نصرالله ایران پناه - گروه آمار ، دانشگاه اصفهان
پریسا میکلانی - گروه آمار ، دانشگاه اصفهان

یکی از مسائل مهم در تحلیل سری های زمانی پیشگویی در آینده بر اساس مشاهدات گذشته است. در سالهای اخیر، روش های متفاوت بوت استرپ برای بازه های پیشگویی بدون فرض معلوم توزیع خطاها، ارائه شده است. روش بوت استرپ مدل وابسته بر اساس برازش یک مدل اتورگرسیو برای داده ها است و نمونه های توت استرپ با استفاده از باز نمونه گیری از مانده ها تولید می شود. در این مقاله در ابتدا روش بوت استرپ مدل وابسته ارائه می شوند. در ادامه خواص حدی پیشگویی بوت استرپ مدل وابسته ارائه می شود. سپس در یکمطالعه ی شبیه سازی بازه های پیشگویی بوت استرپ مدل وابسته با بازه ی پیشگویی استاندارد گاوسی مقایسه می شوند. در نهایت روش های ارائه شده برای برآورد بازه های پیشگویی داده های اقتصاد سنجی به کار می روند.

سری زمانی ARMA، بازه های پیشگویی، بوت استرپ مدل وابسته، شبیه سازی مونت کارلو