✨
Yapay Zeka Hızlı Bakış & Çıkarımlar
AI Insight⚡ TL;DR(1 Cümlede Hızlı Çıkarım)
Yaklaşım, en çok olabilirlik tahmini (MLE) için uygulandı.
📌 3 Maddede Bu Makale
🎯
Amaç & Hipotez:Bu çalışmada, AR(p) hatalarının kovaryans matrisi kullanılarak, otoregressif (AR) modelin parametreleri için birinci derece koşullar çıkarıldı.
📊
Temel Bulgular & Veri:AR parametrelerinin birinci derece koşullarıyla ilgili teoremi ifade etmeden önce kovaryans matrisinin bazı özellikleri verildi.
💡
Sonuç & Katkı:Yaklaşım, en çok olabilirlik tahmini (MLE) için uygulandı.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri
Özet
Bu çalışmada, AR(p) hatalarının kovaryans matrisi kullanılarak, otoregressif (AR) modelin parametreleri için birinci derece koşullar çıkarıldı. AR parametrelerinin birinci derece koşullarıyla ilgili teoremi ifade etmeden önce kovaryans matrisinin bazı özellikleri verildi. Yaklaşım, en çok olabilirlik tahmini (MLE) için uygulandı.
Abstract
In this study we derive the first order conditions for the parameters of autoregressive (AR) model using the covariance matrix of AR(p) errors. We give some properties of covariance matrix before giving the theorem concerning the first order conditions of the AR parameters. The approach app to maximum likelihood estimation (MLE).
🔖
Bu Makaleye Atıf Yap
KASAP, R., EKNİ, M. (2022). Otoregressif modelin en çok olabilirlik tahmini için birinci derece koşullar. Gazi Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Cilt: 11 - Sayı: 3, 415–423. https://ajindex.com/articles/522613