|
مجله اپیدمیولوژی ایران، جلد ۱۱، شماره ۱، صفحات ۹۴-۱۰۲
|
|
|
عنوان فارسی |
چگونه یک مدل مناسب برای دادههای سری زمانی انتخاب کنیم؟ |
|
چکیده فارسی مقاله |
مقدمه و اهداف: سریهای زمانی مجموعهای از مشاهدات هستند که بر حسب زمان مرتب شده است. هدف اصلی در برپا کردن یک سری زمانی معمولاً پیشبینی مقادیر آینده میباشد. نخستین گام در سریهای زمانی، رسم نمودار دادهها است. با استفاده از رسم نمودار میتوان اطلاعات کلی از جمله روند صعودی یا نزولی، وجود الگوی فصلی، روند دورهای و وجود دادههای پرت در دادهها را تشخیص داد. پس از رسم نمودار برای اینکه پیشبینی مناسبی وجود داشته باشد، باید دادهها را ایستا کرد. میتوان دادهها را با استفاده از تفاضلگیری یا تجزیه به مؤلفههای تشکیل دهندهی آن، ایستا نمود. پس از ایستا کردن دادهها میتوان با استفاده از نمودار نگاره مرتبه میانگین متحرک و مرتبه اتورگرسیون مدل را شناسایی نمود. لازم است پارامترها به دست آمده را با استفاده از آزمون T از نظر معنیداری مورد بررسی قرار داد. در صورت معنیدار بودن و عدم وابستگی در باقیمانده میتوان پیشبینی مناسبی با کمک دادههای گذشته انجام داد، همچنین مقادیر پیشبینی شده را میتوان با استفاده از میانگین مطلق درصد خطا ارزیابی نمود. |
|
کلیدواژههای فارسی مقاله |
سریهای زمانی، شناسایی مدل، ایستا کردن، پیشبینی |
|
عنوان انگلیسی |
How to Choose an Appropriate Model for Time Series Data |
|
چکیده انگلیسی مقاله |
The time series is a collection of observation data that are arranged according to time. The main purpose of setting up a time series is to predict future values. The first step in time series data is graphed. Using graphs can provide general information such as uptrend or downtrend, seasonal patterns, periodic presence, and outliers in time series graphs. After graphing the data, if a good forecast is required, stationary data can be used. Differencing or decomposition methods can be used to make the data stationary. Then, a correlogram can be used to identify the order moving average and autoregressive model. The parameters of the model are examined using T-test. If the parameters are significant and the residue is independence, the predicted values can be evaluated using the mean absolute percentage error. |
|
کلیدواژههای انگلیسی مقاله |
Time series, Identify the model, Stationary, Prediction |
|
نویسندگان مقاله |
جعفر حسن زاده | j hasanzadeh دانشیار گروه اپیدمیولوژی، دانشکده بهداشت و تغذیه، دانشگاه علوم پزشکی شیراز سازمان اصلی تایید شده: دانشگاه علوم پزشکی شیراز (Shiraz university of medical sciences)
فرید نجفی | f najafi دانشیار گروه اپیدمیولوژی، مرکز تحقیقات عوامل محیطی مؤثر بر سلامت، دانشکده بهداشت، دانشگاه علوم پزشکی کرمانشاه سازمان اصلی تایید شده: دانشگاه علوم پزشکی کرمانشاه (Kermanshah university of medical sciences)
مهدی مرادی نظر | m moradinazar دانشجوی دکترای اپیدمیولوژی، مرکز تحقیقات عوامل محیطی مؤثر بر سلامت، دانشکده بهداشت، دانشگاه علوم پزشکی کرمانشاه سازمان اصلی تایید شده: دانشگاه علوم پزشکی کرمانشاه (Kermanshah university of medical sciences)
|
|
نشانی اینترنتی |
http://irje.tums.ac.ir/browse.php?a_code=A-10-25-5110&slc_lang=fa&sid=fa |
فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
کد مقاله (doi) |
|
زبان مقاله منتشر شده |
fa |
موضوعات مقاله منتشر شده |
عمومی |
نوع مقاله منتشر شده |
مروری |
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|