en استنباط آماری برای مدل‌های اتورگرسیو با مانده‌های نامنفی عمومى General پژوهشي Research <p style="text-align: justify"><span dir="RTL">فرض نرمال بودن </span>&lrm;&lrm;&lrm;<span dir="RTL">مانده‌ها یکی از فرض‌های متداول در مدل‌های اتورگرسیو است&rlm;، اما در عمل مواجهه </span>&lrm;&lrm;&lrm;<span dir="RTL">با مانده‌های نامنفی اجتناب‌ناپذیر است. در این مقاله انتخاب مدل در مدل‌های اتورگرسیو با </span>&lrm;&lrm;&lrm;<span dir="RTL">مانده‌های نامنفی </span>&lrm;&lrm;&lrm;<span dir="RTL">انجام می‌شود. لذا مدل‌های رقیب پیش‌نهاد شده و براوردگرهای ماکسیمم درست‌نمایی پارامترهای نامعلوم این مدل‌ها بر اساس روش تعدیل‌یافته‌ی ماکسیمم درست‌نمایی و آلگوریتم </span>&lrm;EM&lrm;<span dir="RTL"> محاسبه می‌شود. همچنین با استفاده از شبیه‌سازی&rlm;، توانایی سه معیار انتخاب مدل در انتخاب مدل اتورگرسیو بهینه مورد مطالعه قرار گرفته است. برای تأیید نتیجه‌های نظری به‌دست آمده&rlm;، داده‌های واقعی سطح دریاچه‌ی هارن طی سال‌های ۱۹۳۰-۱۸۷۵&rlm; مورد بررسی </span>&lrm;&lrm;&lrm;<span dir="RTL">قرار گرفته است. با توجه به نامنفی بودن مانده‌ها برای این مجموعه از داده‌ها، مدل‌های رقیب نامنفی پیش‌نهاد و با استفاده از معیارهای معرفی‌شده&rlm;، مدل بهینه انتخاب می‌شود.</span></p> <p dir="ltr" style="text-align: justify">Normal residual is one of the usual assumptions of autoregressive models but in practice sometimes we are faced with non-negative residuals case.</p> <p dir="ltr" style="text-align: justify">In this paper we consider some autoregressive models with non-negative residuals as competing models and we have derived the maximum likelihood estimators of parameters based on the modified approach and EM algorithm for the competing models. Also, based on the simulation study, we have compared the ability of some model selection criteria to select the optimal autoregressive model. Then we consider a set of real data, level of lake Huron 1875-1930, as a data set generated from a first order autoregressive model with non-negative residuals and based on the model selection criteria we select the optimal model between the competing models.</p> اطلاع کولبک_لیب‌لر, انتخاب مدل, ماکسیمم درست‌نمایی اصلاح‌شده, مدل اتورگرسیو. Autoregressive model, Kullback-Leibler information, model selection criterion, modified maximum likelihood. 83 104 http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-7&slc_lang=en&sid=1 S. Zamani Mehryan صدیقه زمانی مهریان s.zamani121@yahoo.com 1003194753284600785 1003194753284600785 Yes A. Sayyareh عبدالرضا سیاره asayyareh@kntu.ac.ir 1003194753284600786 1003194753284600786 No