<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Journal of Statistical Sciences</title>
<title_fa>مجله علوم آماری</title_fa>
<short_title>JSS</short_title>
<subject>Basic Sciences</subject>
<web_url>http://jss.irstat.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>1735-8183</journal_id_issn>
<journal_id_issn_online>2783-2929</journal_id_issn_online>
<journal_id_pii></journal_id_pii>
<journal_id_doi>10.61882/jss</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid></journal_id_sid>
<journal_id_nlai></journal_id_nlai>
<journal_id_science>شماره 812/2910/3 مورخ 12/7/1384</journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1398</year>
	<month>6</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2019</year>
	<month>9</month>
	<day>1</day>
</pubdate>
<volume>13</volume>
<number>1</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>نمایش فضای حالت مدل‌های خودبازگشت آمیخته</title_fa>
	<title>State Space Representation of Mixture Autoregressive Model</title>
	<subject_fa>سریهای زمانی</subject_fa>
	<subject>Time Series</subject>
	<content_type_fa>كاربردي و توسعه ای</content_type_fa>
	<content_type>Applied</content_type>
	<abstract_fa>&lt;p dir=&quot;rtl&quot; style=&quot;margin: 0px; text-align: justify;&quot;&gt;&#8204; این مقاله به بررسی مدل سری زمانی خود بازگشت آمیخته با وزن&#8204;های ثابت در قالب فضای حالت و تعمیم آن به مدل&#8204;های خودبازگشت-میانگین متحرک آمیخته می&#8204;پردازد. توابع چگالی پیش&#8204;بینی، پالایش و هموارسازی با استفاده از یک روش مونت کارلوی دنباله&#8204;ای تقریب زده شده&#8204;اند. همچنین الگوریتم &amp;lrm;EM&amp;lrm; برای برآورد پارامترهای مدل در فضای حالت ارائه شده است. نتایج نشان می&#8204;دهد در قالب فضای حالت، ابعاد بردار پارامترهای مدل کاهش می&#8204;یابد. علاوه بر این رفتار الگوریتم&#8204;های پالایش و هموارسازی با استفاده از شبیه&#8204;سازی مونت کارلو در مدل&#8204;های ایستا مورد بررسی قرار گرفته است. نتایج این مطالعه نشان می&#8204;دهد الگوریتم پالایش در مدت زمان کوتاهی به یک حالت پایا نزدیک می&#8204;شود. همچنین پس از گذشت زمان کوتاهی میانگین توزیع&#8204;های پالایش و هموارسازی به مقادیر واقعی بردار حالت نزدیک می&#8204;شوند.&amp;nbsp;&lt;/p&gt;</abstract_fa>
	<abstract>&lt;p style=&quot;text-align: justify;&quot;&gt;&amp;lrm;This paper is investigating the mixture autoregressive model with constant mixing weights in state space form and generalization to ARMA mixture model&amp;lrm;. &amp;lrm;Using a sequential Monte Carlo method&amp;lrm;, &amp;lrm;the forecasting&amp;lrm;, &amp;lrm;filtering and smoothing distributions are approximated and parameters f the model is estimated via the EM algorithm&amp;lrm;. &amp;lrm;The results show the dimension of parameter vector in state space representation reduces&amp;lrm;. &amp;lrm;The results of the simulation study show that the proposed filtering algorithm has a steady state close to the real values of the state vector&amp;lrm;. &amp;lrm;Moreover&amp;lrm;, &amp;lrm;according to simulation results&amp;lrm;, &amp;lrm;the mean vectors of filtering and smoothing distribution converges to state vector quickly&amp;lrm;.&lt;/p&gt;</abstract>
	<keyword_fa>الگوریتم ‎EM‎, پالایه کالمن آمیخته,  مدل پویای خطی شرطی, مدل خود بازگشت آمیخته, مدل خود ‎ARMA‎ آمیخته, مدل فضای حالت غیر‎‌خطی.</keyword_fa>
	<keyword>‎Conditional Dynamic Linear Model‎, ‎EM Algorithm‎, Mixture Autoregressive Model‎, ‎Mixture ARMA Model‎, ‎Mixture Kalman Filter‎, ‎Nonlinear State Space Model.</keyword>
	<start_page>235</start_page>
	<end_page>259</end_page>
	<web_url>http://jss.irstat.ir/browse.php?a_code=A-10-729-1&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>Mohammad Reza</first_name>
	<middle_name></middle_name>
	<last_name>Yeganegi</last_name>
	<suffix></suffix>
	<first_name_fa>محمدرضا</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>یگانگی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>m-yeganegi@phdstu.scu.ac.ir</email>
	<code>10031947532846005412</code>
	<orcid>10031947532846005412</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Department of Statistics‎, ‎Shahid Chamran University of Ahvaz‎, ‎Iran.</affiliation>
	<affiliation_fa>گروه آمار، دانشگاه شهید چمران اهواز</affiliation_fa>
	 </author>


	<author>
	<first_name>Rahim</first_name>
	<middle_name></middle_name>
	<last_name>Chinipardaz</last_name>
	<suffix></suffix>
	<first_name_fa>رحیم</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>چینی پرداز</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>chinipardaz_r@scu.ac.ir</email>
	<code>10031947532846005413</code>
	<orcid>10031947532846005413</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation>Department of Statistics‎, ‎Shahid Chamran University of Ahvaz‎, ‎Iran.</affiliation>
	<affiliation_fa>گروه آمار، دانشگاه شهید چمران اهواز</affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
