سریهای زمانی
« یک سری زمانی مجموعه مشاهداتی است که بر حسب زمان مرتب شده باشند.»
تجزیه و تحلیل سری های زمانی بطور نظری و عملی از زمان شروع کار اصلی جورج.ای.پی. باکس و ام.جنکینس در سال 1970 ( تحت عنوان تجزیه و تحلیل سری های زمانی، پیش بینی و کنترل ) به سرعت توسعه پیدا نمود.
دادههایی که ازمشاهدات یک پدیده در طول زمان بدست میآیند بسیار متداول هستند، در کسب و کار و اقتصاد، در هواشناسی، در کشاورزی، در علوم بیولوژیکی فهرست زمینه هایی که در آن سری زمانی مشاهده شده و تجزیه و تحلیل می شود بی پایان است. هدف تجزیه و تحلیل سری های زمانی معمولاً دوتاست:
- درک یا به مدل در آوردن مکانیسم تصادفی که منجر به مشاهده، سری میشود
- پیشبینی مقادیر آینده سری، بر مبنای گذشته آن
در تجزیه و تحلیل یک سری زمانی چندین هدف ممکن وجود دارد. این اهداف را می توانیم به صورت توصیف، تشریح، پیش بینی و کنترل ردهبندی کنیم.
هر چند توصیف رفتار یک سری زمانی از لحاظ تغییرات موضعی و دراز مدت در آن یا مطالعه وابستگی های موجود بین عناصر سری از بررسی های متداولی است که روی سری های زمانی انجام می شود اما می توان گفت مهم ترین هدف از تحلیل سری زمانی پیش بینی مقادیر آینده آن است.
برای یک تحلیل سری زمانی و پیش بینی آینده آن چه باید کرد؟ بدیهی است لازمه اتخاذ هر تصمیمی در این مورد آشنایی با رفتار سری به عنوان تابعی از زمان است. ساده ترین راه برای این منظور رسم نمودار سری زمانی است. پیدا کردن الگوهای مناسب برای سری های زمانی کاری است مهم؛ یک استراتژی چند مرحله ای را برای ساختن یک الگو توسعه می دهیم که بوسیله Box و Jenkins (1976) وضع شده است در این روش سه مرحله عمده وجود دارد که از هریک از آنها ممکن است چندین بار استفاده کنیم 1- تشخیص یا شناسایی الگو 2- برازش الگو 3- تشخیص درستی الگو
در یک تحلیل سری زمانی اولین مرحله رسم نمودار داده هاست. با امتحان و بررسی دقیق نمودار سری زمانی می توانیم ایده ی خوبی در موزد این که روند، نوسانات فصلی، نقاط پرت و واریانس غیرثابت و ... وجود دارند یا خیر، به دست آوریم.
روش میانگین متحرک (Moving Average)
خاصیت روش
میانگین متحرک این است که تغییرات موجود در یک مجموعه را کاهش می دهد. در
سریهای زمانی از این خاصیت برای حذف نوسانات غیرضروری استفاده می شود.
عیب روش میانگین متحرک حذف شدن بعضی از مشاهدات از ابتدا و انتهای سری زمانی است. یک عیب دیگر این است که ممکن است باعث تغییرات دوره ای یا سایر تغییرات شود که در داده های اولیه وجود نداشته اند. عیب سوم میانگین متحرک این است به شدت تحت تأثیر ماکسیمم و مینیمم مشاهدات قرار دارد. برای رفع این عیب از میانگین متحرک موزون می توان استفاده کرد. در این حالت به مشاهدات مرکزی بیشترین وزن و به مشاهدات انتهایی کمترین وزن را می دهند.
منبع:- تجزیه و تحلیل سری های زمانی/تالیف: جاناتان دی کرایر؛ ترجمه:حسینعلی نیرومند. مشهد؛ دانشگاه


امروزه روشهاي مونت كارلو (MC) جزء لاينفك علم آمار
محسوب ميشود. اين روشها به قدري براي دانشجويان و اساتيد اين رشته مورد توجه قرار
گرفته كه ديگر كمتر شاهد ارائه نتايج به صورت فرموله شده هستيم. شايد 60 سال پيش كه
اين روش ابداع شد كسي فكر نميكرد روزي برسد كه پژوهشگران رشتههاي مختلف همچون
آمار، رياضي، فيزيك، اقتصاد، مكانيك و برق از اين روش به عنوان يك روش كارا در
محاسبات خود بهره گيرند. مسلما اقبال عمومي براي استفاده از اين روش مديون توسعهي
تكنولوژي رايانه است چراكه روشهاي مونت كارلوي زنجير ماركوفي (MCMC)،
نمونهگيري گيبز و الگوريتم متروپليس-هستينگ مستلزم استفاده از رايانه هستند.
نام CSPro مخفف Census and Survey Processing System و
به معني سيستم پردازش سرشماري و پيمايش است. اين نرم افزار يك نرم افزار عمومي براي
ورود، ويرايش، جدول بندي و ترسيم نقشه براي داده هاي سرشماري و پيمايشي است. مزيت
اين نرم افزار در مقايسه با ساير نرم افزارهاي ورود داده در اين است كه اين نرم
افزار قابليت برنامه نويسي دارد و با كمي برنامه نويسي مي توان احتمال خطا در ورود
داده را به حداقل رساند.آخرين نسخه CSPro به نام CSPro
4.0.002 در 20 مي 2009 منتشر شده است.
زمانی که دانشمندان علم فیزیک در حال ساخت نخستین سلاح
هستهای در لابراتوار لوس آلموس بودند، از کلمه رمز «مونت کارلو» برای آن
پروژه استفاده میکردند. اما امروزه مونت کارلو یک رمز نیست که فقط در
لابراتوارهای فوق سری مورد استفاده قرار گیرد، بلکه یکی از رایجترین
اصطلاحات آکادمیک است.
مونت کارلو به دستهای از روشها گفته میشود که متکی بر نمونهبرداری
مکرر بهمنظور دستیابی به نتایج محاسباتی هستند. این روشها اگرچه از علم
فیزیک نشات گرفتهاند، اما هیچ دانشی از علم فیزیک برای یادگیری آن مورد
نیاز نیست.
سلام