Geri Dön

Identification techniques for mixed autoregressive-moving average processes

Başlık çevirisi mevcut değil.

  1. Tez No: 28732
  2. Yazar: MELTEM GÜLSÜN ÇATANA
  3. Danışmanlar: PROF. DR. TAYLAN ULA
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Otoregresyon Hareketli Ortalamalar Süreçleri, Teşhis, Corner Metodu, R Dizini, S Dizini, Genelleştirilmiş Kısmi Otokorelasyon Fonksiyonu. Bilim Dalx, Autoregressive Moving Average Processes, Identification, Corner Method, R Array, S Array, Generalized Partial Autocorrelation Function
  7. Yıl: 1993
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 124

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

  1. Tez No

    863624

    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

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. EMİNE AYAZ

  2. Tez No

    305467

    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

    Türkçe

    2011

    Su Ürünleriİstanbul Üniversitesi

    Su Ürünleri Yetiştiriciliği Ana Bilim Dalı

    PROF. DR. GÜLŞEN TİMUR

  3. Tez No

    157937

    Süt ve karışık diş dizili çocukların subgingival mikroflorsaında Actinobacillus Actinomycetemcomitans, Porphyromonas ve pigmentli Prevotella varlığının araştırılması

    Actinobacillus actinomycetemcomitans, porphyromonas and pigmented prevotella isolation from subgingival microflora of children with primary and mixed dentition

    NURSEN BAKIR TOPCUOĞLU

    Doktora

    Türkçe

    Türkçe

    2004

    Mikrobiyolojiİstanbul Üniversitesi

    Mikrobiyoloji ve Klinik Mikrobiyoloji Ana Bilim Dalı

    PROF.DR. GÜVEN KÜLEKÇİ

  4. Tez No

    352193

    Mobil bankacılıkta güvenlik sorunların analizi

    Analysis of security issues in mobile banking

    TARIK KAZANCI

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Bankacılıkİstanbul Üniversitesi

    Enformatik Ana Bilim Dalı

    DOÇ. DR. FATİH GÜRSUL

  5. Tez No

    517302

    Buz süblimleşmesinin incelenmesi

    Investigation of ice sublimation

    MEHMET ANIL GÜLŞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. SEYHAN ONBAŞIOĞLU

Geri Dön