@article { author = {Hosseinioun, Narges and Alamshahi, Najmeh}, title = {The Study of the Simulation of the Efficiency of Wavelet Estimation of Trend Functions under Long-term Dependence Errors}, journal = {}, volume = {2}, number = {2 (بهار و تابستان 1396)}, pages = {9-22}, year = {2017}, publisher = {}, issn = {2476-3632}, eissn = {}, doi = {}, abstract = {In this paper, we examine the estimation for trend functions in a time series model with Gaussian dependent residues with the aid of wavelet techniques. Using the simulations on the five different test functions and the   process and taking into account the desired function, the factors affecting the error in our estimation have been discussed. The results show that the error rate of the wavelet method depends on the long-term dependence length. Finally, according to our simulations, the wavelet estimator method is compared with the so called classical methods of Kernel estimation and the results revealed that Wavelet estimations are more efficient.}, keywords = {Long term dependency,Threshold,Trend function,Wavelet}, title_fa = {بررسی شبیه‌سازی کارایی برآورد موجک توابع روند تحت وابستگی دراز مدت}, abstract_fa = {در این مقاله برآوردی برای توابع روند در یک مدل سری زمانی با باقیمانده‌های وابسته گوسی با تکنیک موجک بررسی شده است. با استفاده از شبیه‌سازی‌های انجام شده روی پنج تابع آزمون متفاوت و یک فرآیند  و در نظر گرفتن تابع روند مورد نظر، عوامل مؤثر بر ایجاد خطا در برآورد معرفی و بررسی شده‌اند. نتایج نشان می‌دهد که میزان خطای روش موجک وابسته به طول وابستگی بلند مدت است. با توجه به شبیه‌سازی‌های انجام شده، روش برآورد کننده موجکی در مقایسه با روش‌های کلاسیک برآورد هسته‌ای برای توابع روند برای مدل‌های سری‌های زمانی با حافظه- دراز مدت کاراتر تشخیص داده شده و ویژگی‌های آن بررسی شده است.}, keywords_fa = {وابستگی دراز مدت,آستانه,تابع روند,موجک}, url = {https://stat.journals.pnu.ac.ir/article_4714.html}, eprint = {https://stat.journals.pnu.ac.ir/article_4714_677225a2a25a6b01a941fc500ef652af.pdf} }