تحلیل سری زمانی مقاوم
تحلیل سری زمانی مقاوم، مدلهای خودبازگشتی (autoregressive)، میانگین متحرک (moving-average) و ARIMA را برای سریهایی که حاوی دادههای پرت (outliers) یا گسستگیهای ساختاری هستند، با استفاده از برآورد M یا برآورد MM به جای روش کمترین مربعات معمولی (ordinary least squares) برازش میدهد، به گونهای که چند مشاهده غیرعادی، برازش را مختل نکنند. این روش از سنت آمار مقاوم که در Maronna, Martin, Yohai و Salibián-Barrera (2019) تدوین شده است، پیروی میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Maronna, R. A., Martin, R. D., Yohai, V. J., & Salibián-Barrera, M. (2019). Robust Statistics: Theory and Methods (with R) (2nd ed.). Wiley. ISBN: 978-1119214687
- Peña, D., & Guttman, I. (1988). A Bayesian Approach for Predicting with Outliers. Journal of the American Statistical Association. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Robust Time Series Analysis (M- and MM-estimation based AR / MA / ARIMA). ScholarGate. https://scholargate.app/fa/statistics/robust-time-series
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- تحلیل نقطه شکستآمار↔ compare
- برآورد انحراف مطلق میانه (MAD)آمار↔ compare
- رگرسیون حداقل مربعات معمولی (OLS)اقتصادسنجی↔ compare
- مدل خطی مختلط مقاومآمار↔ compare
- برآوردگرهای مقیاس مقاوم Sn و Qnآمار↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →