الانحدار الحركة من المتوسط المصدر رمز

أنا أحاول حقا، ولكن تكافح، لفهم كيف الانحدار الذاتي والمتحرك متوسط ​​العمل أنا فظيع جدا مع الجبر و النظر في أنه لا حقا تحسين فهمي شيء ما أود حقا أحب هو مثال بسيط للغاية من القول 10 مرة تعتمد الملاحظات حتى أستطيع أن أرى كيف يعملون لذلك دعونا ق يقول لديك نقاط البيانات التالية من سعر الذهب. على سبيل المثال، في الفترة الزمنية 10، ما من شأنه أن المتوسط ​​المتحرك لاج 2، ما 2، يكون أو ما 1 و أر 1 أو أر 2.I تعلمت تقليديا حول المتوسط ​​المتحرك يجري شيئا مثل. ولكن عند النظر في نماذج أرما، يتم شرح ما كدالة من شروط الخطأ السابقة، والتي لا أستطيع الحصول على رأسي حول هل هو مجرد وسيلة مربي الحيوانات لحساب نفس this. I وجدت هذه المشاركة مفيدة كيف نفهم ساريماكس حدسي ولكن صفراء يساعد الجبر، أستطيع أن أرى شيئا واضحا حقا حتى أرى مثالا مبسطا لذلك. عكس بيانات سعر الذهب، وكنت أول تقدير النموذج ومن ثم نرى كيف يعمل إمبولز توقعات تحليل الاستجابة الإلكترونية ربما يجب عليك تضييق سؤالك إلى الجزء الثاني فقط وترك التقدير جانبا وهذا هو، سوف توفر أر 1 أو ما 1 أو أي نموذج على سبيل المثال شت 0 5 × فاريبسيلونت ويسألنا، كيف هذا خاصة نموذج العمل ريتشارد هاردي 13 أغسطس 15 في 19 58. لأي نموذج أر q طريقة سهلة لتقدير المعلمة s هو استخدام نظام أولس - وتشغيل الانحدار. بريسيت beta0 beta1 كدوت السعر دوتسو بيتاق كدوت price. Lets تفعل ذلك في R. حسنا، لذلك أنا خدع قليلا واستخدمت وظيفة أريما في R، لكنه يعطي نفس التقديرات لانحدار عملية شريان الحياة للسودان - محاولة it. Now يتيح إلقاء نظرة في نموذج ما 1 الآن نموذج ما يختلف كثيرا عن نموذج أر ما هو المتوسط ​​المرجح للخطأ فترات الماضية، حيث يستخدم نموذج أر فترات بريويويس القيم الفعلية للبيانات ما 1 هو. بريسيت مو وت theta1 كدوت w. Where مو هو المتوسط، و wt هي عبارات الخطأ - وليس قيمة بريفيويز للسعر كما في نموذج أر الآن، للأسف، يمكننا أن نقدر المعلمات بشيء بسيط مثل أولس لن تغطية الطريقة هنا، ولكن R وظيفة أريما يستخدم أقصى ليكيهود يتيح محاولة. أمل هذا يساعد. 2 فيما يتعلق بمسألة ما 1 أنت تقول أن المتبقي هو 00 0023 للفترة الثانية وهذا منطقي فهمي للمتبقي هو الفرق بين القيمة المتوقعة والقيمة الملحوظة لكنك تقول بعد ذلك القيمة المتوقعة للفترة 2 هي محسوبة باستخدام المتبقي للفترة 2 هو هذا الحق إيسن t القيمة المتوقعة للفترة 2 فقط 0 5423 0 4 9977 سوف تي 17 أغسطس 15 في 11 24. مقدمة إلى أريما نماذج نونسونالونال. أريما p، d، q معادلة التنبؤ نماذج أريما هي ، من الناحية النظرية، الفئة الأكثر عمومية من النماذج للتنبؤ بسلسلة زمنية يمكن أن تكون ثابتة من خلال الاختلاف إذا لزم الأمر، وربما بالتزامن مع التحولات غير الخطية مثل قطع الأشجار أو التفريغ إذا لزم الأمر المتغير العشوائي الذي هو سلسلة زمنية ثابتة إذا كانت خصائصها الإحصائية ثابتة على مر الزمن لا توجد في السلسلة الثابتة أي اتجاه، ولتغيراتها حول متوسطها اتساع ثابت، وهي تتلائم بطريقة متسقة، أي أنها قصيرة المدى أنماط الوقت ندوم تبدو دائما نفس بالمعنى الإحصائي الشرط الأخير يعني أن الارتباطات أوتوكوريلاتيونس الارتباط مع الانحرافات السابقة من المتوسط ​​يبقى ثابتا مع مرور الوقت، أو ما يعادلها، أن طيفها السلطة لا يزال ثابتا على مر الزمن ويمكن متغير عشوائي من هذا النموذج يمكن أن ينظر إليه كالمعتاد على أنه مزيج من الإشارة والضوضاء، والإشارة إذا كان المرء ظاهرا يمكن أن يكون نمطا من الانعكاس السريع أو البطيء للمتوسط ​​أو التذبذب الجيبية أو التبدع السريع في الإشارة، كما يمكن أن يكون له عنصر موسمي أن أريما يمكن أن ينظر إلى النموذج على أنه مرشح يحاول فصل الإشارة عن الضوضاء، ومن ثم يتم استقراء الإشارة في المستقبل للحصول على التنبؤات. ومعادلة التنبؤ أريما لسلسلة زمنية ثابتة هي المعادلة الخطية أي الانحدار من نوع تتكون المتنبؤات من تأخر المتغير التابع أو التأخر في أخطاء التنبؤات هذه هي القيمة المؤكدة ل Y ثابتة و أو مبلغ مرجح بقيمة واحدة أو أكثر مؤخرا s من Y و أو مجموع مرجح واحد أو أكثر من القيم الأخيرة للأخطاء. إذا كانت المتنبئات تتكون فقط من قيم متخلفة من Y هو نموذج الانحدار الذاتي النقي الانحدار الذاتي، وهو مجرد حالة خاصة من نموذج الانحدار والتي يمكن أن تكون مزودة برمجية الانحدار القياسية على سبيل المثال، نموذج أول الانحدار الذاتي أر 1 ل Y هو نموذج الانحدار بسيط الذي المتغير المستقل هو فقط Y تخلفت عن فترة واحدة لاغ Y، 1 في ستاتغرافيكس أو YLAG1 في ريجرسيت إذا كان بعض من فإن المتنبؤات متخلفة من الأخطاء، وهي نموذج أريما فهي ليست نموذج انحدار خطي، لأنه لا توجد طريقة لتحديد خطأ الفترة الماضية كمتغير مستقل يجب حساب الأخطاء على أساس فترة إلى فترة عندما يكون النموذج على البيانات من وجهة النظر التقنية، فإن مشكلة استخدام الأخطاء المتخلفة كمنبئات هي أن تنبؤات النموذج ليست وظائف خطية للمعاملات على الرغم من أنها وظائف خطية للبيانات السابقة لذلك، فإن المعاملات في أريما النماذج التي تتضمن أخطاء متخلفة يجب تقديرها من خلال طرق التحسين اللاخطية هيل-تسلق بدلا من مجرد حل نظام من المعادلات. الاسم المختصر أريما لتقف على الانحدار السيارات المتكاملة الانحدار المتوسط ​​المتحرك من سلسلة مستقر في معادلة التنبؤ وتسمى المصطلحات الانحدار الذاتي، وتسمى فترات التأخير في أخطاء التنبؤ بمتوسط ​​المصطلحات المتحركة، ويقال إن السلاسل الزمنية التي يجب أن تكون متباينة لتكون ثابتة هي نسخة متكاملة من سلسلة ثابتة نماذج المشي العشوائي والنماذج العشوائية ونماذج الانحدار الذاتي والتجانس الأسي النماذج هي جميع الحالات الخاصة من نماذج أريما. ويصنف نموذج أريما نوناسونال كما أريما p، د، ف نموذج، حيث هو عدد من الانحدار الذاتي terms. d هو عدد الاختلافات نونزيسونال اللازمة ل ستاتيوناريتي و and. q هو عدد أخطاء التنبؤات المتخلفة في معادلة التنبؤ. وتنشأ معادلة التنبؤ على النحو التالي أولا، دع y تدل على الفرق d من Y الذي يعني. ملاحظة أن الاختلاف الثاني للحالة Y d 2 ليس الفرق بين الفترتين السابقتين، بل هو الفرق الأول من أول الفرق الذي هو التناظرية منفصلة من مشتق الثاني، أي تسارع المحلي من سلسلة بدلا من اتجاهه المحلي. من حيث y معادلة التنبؤ العامة هي. هنا يتم تعريف المعلمات المتوسط ​​المتحرك s بحيث تكون علاماتها سلبية في المعادلة، وفقا للاتفاقية التي قدمها بوكس ​​وجينكينز بعض المؤلفين والبرمجيات بما في ذلك البرمجة R تحديد اللغة بحيث يكون لديهم علامات زائد بدلا من ذلك عندما يتم توصيل الأرقام الفعلية في المعادلة، لا يوجد أي غموض، ولكن من المهم أن نعرف أي الاتفاقية يستخدم البرنامج الخاص بك عندما كنت تقرأ الإخراج غالبا ما يشار إلى المعلمات هناك من قبل أر 1 ، أر 2، و ما 1، ما 2، etc. To التعرف على نموذج أريما المناسب ل Y تبدأ من خلال تحديد ترتيب اختلاف الحاجة إلى ستاتاريز السلسلة وإزالة الميزات الإجمالية من موسمية، ربما بالتزامن مع التحول استقرار التباين مثل قطع الأشجار أو انكماش إذا كنت تتوقف عند هذه النقطة والتنبؤ بأن سلسلة ديفيرنتد ثابت، لديك مجرد تركيب المشي العشوائي أو نموذج الاتجاه العشوائي ومع ذلك، فإن سلسلة ثابتة قد لا تزال لديها ، مما يشير إلى أن بعض عدد المصطلحات أر p 1 و أو بعض عدد الشروط ما q 1 مطلوبة أيضا في معادلة التنبؤ. عملية تحديد قيم p و d و q التي هي أفضل لسلسلة زمنية معينة سوف في الأجزاء اللاحقة من الملاحظات التي توجد روابط في أعلى هذه الصفحة، ولكن يتم عرض معاينة لبعض أنواع نماذج أريما غير التقليدية التي يتم اكتشافها عادة أدناه. أريما 1،0،0 نموذج الانحدار الذاتي من الدرجة الأولى إذا السلسلة هي ثابتة و أوتوكوريلاتد، وربما يمكن توقعها بأنها متعددة من القيمة السابقة الخاصة بها، بالإضافة إلى ثابت معادلة التنبؤ في هذه الحالة is. which هو Y تراجع على نفسها تأخرت من قبل فترة واحدة T له هو أريما 1،0،0 نموذج ثابت إذا كان متوسط ​​Y هو صفر، ثم لن يتم تضمين المصطلح الثابت. إذا كان معامل المنحدر 1 موجب وأقل من 1 في الحجم يجب أن يكون أقل من 1 في حجم إذا Y هو ثابت، ويصف النموذج السلوك الذي يعاد التراجع الذي ينبغي أن يتوقع أن تكون قيمة الفترة التالية فيه 1 مرة بعيدا عن المتوسط ​​كقيمة هذه الفترة s إذا كان الرقم 1 سالبا، فإنه يتنبأ بسلوك معاد للعكس مع تبديل الإشارات ، أي أنه يتنبأ أيضا بأن Y سيكون أقل من متوسط ​​الفترة التالية إذا كان أعلى من متوسط ​​هذه الفترة. في نموذج ترتيب الانحدار الذاتي الثاني أريما 2،0،0، سيكون هناك مصطلح Y t-2 على اليمين حسنا، وهلم جرا اعتمادا على علامات ومقدار المعاملات، يمكن أن نموذج أريما 2،0،0 وصف نظام الذي انعكس متوسط ​​يحدث في بطريقة تتأرجح الجيبية، مثل حركة كتلة على الربيع الذي يتعرض لصدمات عشوائية. أريما 0،1،0 المشي العشوائي إذا كان سلسلة Y ليست ثابتة، وبسيطة ست نموذج ممكن لذلك هو نموذج المشي العشوائي، والتي يمكن اعتبارها حالة الحد من نموذج أر 1 الذي يساوي معامل الانحدار الذاتي 1، أي سلسلة مع بلا حدود بطيئة متوسط ​​يمكن كتابة معادلة التنبؤ لهذا النموذج حيث يكون المصطلح الثابت هو متوسط ​​التغير من فترة إلى أخرى أي الانجراف طويل الأجل في Y يمكن تركيب هذا النموذج كنموذج انحدار لا اعتراض يكون فيه الاختلاف الأول لل Y هو المتغير التابع لأنه يتضمن فقط فرقا غير منطقي ومدة ثابتة، تصنف على أنها نموذج أريما 0،1،0 مع ثابت نموذج المشي العشوائي بدون الانجراف سيكون نموذج أريما 0،1،0 بدون ثابت. أريما 1،1،0 نموذج الانحدار الذاتي من الدرجة الأولى المختلف إذا كانت أخطاء نموذج المشي العشوائي مترابطة أوتوكورلاتد، ربما يمكن إصلاح المشكلة بإضافة فاصل واحد للمتغير التابع إلى معادلة التنبؤ - أي عن طريق التراجع عن الاختلاف الأول Y على نفسه متأخرا من قبل واحد فترة هذا y معادلة التنبؤ التالية التي يمكن إعادة ترتيبها. هذا هو نموذج الانحدار الذاتي من الدرجة الأولى مع ترتيب واحد من اختلاف غير منطقي ومدة ثابتة - أي أريما 1،1،0 نموذج. أريما 0،1،1 دون ثابت التمهيد الأسي بسيط استراتيجية أخرى لتصحيح الأخطاء أوتوكوريلاتد في نموذج المشي العشوائي يقترح من قبل نموذج تمهيد الأسي بسيط أذكر أن لبعض السلاسل الزمنية غير المستقرة مثل تلك التي تظهر تقلبات صاخبة حول متوسط ​​ببطء متغير، نموذج المشي العشوائي لا يؤدي إلى وبعبارة أخرى، وبعبارة أخرى، بدلا من أخذ الملاحظة الأخيرة كتوقعات الملاحظة التالية، فمن الأفضل استخدام متوسط ​​الملاحظات القليلة الماضية من أجل تصفية الضوضاء وتقديرا أكثر دقة المتوسط ​​المحلي يستخدم نموذج التمهيد الأسي البسيط المتوسط ​​المتحرك المرجح أضعافا مضاعفة للقيم السابقة لتحقيق هذا التأثير. معادلة التنبؤ للأسي البسيط يمكن كتابة نموذج تمهيد إال بعدد من الأشكال المكافئة رياضيا واحد منها هو ما يسمى شكل تصحيح الأخطاء، حيث يتم تعديل التوقعات السابقة في اتجاه الخطأ الذي قدمته. لأن e t-1 Y t-1 - t-1 حسب التعريف، وهذا يمكن إعادة كتابة as. which هو أريما 0،1،1 - without ثابت معادلة التنبؤ مع 1 1 - وهذا يعني أنه يمكنك تناسب تمهيد الأسي بسيط من خلال تحديده باعتباره أريما 0، 1،1 بدون أن يكون ثابتا، ويقابل معامل ما 1 المعادل 1-ناقص ألفا في صيغة سيس تذكر أن متوسط ​​عمر البيانات في التنبؤات التي تبلغ الفترة الزمنية الأولى هو 1 يعني أنها في نموذج سيس سوف تميل إلى التخلف عن الاتجاهات أو نقاط التحول بنحو 1 فترات ويترتب على ذلك أن متوسط ​​عمر البيانات في 1-الفترة السابقة التوقعات لنموذج أريما 0،1،1 - بدون ثابت هو 1 1 - 1 لذلك، على سبيل المثال، إذا كان 1 0 8، متوسط ​​العمر هو 5 كمقاربات 1، يصبح النموذج أريما 0،1،1 بدون ثابت طويل المدى جدا m متوسط ​​التبويض، وكما 1 نهج 0 يصبح نموذج المشي العشوائي دون الانجراف. ما هي أفضل طريقة لتصحيح الارتباط الذاتي إضافة مصطلحات أر أو إضافة شروط ما في النموذجين السابقين نوقشت أعلاه، فإن مشكلة أخطاء أوتوكوريلاتد في تم تحديد نموذج المشي العشوائي بطريقتين مختلفتين عن طريق إضافة قيمة متخلفة من سلسلة الاختلاف إلى المعادلة أو إضافة قيمة متخلفة من خطأ التنبؤ أي النهج هو الأفضل قاعدة الإبهام لهذا الوضع، والتي سيتم مناقشتها في مزيد من التفاصيل في وقت لاحق، هو أن الارتباط الذاتي الإيجابي عادة ما يعامل بشكل أفضل بإضافة مصطلح أر إلى النموذج وعادة ما يعامل الارتباط الذاتي السلبي بإضافة مصطلح ما في سلسلة الأعمال التجارية والوقت الاقتصادي، وغالبا ما تنشأ علاقة الارتباط الذاتي السلبية كأداة من الاختلاف في العام، الاختلاف يقلل من الارتباط الذاتي الإيجابي، بل قد يؤدي إلى التحول من الارتباط الإيجابي إلى السالب، لذلك فإن نموذج أريما 0،1،1، الذي يكون فيه الاختلاف مصحوبا ب إرم، في كثير من الأحيان من نموذج أريما 1،1،0.ARIMA 0،1،1 مع تمهيد الأسي المستمر المستمر مع النمو من خلال تنفيذ نموذج سيس كنموذج أريما، كنت في الواقع الحصول على بعض المرونة أولا وقبل كل شيء، يقدر يسمح لمعامل ما 1 بأن يكون سالبا هذا يتوافق مع عامل تمهيد أكبر من 1 في نموذج سيس الذي عادة ما لا يسمح به إجراء تركيب نموذج سيس. ثانيا، لديك خيار تضمين مدة ثابتة في نموذج أريما إذا ترغب في تقدير متوسط ​​الاتجاه غير الصفر نموذج أريما 0،1،1 مع ثابت لديه معادلة التنبؤ. التوقعات قبل فترة واحدة من هذا النموذج هي نوعيا مماثلة لتلك التي من نموذج سيس، إلا أن فإن مسار التوقعات على المدى الطويل يكون عادة خطا منحدرا يساوي ميله مو بدلا من خط أفقي. أريما 0،2،1 أو 0،2،2 بدون تمهيد أسي خطي ثابت. إن نماذج التمهيد الأسي الخطي هي نماذج أريما استخدام اثنين ديفيرنس نونسسونال إس بالاقتران مع المصطلحات ما الفرق الثاني لسلسلة Y ليس مجرد الفرق بين Y وتخلف نفسها بفترتين، وإنما هو الفرق الأول من الاختلاف الأول - أي التغيير في التغيير من Y في الفترة t وهكذا، فإن الفارق الثاني لل Y في الفترة t يساوي Y t - Y t-1 - Y t-1 - Y t-2 Y t - 2Y t-1 Y t-2 الفرق الثاني في وظيفة منفصلة مماثلة إلى مشتق الثاني من وظيفة مستمرة يقيس تسارع أو انحناء في وظيفة في نقطة معينة في time. The أريما 0،2،2 نموذج دون ثابت يتوقع أن الفرق الثاني من سلسلة يساوي الدالة الخطية من آخر اثنين من الأخطاء المتوقعة. وهو يمكن إعادة ترتيب as. where 1 و 2 هي ما 1 و ما 2 معاملات هذا هو خطية الأسي نموذج تمهيد أساسا نفس نموذج هولت s، ونموذج براون s هو حالة خاصة و يستخدم المتوسطات المتحركة المرجح أضعافا مضاعفة لتقدير كل من المستوى المحلي والاتجاه المحلي في هذه السلسلة والتنبؤات طويلة الأجل من هذا النموذج تتلاقى مع خط مستقيم يعتمد ميله على الاتجاه المتوسط ​​الملحوظ نحو نهاية السلسلة. أريما 1،1،2 بدون ثابت ثابت الاتجاه الخطي الأسي تمهيد. ويوضح هذا النموذج في المرافق الشرائح على نماذج أريما فإنه يستقلب الاتجاه المحلي في نهاية السلسلة ولكن تسطح بها في آفاق التنبؤ أطول لإدخال مذكرة من المحافظة، وهي الممارسة التي لديها الدعم التجريبي انظر المقال حول لماذا الاتجاه مانع يعمل من قبل غاردنر وماكنزي و مادة القاعدة الذهبية من قبل أرمسترونغ وآخرون للحصول على التفاصيل. ومن المستحسن عموما التمسك النماذج التي لا يقل عن واحد من p و q لا يزيد عن 1، أي لا تحاول أن تناسب نموذج مثل أريما 2،1،2 ، وهذا من المرجح أن يؤدي إلى الإفراط في العمل والقضايا عامل مشترك التي نوقشت بمزيد من التفصيل في الملاحظات على الهيكل الرياضي من نماذج أريما. نماذج تنفيذ أريما نماذج مثل تلك المذكورة أعلاه هي سهلة لتنفيذ س نا معادلة التنبؤ هي مجرد معادلة خطية تشير إلى القيم السابقة للمسلسل الزمني الأصلي والقيم السابقة للأخطاء وهكذا، يمكنك إعداد جدول بيانات التنبؤ أريما عن طريق تخزين البيانات في العمود A، صيغة التنبؤ في العمود B، وبيانات الأخطاء مطروحا منها التنبؤات في العمود C. إن صيغة التنبؤ في خلية نمطية في العمود B ستكون مجرد تعبير خطي يشير إلى قيم في الصفوف السابقة من العمودين A و C مضروبة في معاملات أر المناسبة أو ما المخزنة في خلايا في مكان آخر جدول البيانات. أوتوريغرسيون تحليل AR. Written بول بول بوركي ائتمانات لشفرة المصدر اليكس سيرجيو، نيك الزعرور، رينر هيجر نوفمبر 1998.An الانحدار النموذجي أر كما هو معروف في صناعة تصميم فلتر باعتبارها لانهائية مرشح استجابة الاندفاع إير أو مرشح جميع القطب ، ويعرف أحيانا باسم نموذج الكون الأقصى في تطبيقات الفيزياء هناك ذاكرة أو ردود الفعل، وبالتالي يمكن للنظام توليد ديناميات الداخلية. الدفاع إينتيون التي سيتم استخدامها هنا هي كما يلي. حيث منظمة العفو الدولية هي معاملات الانحدار الذاتي، شت هو سلسلة قيد التحقيق، و N هو طول النظام من المرشح الذي هو عموما أقل بكثير من طول السلسلة مصطلح الضوضاء أو بقايا ، إبسيلون في ما سبق، يفترض دائما أن يكون ضجيج أبيض غاوس. في كل الأحوال، يمكن تقدير المدى الحالي للسلسلة من قبل مجموع مرجح خطي من المصطلحات السابقة في سلسلة الأوزان هي معاملات الانحدار الذاتي. المشكلة في تحليل أر هو اشتقاق أفضل القيم لعنصر معين من سلسلة شت تفترض غالبية الطرق أن السلسلة شت خطية وثابتة وباعتبار أن السلسلة شت يفترض أن تكون صفرية، إن لم يكن هذا هو مجرد مصطلح آخر 0 أمام جمع في المعادلة أعلاه. وهناك عدد من التقنيات موجودة لحساب معاملات أر والفئتين الرئيسيتين هي المربعات الصغرى وطريقة بورغ في كل من هذه هناك بعض المتغيرات، والأكثر شيوعا المربعات الصغرى ميثو d على أساس معادلات يول-ووكر ماتلاب لديها مجموعة واسعة من التقنيات المعتمدة، لاحظ أنه عند مقارنة الخوارزميات من مصادر مختلفة هناك نوعان من الاختلافات الشائعة، أولا هو ما إذا كان أو لم يتم إزالة المتوسط ​​من السلسلة، والثاني هو علامة من المعاملات عاد هذا يعتمد على التعريف ويتم إصلاحه ببساطة عن طريق عكس علامة جميع المعاملات. أكثر الطرق شيوعا لاستخلاص المعاملات ينطوي على ضرب التعريف أعلاه بواسطة x تد أخذ قيم التوقع والتطبيع انظر بوكس ​​و جينكينز، 1976 يعطي مجموعة من المعادلات الخطية تسمى معادلات يول ووكر التي يمكن كتابتها في شكل مصفوفة as. where أردي هو معامل الارتباط الذاتي عند التأخير d ملاحظة قطري هو r 0 1. ويرد المثال التالي مع بعض درجة من التفصيل في النظام للسماح النسخ المتماثل والمقارنة بين النتائج مع حزم أخرى البيانات هي 1000 عينة من مجموع 4 سينوسويد ويتم توفيرها هنا تبدو البيانات مثل هذا. في حين ليس مفيدا بشكل خاص، أمر 1 تحليل أر يعطي معامل 0 941872، وهذا ليس من المستغرب تماما لأنها تقول أنه من خلال النظر فقط في مصطلح واحد في سلسلة المصطلح التالي في هذه السلسلة هو على الارجح تقريبا نفس، أي شت 1 0 941872 x t الجدول التالي يعطي معاملات لعدد من أوامر نموذج للمثال أعلاه. كما أن النظام يزيد من التقديرات عموما تحسين هذا قد لا يكون بالضرورة لذلك للبيانات صاخبة عند توظيف أوامر أر كبيرة ومن المفيد في كثير من الأحيان لرسم خطأ رمز بين السلسلة المقدرة بمعاملات أر وسلسلة الفعلية مثال على الحالة المذكورة أعلاه هو موضح أدناه. كما هو نموذجي في تحليل أر، خطأ رمز ينزل بسرعة كبيرة ثم يخرج خارج. الخاصة حالات. خطأ رمز يبقى ثابت كما يتم زيادة ترتيب أر. معظم أر الروتين تفشل في هذه الحالة على الرغم من أن الحل هو واضح 1 1، آخر منظمة العفو الدولية 0 وهناك نتائج مصفوفة المفرد للمربعات أقل المربعات. ربما أفضل طريقة لاختبار رمز للحوسبة معاملات أر هي توليد سلسلة اصطناعية مع معاملات معروفة ومن ثم التحقق من أن حساب أر يعطي نفس النتائج على سبيل المثال يمكن للمرء أن توليد تحليل Series. AR باستخدام درجة من 5 يجب أن تسفر عن نفس المعاملات تلك المستخدمة لتوليد سلسلة البيانات ل هذه السلسلة هو متاح هنا و هو موضح أدناه. هذه حالة الاختبار هو من النظام 7، المعاملات هي. السلسلة الخام يمكن العثور عليها هنا و يتم رسم البيانات أدناه. هذا حالة الاختبار هو من النظام 2، معاملات هي 1 1 02، 2 -0 53، سلسلة الخام يمكن العثور عليها هنا ويتم رسم البيانات أدناه. إختيار ترتيب النموذج. هناك أي طريقة مباشرة لتحديد النظام النموذج الصحيح كما يزيد واحد من النظام من نموذج الجذر متوسط ​​مربع رمز خطأ عموما ينخفض ​​بسرعة إلى بعض النظام ثم أكثر ببطء أمر فقط بعد النقطة التي خطأ رمز تتسطح هو عادة أمر مناسب هناك المزيد من التقنيات الرسمية لاختيار النظام النموذجي، الأكثر شيوعا منها هو أكايك المعلومات Criterion. Source code. Source رمز لحساب معاملات أر يتوفر هنا اثنين من الخوارزميات المتاحة، وأقل طريقة المربعات و بورغ أقصى طريقة إنتروبي نسخة معدلة بورغ ج من أسلوب بورغ C نمط مؤشر صفر صفائف ساهم بها بول ساندرز.