In the previous chapter, we observe

In the previous chapter, we observed the inadequacy of regression models in the
presence of serial correlation. That is, when a variable maintains a “memory” of its past, any
model of the data must incorporate this “memory”. This phenomenon is likely to occur
whenever data are collected in a time sequence. A set of data generated or obtained
sequentially over time is known as a time series.
Modern time series analyses and applications are usually model based. There are many
different types of models used for time series analysis. One popular class of models has
become known as Box-Jenkins ARIMA (autoregressive-integrated moving average) models.
These models are popular for many reasons including:
(1) their adaptive ability to represent a wide range of processes with a
parsimonious model;
(2) their ability to be extended to permit modeling in the presence of external
events (interventions) or multiple exogenous stochastic variables (i.e., transfer
function models); and
(3) a well established procedure for modeling has been developed.
Some of the texts and reference sources for these models include Box and Jenkins (1970),
Abraham and Ledolter (1983), Pankratz (1983), Vandaele (1983), Granger and Newbold
(1987), Cryer (1986), Wei (1990), and references contained therein.

Kết quả (Việt) 1:

Trong chương trước, chúng tôi quan sát thấy thiếu mô hình hồi qui trong cácsự hiện diện của serial correlation. Đó là, khi một biến duy trì một "bộ nhớ" của quá khứ của mình, bất kỳMô hình dữ liệu phải kết hợp các bộ nhớ này"". Hiện tượng này là khả năng xảy ramỗi khi dữ liệu được thu thập trong một trình tự thời gian. Một tập hợp các dữ liệu được tạo ra hoặc thu đượctuần tự theo thời gian được gọi là một chuỗi thời gian.Phân tích chuỗi thời gian hiện đại và các ứng dụng thường là dựa trên mô hình. Có rất nhiềuCác loại khác nhau của các mô hình được sử dụng cho phân tích chuỗi thời gian. Một lớp phổ biến của các mô hình đãđược biết đến như là mô hình Box-Jenkins ARIMA (autoregressive tích hợp di chuyển trung bình).Các mô hình này là phổ biến vì nhiều lý do bao gồm:(1) khả năng thích nghi để đại diện cho một loạt các quá trình với mộtparsimonious mô hình;(2) khả năng để được mở rộng để cho phép các mô hình hóa sự hiện diện của bên ngoàisự kiện (can thiệp) hoặc nhiều biến ngoại sinh ngẫu nhiên (tức là, chuyển giaochức năng mô hình); và(3) một thủ tục cũng được thành lập để làm mô hình đã được phát triển.Một số văn bản và các nguồn tài liệu tham khảo cho các mô hình này bao gồm hộp và Jenkins (1970),Abraham và Ledolter (1983), Pankratz (1983), tổng (1983), Granger và Newbold(1987), Cryer (1986), vĩ (1990), và tài liệu tham khảo trong đó.

Kết quả (Việt) 2:

Trong chương trước, chúng tôi quan sát thấy sự bất cập của mô hình hồi quy trong
sự hiện diện của mối tương quan nối tiếp. Đó là, khi một biến duy trì một "bộ nhớ" của quá khứ của mình, bất kỳ
mô hình của các dữ liệu phải kết hợp với "trí nhớ". Hiện tượng này có thể xảy ra
bất cứ khi nào dữ liệu được thu thập trong một trình tự thời gian. Một tập hợp các dữ liệu được tạo ra hoặc thu được
tuần tự theo thời gian được gọi là một chuỗi thời gian.
Phân tích thời gian hiện đại và hàng loạt các ứng dụng thường được dựa trên mô hình. Có rất nhiều
loại khác nhau của các mô hình được sử dụng để phân tích chuỗi thời gian. Một lớp học phổ biến các mô hình đã
trở nên nổi tiếng như Box-Jenkins ARIMA (trung bình di chuyển tự hồi quy tích hợp) các mô hình.
Những mô hình này là phổ biến vì nhiều lý do bao gồm:
(1) khả năng thích ứng của họ để đại diện cho một loạt các quá trình với một
mô hình tiêu dùng tiết kiệm;
( 2) khả năng của họ được mở rộng để cho phép mô hình hóa trong sự hiện diện của bên ngoài
các sự kiện (can thiệp) hoặc nhiều biến ngẫu nhiên ngoại sinh (tức là, chuyển
mô hình chức năng); và
(3) một thủ tục cũng được thành lập cho mô hình đã được phát triển.
Một số văn bản và các nguồn tài liệu tham khảo cho các mô hình này bao gồm Box và Jenkins (1970),
Abraham và Ledolter (1983), Pankratz (1983), Vandaele (1983), Granger và Newbold
(1987), Cryer (1986), Wei (1990), và tài liệu tham khảo trong đó.