Identification techniques for mixed autoregressive-moving average processes
Başlık çevirisi mevcut değil.
- Tez No: 28732
- Danışmanlar: PROF. DR. TAYLAN ULA
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Otoregresyon Hareketli Ortalamalar Süreçleri, Teşhis, Corner Metodu, R Dizini, S Dizini, Genelleştirilmiş Kısmi Otokorelasyon Fonksiyonu. Bilim Dalx, Corner yöntemi, Model belirleme, Otokorelasyon, Teşhis teknikleri ve prosedürleri, Zaman serileri analizi, Autoregressive Moving Average Processes, Identification, Corner Method, R Array, S Array, Generalized Partial Autocorrelation Function, Model determination, Autocorrelation, Diagnostic techniques and procedures, Time series analysis
- Yıl: 1993
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
ÖZ KARMA OTOREGRESYON - HAREKETLİ ORTALAMALAR SÜREÇLERİ İÇİN TEŞHİS TEKNİKLERİ ÇATANA, Meltem Gülsün Yüksek Lisans Tezi, istatistik Anabilim Dalı Tez Yöneticisi : Prof.Dr. Taylan ULA Temmuz, 1993, 111 sayfa Karma otoregresyon - hareketli ortalamalar süreçleri, ARMA(p,q), için p ve q derecelerinin teşhisi, zaman serileri analizinde önemli ve zor bir safhadır. Bu çalışmanin başlıca amacı karma ARMA(p,q) modelleri için teşhis tekniklerini incelemektir. Bir çok teknik arasından, Corner metodu, R ve S dizinleri metodu ve genelleştirilmiş kısmi otokorelasyon fonksiyonu (GPAF) metodu sunulmuş ve incelenmiştir. Akaike 'nin bilgi kriteri (AIC), model teşhisi için değil fakat sadece olası modeller arasından en iyi modeli seçmekte yardımcı olması için kullanılmıştır. Metotlar çeşitli uygulamalarla gösterilmiş ve karşılaştırılmıştır. Teorik otokorelasyonlarla ve üretilen verilerden elde edilen örnek otokorelasyonlarıyla yapılanuygulamalar sunulmuştur. Bu metotların uygun modele ulaşmada veya en azından mümkün modellerin sayısını azaltmada yardımcı oldukları görülmektedir. Metotların karşılaştırılması Corner metodunun en iyi sonuçları verdiğini göstermektedir. Örnekleme büyüklüğü, hata varyansı ve hata dağılımının sonuçlar üzerindeki etkileri de gösterilmiştir. Sonuçlar metotların örnekleme büyüklüğüne karşı duyarlı fakat hata varyansı ve hata dağılımına karşı o kadar duyarlı olmadığını göstermektedir. Bu çalışmada sunulan yaklaşımlar için bilgisayar programları geliştirilmiştir.
Özet (Çeviri)
ABSTRACT IDENTIFICATION TECHNIQUES FOR MIXED AUTOREGRESSIVE - MOVING AVERAGE PROCESSES ÇATANA, Meltem Gülsün M.S. in Statistics Supervisor: Prof.Dr. Taylan ULA July, 1993, 111 pages The identification of the degrees p and q of mixed autoregressive - moving average processes, ARMA(p,q), is an important and difficult step in time series analysis. The main objective of this study is to analyze identification techniques for mixed ARMA(p.q) processes. Among various techniques, the Corner method, the R and S array method, and the generalized partial autocorrelation function (GPAF) method are presented and discussed. The Akaike's information criterion (AIC) is used not to identify a model but just to help to choose the best model among various possible models. iiiThe methods are illustrated and compared through various applications. Examples with theoretical autacorrelations, and with sample autocorrelations obtained from simulated data are given. It is seen that these methods help to reach the appropriate model or at least to reduce the number of possible models, The comparison of the methods shows that the Corner method is giving the best results. The effects of sample size, white noise variance and white noise distribution on the results are also illustrated. The results of the examples show that the methods are sensitive to sample size but not so sensitive to white noise variance and white noise distribution. Computer programs are developed for the approaches presented in this study.
Benzer Tezler
- State of charge estimation of lithium-ion batteries using machine learning approach
Makine öğrenmesi yaklaşımı kullanılarak lityum iyon pillerin şarj durumu tahmini
OSMAN ALPER ALTUN
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. EMİNE AYAZ
- Kültür levrek balıklarında (Dicentrarchus labrax L.) tenacibaculum maritimum'un identifikasyonunda diyagnostik tekniklerinin karşılaştırılması
Comparision of diagnostic techniques for identification of tenacibaculum maritimum in cultured sea bass (Dicentrarchus labrax L.)
REMZİYE EDA YARDIMCI
Doktora
Türkçe
2011
Su Ürünleriİstanbul ÜniversitesiSu Ürünleri Yetiştiriciliği Ana Bilim Dalı
PROF. DR. GÜLŞEN TİMUR
- A novel approach for identification of jimsonweed (Datura stramonium l.) in spinach crops using deep learning models
Yabancı dildeki adi derin öğrenme modellerini kullanarak ıspanak kültür bitkisinde şeytan elması (Datura stramonium l.) tanımlanmasına yönelik yeni bir yaklaşım
USMAN MUHAMMAD UMAR
Yüksek Lisans
İngilizce
2026
Bilim ve TeknolojiNiğde Ömer Halisdemir ÜniversitesiBitkisel Üretim ve Teknolojileri Ana Bilim Dalı
ASSOC. PROF. ZEYNEP ÜNAL
ASSOC. PROF. KHAVAR JABRAN
- Earthquake protection of Beylerbeyi Palace by reversible mixed technologies
Beylerbeyi Sarayı?nın geridönüşümlü karma teknolojilerle depreme karşı korunması
FUAT ARAS
Doktora
İngilizce
2007
İnşaat MühendisliğiBoğaziçi Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLAY ALTAY
- High-throughput computational screening of MOFs for ethane and methane purification
Etan ve metan saflaştırma süreçlerinde kullanılmak üzere metal-organik gözenekli yapılarin gaz ayırma performansının kapsamlı hesaplamalı taraması
ÇİĞDEM ALTINTAŞ
Doktora
İngilizce
2020
Kimya MühendisliğiKoç ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
PROF. DR. SEDA KESKİN AVCI