ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Bayesian Identification Of Multivariate Autoregressive Moving Average Model (VARMA).

العنوان بلغة أخرى: التحليل البيزي لإستراتيجية التعرف على المعالم لنموذج الإنحدار الذاتي و المتوسطات المتحركة المتعدد
المصدر: المجلة المصرية للدراسات التجارية
الناشر: جامعة المنصورة - كلية التجارة
المؤلف الرئيسي: Abd Alaty, Fatma Ali (Author)
مؤلفين آخرين: El Badry, Ashraf (Co-Author) , El Mancy, Ahmed Essam (Co-Author)
المجلد/العدد: مج 35, ع 1
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2011
الصفحات: 1 - 18
رقم MD: 114110
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

36

حفظ في:
LEADER 04312nam a22002537a 4500
001 0487453
041 |a eng 
044 |b مصر 
100 |9 339178  |a Abd Alaty, Fatma Ali  |e Author 
245 |a Bayesian Identification Of Multivariate Autoregressive Moving Average Model (VARMA). 
246 |a التحليل البيزي لإستراتيجية التعرف على المعالم لنموذج الإنحدار الذاتي و المتوسطات المتحركة المتعدد  
260 |b جامعة المنصورة - كلية التجارة  |c 2011 
300 |a 1 - 18 
336 |a بحوث ومقالات 
500 |a أصل المقال باللغة الإنجليزية 
520 |a يعتبر الأسلوب المستخدم في استراتيجية التحديد لمعالم النموذج والذي يسمى الأسلوب المباشر في التحديد من أهم الأساليب الحديثة في التعامل مع نماذج السلاسل الزمنية المتعددة والذي يقوم بدمج دالة الإمكان الكبرى التقريبية مع التوزيعات القبلية المختلفة سواء كانت قياسية أو غير قياسية من أجل الوصول إلى التوزيع البعدي ثم الوصول إلى التوزيع البعدي الهامشي، فباستثناء نماذج الانحدار الذاتي الخطية في معلماتها فإن كل من نماذج المتوسطات المتحركة والنماذج المختلطة غير خطية في معلماتها، وينجم عن ذلك أن تصبح دالة الإمكان لهذه النماذج معقدة الصورة ويصعب التعامل معها رياضياً وهذا يؤدي إلى توزيعات بعدية وتنبؤية غير قياسية، ويتطلب التعامل مع مثل هذه التوزيعات حسابات معقدة تعتمد على التكاملات الرقمية بما يصاحبها من مصاعب في حال التكامل المتعدد. وقد طرحت أساليب متعددة لحل هذه المشكلة، غير أن أفضل هذه الأساليب هو اللجؤ إلى التقريبات التحليلية حيث أنها تقودنا إلى توزيعات تقريبية بعدية قياسية يسهل التعامل معها حسابياً.  |b This study approaches the Bayesian identification of the multivariate moving average processes using the bayes theorem, which combined the approximate likelihood function and a normal matrix-wishart prior density as a conjugate prior or a Jeffrey,'s as a vague prior, this combination lead to the posterior distribution in order to reach the marginal posterior distribution. We use the approximation technique to reach to the approximated likelihood function because The Main problem with the exact Bayesian analysis of VARMA(p,q) model is that there is no analytic form for the likelihood function. Because the residuals are not quadratic function of the model parameters, in other words VARMA(p,q) model is non liner in its coefficients in the VMA(q) part. The Bayesian identification approach is called the direct technique; this technique id dealing with the marginal posterior probability mass function of the model order is developed in a convenient form. \ Then one may investigate the posterior probabilities over the grid of the order and choose the order with the highest probability to solve the identification problem, the multivariate autoregressive moving average in the Bayesian approaches is not developed yet, and also is not explored yet with any kind of analysis. 
653 |a نظم المعلومات المحاسبية  |a التحليل البيزي  |a الإحصاء التطبيقي  |a السلاسل الزمنية  |a الانحدار الخطي  |a التنؤات القياسية  |a التحليل الإحصائي 
700 |9 429606  |a El Badry, Ashraf  |e Co-Author 
700 |9 429607  |a El Mancy, Ahmed Essam  |e Co-Author 
773 |4 الاقتصاد  |4 إدارة الأعمال  |6 Economics  |6 Business  |c 018  |e The Egyptian Journal for Commercial Studies  |l 001  |m  مج 35, ع 1  |o 0460  |s المجلة المصرية للدراسات التجارية  |v 035 
856 |u 0460-035-001-018.pdf 
930 |d y  |p y  |q y 
995 |a EcoLink 
999 |c 114110  |d 114110