قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
معايير المعلومات (AIC/BIC)
مقاييس إحصائية (معيار معلومات أكايكي ومعيار المعلومات البايزي) تُستخدم لمقارنة واختيار أفضل نماذج ARIMA من خلال معاقبة تعقيد النموذج لتجنب الإفراط في التجهيز.
المشغل الرجعي (عامل التأخير)
عامل رياضي يُرمز له بـ B يقوم بإزاحة سلسلة زمنية لفترة واحدة إلى الوراء (B^k * Y_t = Y_{t-k})، أساسي للتدوين المكثف لنماذج ARIMA وSARIMA.
التنبؤ
تطبيق نموذج ARIMA/SARIMA المعدل لتوليد قيم مستقبلية للسلسلة الزمنية، مصحوبًا بفترات تنبؤية تقيس عدم اليقين المرتبط.
تشخيص البواقي
تحليل أخطاء التنبؤ (البواقي) لنموذج ARIMA للتحقق من فرضية الضوضاء البيضاء، باستخدام اختبارات مثل Ljung-Box ومخططات ACF/PACF للبواقي.
نموذج ARMAX
امتداد لنموذج ARIMA يدمج متغيرات خارجية (eXogenous) بالإضافة إلى المكونات الانحدارية الذاتية والمتوسط المتحرك، يُرمز له بـ ARMAX، لتحسين دقة التنبؤات.
تحلل بوكس-جينكينز
منهجية منهجية لنمذجة ARIMA، تشمل التعريف (عبر ACF/PACF)، والتقدير، والتحقق (تشخيص البواقي)، والتنبؤ، والتي اشتهرت بواسطة بوكس وجينكينز.
SARIMAX
نموذج SARIMA الموسع بمتغيرات خارجية (eXogenous)، يجمع بين المكونات الموسمية وغير الموسمية مع متغيرات تنبؤية خارجية لنمذجة أكثر شمولاً للسلاسل الزمنية.
اختبار ليونغ-بوكس
اختبار إحصائي يُستخدم في تشخيص نماذج ARIMA للتحقق مما إذا كانت البواقي تُظهر ارتباطًا ذاتيًا معنويًا، حيث تشير الفرضية الصفرية لعدم الارتباط الذاتي إلى نموذج مناسب.