<?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>1397</year>
	<month>12</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2019</year>
	<month>3</month>
	<day>1</day>
</pubdate>
<volume>12</volume>
<number>2</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>برآورد ماکسیمم درستنمایی  ماتریس  کوواریانس مدل ARMA با استفاده از ماتریس باند</title_fa>
	<title>Maximum Likelihood Estimating of the Covariance Matrix of  the ARMA Model Using Band Matrix</title>
	<subject_fa>سریهای زمانی</subject_fa>
	<subject>Time Series</subject>
	<content_type_fa>پژوهشی بنیادی</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>&lt;p dir=&quot;RTL&quot; style=&quot;text-align: justify;&quot;&gt;در این مقاله یک روش برای برآورد ماتریس کوواریانس مدل ARMA با بهره&#8204;گیری از ماتریس باند پیشنهاد شده است. تابع درستنمایی مدل ARMA با ماتریس کوواریانس قطری به دست آمده و تقریب&#8204;هایی نیز برای معیارهایی مانند کولبک-لیبلر و چرنوف ارائه شده است. بعلاوه دو قاعده برای ممیزی مدل&#8204;های ARMA با استفاده از تقریب&#8204;های به دست آمده پیشنهاد شده است. سپس با استفاده از داده&#8204;های شبیه&#8204;سازی شده و واقعی، توانایی روش پیشنهادی در ممیزی مدل&#8204;های مختلف ARMA نشان داده شده است. کاهش قابل ملاحظه تعداد محاسبات برای سری&#8204;های زمانی بزرگ و نرخ خطای ممیزی پایین از ویژگی&#8204;های قواعد پیشنهاد شده است. همچنین عدم نیاز به فرض نرمال بودن در یک قضیه نشان داده شده است.&lt;/p&gt;</abstract_fa>
	<abstract>&lt;p style=&quot;text-align: justify;&quot;&gt;In this paper, using Band matrix, a method has been proposed to estimating the covariance matrix of the ARMA model and the likelihood function of the ARMA model with diagonal covariance matrix has been obtained and approximations for Kullback-Leibler and Chernoff criteria were presented. In addition, two rules for discriminating the ARMA models has been proposed. A simulation and real data sets are used to illustrate the performance of the proposed rules. Significant reduction of the calculations for large time series and low discrimination error rate are two characteristics of the proposed rules. In addition no need to normal assumption is showed in a theorem.&lt;/p&gt;
&lt;p&gt;&lt;/p&gt;</abstract>
	<keyword_fa>مدل ARMA, ماتریس باند, تابع درستنمایی, ممیزی سری‌های زمانی.</keyword_fa>
	<keyword>ARMA Model, Band Matrix, Likelihood Function, Discrimination of Time Series.</keyword>
	<start_page>527</start_page>
	<end_page>547</end_page>
	<web_url>http://jss.irstat.ir/browse.php?a_code=A-10-734-2&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>Behzad</first_name>
	<middle_name></middle_name>
	<last_name>Mansouri</last_name>
	<suffix></suffix>
	<first_name_fa>بهزاد</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>منصوری</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>b.mansouri@scu.ac.ir</email>
	<code>10031947532846005393</code>
	<orcid>10031947532846005393</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation>Department of Statistics,  Shahid Chamran University of Ahvaz, 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>rchinipardaz@scu.ac.ir</email>
	<code>10031947532846005394</code>
	<orcid>10031947532846005394</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Department of Statistics,  Shahid Chamran University of Ahvaz, Ahvaz , Iran.</affiliation>
	<affiliation_fa>گروه آمار،  دانشگاه شهید چمران اهواز</affiliation_fa>
	 </author>


</author_list>


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