توان گفت مهم ترین هدف از تحلیل سری زمانی پیش بینی مقادیر آینده آن است.
برای یک تحلیل سری زمانی و پیش بینی آینده آن چه باید کرد؟ بدیهی است لازمه اتخاذ هر تصمیمی در این مورد آشنایی با رفتار سری به عنوان تابعی از زمان است. ساده ترین راه برای این منظور رسم نمودار سری زمانی است. پیدا کردن الگوهای مناسب برای سری های زمانی کاری است مهم؛ یک استراتژی چند مرحله ای را برای ساختن یک الگو توسعه می دهیم که بوسیله Box و Jenkins (1976) وضع شده است در این روش سه مرحله عمده وجود دارد که از هریک از آنها ممکن است چندین بار استفاده کنیم 1- تشخیص یا شناسایی الگو 2- برازش الگو 3- تشخیص درستی الگو
در یک تحلیل سری زمانی اولین مرحله رسم نمودار داده هاست. با امتحان و بررسی دقیق نمودار سری زمانی می توانیم ایده ی خوبی در موزد این که روند، نوسانات فصلی، نقاط پرت و واریانس غیرثابت و ... وجود دارند یا خیر، به دست آوریم.
روش میانگین متحرک
خاصیت روش میانگین متحرک این است که تغییرات موجود در یک مجموعه را کاهش می دهد. در سری های زمانی از این خاصیت برای حذف نوسانات غیرضروری استفاده می شود.
عیب روش میانگین متحرک حذف شدن بعضی از مشاهدات از ابتدا و انتهای سری زمانی است. یک عیب دیگر این است که ممکن است باعث تغییرات دوره ای یا سایر تغییرات شود که در داده های اولیه وجود نداشته اند. عیب سوم میانگین متحرک این است به شدت تحت تأثیر ماکسیمم و مینیمم مشاهدات قرار دارد. برای رفع این عیب از میانگین متحرک موزون می توان استفاده کرد. در این حالت به مشاهدات مرکزی بیشترین وزن و به مشاهدات انتهایی کمترین وزن را می دهند.