ARIMA is one of the most versatile

ARIMA is one of the most versatile linear models for forecasting seasonal time series. It has enjoyed great success in both academic research and industrial applications during the last three decades.The class of ARIMA models is broad. It can represent many different types of stochastic seasonal and nonseasonal time series such as pure autoregressive (AR), pure moving average (MA), and mixed AR and MA processes. The theory of ARIMA models has been developed by many researchers and its wide application was due to the work by Box et al.

ผลลัพธ์ (ไทย) 1:

อาริมะเป็นแบบเชิงเส้นหลากหลายมากที่สุดสำหรับการคาดการณ์เวลาตามฤดูกาลชุดอย่างใดอย่างหนึ่ง มันมีความสุขความสำเร็จในการศึกษาวิจัยและอุตสาหกรรมในช่วงสามทศวรรษ ระดับชั้นของแบบจำลอง ARIMA เป็นสิ่ง มันสามารถแสดงหลายหลายชุดเวลาตามฤดูกาล และไม่ stochastic เช่น autoregressive บริสุทธิ์ (AR), บริสุทธิ์ค่าเฉลี่ยเคลื่อนที่ (MA), และกระบวนการผสมของ AR และ MA ทฤษฎีแบบจำลอง ARIMA ได้รับการพัฒนา โดยนักวิจัยจำนวนมาก และการประยุกต์กว้างก็เนื่องจากการทำงานด้วยกล่อง et al

ผลลัพธ์ (ไทย) 2:

ARIMA เป็นหนึ่งในรูปแบบเชิงเส้นที่หลากหลายมากที่สุดในการพยากรณ์อนุกรมเวลาตามฤดูกาล มันมีความสุขความสำเร็จในการวิจัยทางวิชาการและการประยุกต์ใช้ในอุตสาหกรรมในช่วงสามชั้น decades.The ของแบบจำลอง ARIMA เป็นวงกว้าง มันสามารถเป็นตัวแทนของหลายประเภทสุ่มอนุกรมเวลาตามฤดูกาลและ nonseasonal เช่นอัตบริสุทธิ์ (AR), ค่าเฉลี่ยเคลื่อนที่บริสุทธิ์ (MA) และผสม AR และปริญญาโทกระบวนการ ทฤษฎีของแบบจำลอง ARIMA ที่ได้รับการพัฒนาโดยนักวิจัยจำนวนมากและการประยุกต์กว้างของมันเป็นผลมาจากการทำงานของกล่อง et al,

ผลลัพธ์ (ไทย) 3:

การตลาดเป็นหนึ่งในหลากหลายมากที่สุดเชิงเส้นแบบจำลองเพื่อการพยากรณ์อนุกรมเวลาตามฤดูกาล มันก็ประสบความสำเร็จมากทั้งในการวิจัยและการประยุกต์ใช้ในอุตสาหกรรมในช่วงสามทศวรรษที่ผ่านมา ชั้นของตัวแบบ ARIMA มีกว้าง มันสามารถเป็นตัวแทนของหลายประเภทของ Stochastic ตามฤดูกาลและไม่มีเวลา ชุดเช่นบริสุทธิ์บริสุทธิ์ มหาสารคาม ( AR ) ค่าเฉลี่ยเคลื่อนที่ ( MA ) และ AR มาผสมและกระบวนการ ทฤษฎีตัวแบบ ARIMA ที่ได้รับการพัฒนาโดยนักวิจัยหลายคนและการประยุกต์กว้างเนื่องจากการทำงานโดยกล่อง et al .