ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > The ARMA"p,q" Model Is Estimat...>الوصف

The ARMA"p,q" Model Is Estimated When the Error Is Random and Has a Laplace Distribution by Practical Rule

العنوان بلغة أخرى: تقدير نموذج "ARMA "q,p عندما يتبع الخطأ العشوائي توزيعا Laplace بتطبيق عملي
المصدر: مجلة الإدارة والاقتصاد
الناشر: الجامعة المستنصرية - كلية الإدارة والاقتصاد
المؤلف الرئيسي: جبارة، أزهار كاظم (مؤلف)
المؤلف الرئيسي (الإنجليزية): Jbarah, Azhar Kadhim
مؤلفين آخرين: عباس، لمى طارق (م. مشارك)
المجلد/العدد: ع142
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2024
الشهر: آذار
الصفحات: 200 - 212
ISSN: 1813-6729
رقم MD: 1496002
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink
مواضيع:
السلاسل الزمنية | الأخطاء العشوائية | توزيع ليندلي
كلمات المؤلف المفتاحية:
الانموذج المختلط | توزيع | Mixed Model Arma (p,q) | Laplace Maximum Likelihood Method | Time Series
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: تناول هذا البحث أحد أنواع النماذج التي اقترحها بوكس جنكينز وهو النموذج المختلط (1.1) ARMA. والتي يمكنها التعامل مع السلاسل الزمنية سواء كانت مستقرة أو غير مستقرة. إذ تم التطرق إلى الأنموذج بخطأ عشوائي يتبع التوزيع غير الطبيعي، وتم استخدام توزيع Laplace وهو أحد التوزيعات المستمرة. والتطرق إلى أهم الاختبارات المناسبة للأنموذج إذ قدرت معلمات نموذج (1.1) ARMA بطريقة MLE. وفي الجانب التطبيقي، تم تحليل مجموعة من البيانات الحقيقية التي تمثل عدد الحوادث المرورية المسجلة حسب الأشهر من 2015-2022، وأهم ما توصل إليه ملائمة توزيع البيانات والتحقق من استقراريه السلسلة، وفي تشخيص الأنموذج وقد وجد أن النموذج الملائم هو (1.1) ARMA.

This research dealt with one of the types of studies proposed by Box-Jenkins, which is the ARMA (1.1) mixed model. Which affects the handling of timelines, whether they exist or not. It was identified with the indirect model with the non-normal distribution, and the Laplace distribution was one of the members of the masses. It touched on the most important topics targeted by the model, as the parameters of the ARMA model (1.1) were estimated using the MLE method. In the side application, a set of real data was analyzed, which represents a number of new data different according to the months from 2015-2022, and they determine the distribution of the main data and verify the interception of the tree, and in the diagnostic model it was found that the appropriate model is ARMA (1.1).
ISSN: 1813-6729

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.