تخمین یول واکر و شبیه سازی در نرم افزار متلب + Yule Walker + پروژه کامل
پروژه ۱۶۷۸: شبیه سازی کامل در متلب (ام فایل) + توضیح وورد + تحلیل تمامی روابط به کار رفته
خلاصه ای از توضیحات:
اگر یک مجموعه داده زمانی از یک الگوی خود رگرسیون (AR(N)) به شکل زیر پیروی کند.
گرایش طبیعی به سمت تخمین پارامترهای الگوی a1,a2,…,aNa1,a2,…,Anمی باشد.
دراینجا برای یافتن پارامترهای الگو از روش حداقل مربعات استفاده می شود. اما محاسبات با افزایش رتبه NN دشوار می شود.
معادلات یول واکر پارامترهای الگوی خود رگرسیون را به کوواریانس خودکار [rxx[k درفرایند تصادفی [x[n مرتبط می سازد.معادلات یول واکر را می توان در یافتن پارامترهای الکوی (AR(N ازمجموعه داده ها زمانی [x[n بکاربرد که در واقع یک فرایند AR می باشد (بررسی بصری تابع خود همبستگی (ACF) و تابع خود همبستگی جزئی (PACF) ممکن است نشانه ای ارائه کند که داده ها با ترتیب N الگوی مناسب یک فرایند AR است یا MA). …….ادامه در وورد ضمیمه
دیگر مواردی که در وورد ضمیمه آمده :
معادلات یول واکر
مراحل یافتن پارامترهای الگو با استفاده از معادلات یول واکر:
ACF و PACF
معیار اطلاعاتی آکائیکه (AIC)
معیار اطلاعاتی بیزی (BIC)
تائید متقابل
نتیجه گیری معادلات یول واکر
شبیه سازی
در صورت سوال در مورد محصول می توانید از بخش تماس با ما (منوی بالا)، با شماره تلفن مورد نظر مکاتبه نمایید.
برخی نتایج:
p =
۱٫۲۶۶۴
d =
۱٫۰۰۰۰ ۰٫۸۷۳۴ ۰٫۵۱۶۰ ۰٫۴۶۱۰
p =
۰٫۹۹۷۲
d =
۱٫۰۰۰۰ ۰٫۸۶۱۰ ۰٫۵۰۲۱ ۰٫۴۳۷۴ -۰٫۰۲۷۰
p =
۰٫۹۹۶۵
مجموعه: الکترونیک, ریاضیات و محاسبات عددی, مهندسی مخابرات