تبلیغات
فایل خونه - مدل اتورگرسیون برداری مارکف سویچینگ وابسته به طول زمان: خصوصیات، استنباط بیزی، نرم افزار و برنامه کاربردی
 
فایل خونه
درباره وبلاگ



مدیر وبلاگ : حامد مستوفی
مطالب اخیر
نویسندگان
ترجمه مقاله مدل اتورگرسیون برداری

ترجمه مقاله مدل اتورگرسیون برداری

ترجمه مقاله
مدل اتورگرسیون برداری مارکف سویچینگ وابسته به طول زمان:
خصوصیات، استنباط بیزی، نرم افزار و برنامه کاربردی

Duration Dependent Markov-Switching Vector Autoregression:
Inference, Software and Application ? Properties, Bayesian

نویسنده:
Matteo M. Pelagatti 1
Department of Statistics, Universit`a di Milano–Bicocca, I-20126 Milan, Italy
تعداد صفحات انگلیسی: ۲۵ صفحه
تعداد صفحات ترجمه فارسی: ۲۷


چکیده

مدل های اتورگرسیون برداری مارکف سویچینگ VAR (DDMS-VAR) به عنوان مدل های سری زمانی با فرایند تولید داده، شامل ادغام دو فرایند VAR ( انورگرسیون برداری) می باشد. تغییر بین این دو فرایند VAR ، توسط دو حالت زنجیره مارکف با احتمالات انتقال کنترل می گردد که بستگی به این دارد که چه مدتی زنجیره در یک حالت قرار می گیرد. در این مقاله، به تجزیه و تحلیل خصوصیات مرتبه دوم چنین مدل هایی پرداخته و الگوریتم مونت کارلو زنجیره مارکف را برای انجام استنباط فازی بر روی موارد مجهول مدل، مطرح می کنیم. علاوه بر این، نرم افزار منبع باز که توسط محقق برای تحلیل سری زمانی به وسیله مدل های DDMS-VAR  نوشته شده است، توضیح داده می شود. ای روش و نرم افزار برای تجزیه و تحلیل چرخه کسب و کار ایالات متخده امریکا کاربرد دارد.

کلیدواژه:

مارکف سوئیچینگ، چرخه کسب و کار، نمونه گیری گیبز، وابسته به زمان، اتورگرسیون برداری


دانلود متن انگلیسی

دانلود فایل



نوع مطلب : ترجمه، 
برچسب ها :
لینک های مرتبط :
پنجشنبه 29 تیر 1396 11:12 ب.ظ
It's a shame you don't have a donate button! I'd most certainly donate to
this fantastic blog! I guess for now i'll settle for bookmarking and adding your RSS feed to my Google account.
I look forward to fresh updates and will talk about this
website with my Facebook group. Talk soon!
 
لبخندناراحتچشمک
نیشخندبغلسوال
قلبخجالتزبان
ماچتعجبعصبانی
عینکشیطانگریه
خندهقهقههخداحافظ
سبزقهرهورا
دستگلتفکر


آمار وبلاگ
  • کل بازدید :
  • بازدید امروز :
  • بازدید دیروز :
  • بازدید این ماه :
  • بازدید ماه قبل :
  • تعداد نویسندگان :
  • تعداد کل پست ها :
  • آخرین بازدید :
  • آخرین بروز رسانی :