تجزیه و تحلیل دادهها، شبکههای عصبی مصنوعی، تجزیه و تحلیل داده

 

ابزارهای عینی و ریاضی که برای پردازش و تجزیه و تحلیل داده ها مورد استفاده قرار میگیرند مدلهای پیشبینی نامیده میشوند. به عبارت دیگر، الگویی از یک واقعیت که ساده و کوچک شده و روابط بین متغیرهای آن واقعیت یا سیستم را نشان میدهد، مدل خوانده میشود. بنابراین، هنگامی که متغیرهای مورد نظر به صورتی منظم، ساده و قابل فهم در جهت اهداف پیشبینی در کنار یکدیگر قرار گرفتند و الگویی از روابط را بوجود آوردند، یک مدل پیشبینی شکل میگیرد.
سری های زمانی
به روند مقادیر یک متغیر در طول زمان که به صورت دوره های زمانی با فواصل معین و یکسان تنظیم شدهاند سری زمانی گفته میشود. در تحلیل سری زمانی وضعیت تغییرات یک متغیر در گذشته مورد بررسی قرارگرفته و به آینده تعمیم داده میشود. به طور کلی مدلهایی که در تحلیل سریهای زمانی مورد استفاده قرار میگیرند به دو دسته مدلهای خطی و غیرخطی تقسیم میشوند.
مدلهای خطی مانند مدلهای باکس ـ جنکینز و یکنواخت سازی نمایی برای سریهای زمانی خطی مناسب هستند، ولی در مدلسازی سریهای زمانی مالی و غیرخطی با مشکل مواجه میشوند.
مدلهای غیرخطی از قبیل مدلهای غیرکاهنده آستانهای، یک تابع غیرخطی خاص و از پیش تعیین شده را پیشبینی میکنند. به عبارتی تابع خطی مورد استفاده در این روشها مشخص است. نوع دیگر مدلهای غیر خطی شبکه های عصبی مصنوعی هستند که می توانند هر تابعی را تخمین بزنند و فرایندهای با رفتار ناشناخته را مدل نمایند.
سریهای زمانی بدنبال مقادیر یک صفت متغیر در طول زمان هستند. مشاهدات عموما باید در تاریخهای معین یعنی در فواصل زمانی تقریبا ثابت به عمل آیند. مقادیر یک صفت متغیر ممکن است مربوط به یک لحظه زمانی و یا مربوط به یک فاصله یا دوره زمانی باشد. که در حالت اول سری زمانی را لحظهای و در حالت دوم سری زمانی را دورهای و یا فاصلهای مینامند. قیمت سهام شرکتها در آخرین روز ماه و ماه های متوالی و همچنین تعداد بهره برداریهای کشاورزی در سالهای متوالی از نوع سریهای زمانی لحظهای است و حجم بازرگانی خارجی در سالهای متوالی و تعداد نامههای پست شده در ماه های متوالی و یا سالهای متوالی از نوع سریهای زمانی دورهای یا فاصلهای می باشند.
مطالعه سریهای زمانی در اکثر رشته ها مانند جامعه شناسی، بازرگانی، زیستشناسی، زمینشناسی و به خصوص زمینه مسائل اقتصادی پیشرفت فراوان داشته و از نظر آمارشناسان اقتصادی نه تنها تشریح وضع فعلی درباره مسائل اقتصادی، ضروری است، بلکه پیشبینی وضع برای آینده نزدیک و دور نیز ضروری است. بدیهی است هیچ پیشبینی بدون اطلاع از گذشته نمیتواند به عمل آید و تهیه سریهای زمانی به منظور تامین اطلاع و آشنایی نسبت به گذشته است.
مدل باکس ـ جنکینز
مدل باکس ـ جنکینز یا آریما عبارتست از برازاندن یک الگوی میانگین متحرک تلفیق شده با خودرگرسیو به مجموعه داده ها و بدست آوردن الگوی ریاضی شرطی در یک سری زمانی است. یک مدل آریما سه جزء دارد (خالوزاده، ۱۹۹۹).
خود رگرسیو
میانگین یکپارچه
میانگین متحرک
بحثهای کلی مدل
انواع مدلهای باکس ـ جنکینز به صورت زیر بیان می شوند:
الف- مدل اتورگرسیوAR(p)
این روش مشاهدات را به صورت تابعی از مشاهدات قبلی بیان میکند. در این مدل
(۲-۱)