PL9fwy3NUQKwZCbh9PqVo5c2caNsH3zdsW/-RLRPxk1O9o.srt

1
00:00:21,260 --> 00:00:25,500
بسم الله الرحمن الرحيم طيب احنا يا بنات وصلنا لعند

2
00:00:25,500 --> 00:00:28,020
الـ Yule-Walker equations وإيش ممكن هذه الـ Yule 

3
00:00:28,020 --> 00:00:32,280
Walker equations نستخدمها في تقدير الـ partial

4
00:00:32,280 --> 00:00:36,220
autocorrelation functions للـ auto regressive of

5
00:00:36,220 --> 00:00:39,400
order P process ماشي؟ اللي بالمناسبة الـ Yule

6
00:00:39,400 --> 00:00:43,040
Walker equations mainly نستخدمها للي أنا كاتبه في

7
00:00:43,040 --> 00:00:46,880
الملاحظة الأخيرة هذا هي اللي هو الـ Yule-Walker 

8
00:00:46,880 --> 00:00:49,830
equations is a technique that can be used to

9
00:00:49,830 --> 00:00:52,790
estimate the autoregressive parameters of the

10
00:00:52,790 --> 00:00:56,470
autoregressive of order P أو H أو أي اسم سميه أنا

11
00:00:56,470 --> 00:01:00,890
مثلا أنا عامدا بسميه H عشان هربطه بالـ lags ماشي؟

12
00:01:00,890 --> 00:01:03,650
بس هذا مش مجرد يعني مش .. يعني مش .. مش شيء كبير

13
00:01:03,650 --> 00:01:07,930
مجرد اسم طيب، إذا هدول الـ parameters الفايز هدول

14
00:01:07,930 --> 00:01:12,330
شايفاهم الـ φs هدولة عشان نعملهم estimate إحدى الـ

15
00:01:12,330 --> 00:01:15,610
techniques اللي بنستخدمه هو الـ technique اللي اسمه

16
00:01:15,610 --> 00:01:20,750
Yule-Walker equations عشان؟ طيب لكن رغم ذلك .. رغم

17
00:01:20,750 --> 00:01:24,510
ذلك نستطيع استخدام هذا الـ technique بإيجاد الـ

18
00:01:24,510 --> 00:01:27,050
partial autocorrelation functions يعني يا بنات

19
00:01:27,050 --> 00:01:29,770
صراحة في علاقة ما بين الـ partial autocorrelation

20
00:01:29,770 --> 00:01:34,410
function و ما بين الـ مين الـ φs هدول أو الفايز

21
00:01:34,410 --> 00:01:37,730
لذلك التكنيك اللي هنستخدمها إن شاء الله هنشوف

22
00:01:37,730 --> 00:01:40,250
اليوم اللي هندرسه اللي هو اسمه الـ Yule-Walker 

23
00:01:40,250 --> 00:01:43,990
Equations هنقول شو هي الـ Yule-Walker Equations

24
00:01:43,990 --> 00:01:47,690
ولكن نبدأ واحدة واحدة الـ Yule-Walker Equations can

25
00:01:47,690 --> 00:01:50,530
be used to derive the partial autocorrelation

26
00:01:50,530 --> 00:01:54,550
function أو coefficients عفوا الـ lags 1 و 2 و هكذا

27
00:01:54,550 --> 00:01:58,050
حتى الـ lag h as follows الخطوات اللي هنعملها خطوة

28
00:01:58,050 --> 00:02:01,690
ثانية للـ Yule-Walker أول خطوة عشان نقدر طبعا الـ

29
00:02:01,690 --> 00:02:05,880
partial autocorrelation function هو الخطوة you fit

30
00:02:05,880 --> 00:02:09,080
the regression model where the dependent variable

31
00:02:09,080 --> 00:02:11,740
اللي هو الـ .. الـ dependent يعني المتغير اللي هو

32
00:02:11,740 --> 00:02:16,040
التابع في الانحدار أه .. ألا أنتم كلكم حتى في الـ

33
00:02:16,040 --> 00:02:19,540
.. بعيدا عن الجامعة أخذتم في الـ .. في توجيهي أو

34
00:02:19,540 --> 00:02:23,740
ثاني ثانوي أخذتم اللي هو الانحدار يكون لدينا

35
00:02:23,740 --> 00:02:28,340
متغيرين تابع و مستقل المهم هنا الانحدار اللي حد ما

36
00:02:28,340 --> 00:02:32,570
هيك فكرته يعني أنه بدكم عندك الآن متغير التابع

37
00:02:32,570 --> 00:02:36,370
بتعملي اللي هو يعيش علاقة خطية مع مين مع المتغير

38
00:02:36,370 --> 00:02:41,190
المستقل لو كان واحد لو كان متغيرات مستقلة بتعملي

39
00:02:41,190 --> 00:02:44,750
هدول المتغيرات المستقلة علاقة خطية تربطهم مع بعض

40
00:02:44,750 --> 00:02:49,250
لتنبؤ قيمة مين التابع يبقى احنا بنعتبر الـ

41
00:02:49,250 --> 00:02:52,690
dependent variable اللي هو التابع يعني اللي هو اسمه Xt

42
00:02:53,290 --> 00:02:56,450
و هذا الـ dependent variable الـ mean تبعه zero و

43
00:02:56,450 --> 00:03:00,010
لازم يكون من وين جاي مستقر الـ process عشان يكون

44
00:03:00,010 --> 00:03:02,390
اللي هو الأمور ما .. يعني اللي هو الـ variance

45
00:03:02,390 --> 00:03:06,290
ما يكونش يعني أنتم فاهمين، ما يكونش فيه تذبذب شديد

46
00:03:07,210 --> 00:03:10,410
فبنعمله regress .. regress على اللي هو من الـ H

47
00:03:10,410 --> 00:03:13,190
-Lagged variables اللي هم هدول الـ independent

48
00:03:13,190 --> 00:03:16,070
هدول هم الـ independent يعني يا بنات أقول لكم في

49
00:03:16,070 --> 00:03:19,710
الانحدار كيف كان بيصير بيكون عندك متغير اسمه ..

50
00:03:19,710 --> 00:03:23,810
تابع اسمه مثلا الـ .. الطول أو الوزن خلينا نقول

51
00:03:23,810 --> 00:03:29,490
الوزن ومتغيرات مستقلة أخرى هي عبارة مستقلة اللي هي

52
00:03:29,490 --> 00:03:36,620
إيش اسمها مثلا العمر الوزن حاجة .. إيش؟ الطول ما أنا

53
00:03:36,620 --> 00:03:39,480
هو اللي .. لأ عفوا الوزن هو الـ dependent، أنا

54
00:03:39,480 --> 00:03:43,620
متأثر، الـ dependent هو الوزن، فبدي أتنبأ الوزن من

55
00:03:43,620 --> 00:03:46,440
خلال معرفتي لمين، المتغيرات المستقلة، ما هي

56
00:03:46,440 --> 00:03:50,400
المتغيرات المستقلة مثلا؟ طول، العمر، إيش فيه كمان

57
00:03:50,400 --> 00:03:54,680
ممكن يكون؟ يعني معية طول العمر متغيرين ممكن يكون

58
00:03:54,680 --> 00:03:58,860
أكثر تمام، فإذا احنا بدنا نعمل regress لـ Xt على مين

59
00:03:58,860 --> 00:04:04,320
على Xt-1 Xt-2 و هكذا حتى إيش Xt

60
00:04:04,320 --> 00:04:08,700
-H هذا هي العلاقة اللي بتربطهم Xt يساوي الآن

61
00:04:08,700 --> 00:04:12,760
مين هي φ هذي φ بدل ما أسميها φi سميتها الآن

62
00:04:12,760 --> 00:04:17,180
بس مين φh و 1 عشان يا بنات العلاقة بتربط مين

63
00:04:17,180 --> 00:04:21,720
عدد متغيرات كلاتهم يكون عددهم كلهم على بعض H فإذا

64
00:04:21,720 --> 00:04:25,440
نيجي على حرف الـ H من هنا الرمز بجرب رمز مش هكثر في

65
00:04:25,440 --> 00:04:30,120
واحد Xt-1 زائد في 2 Xt-2 تنسيش

66
00:04:30,120 --> 00:04:38,100
أن هو H هنا لحد دي في مين H Xt-H زائد Yt طبعا

67
00:04:38,100 --> 00:04:43,100
أنا أقصد في H أنا أقصد فيها مين في H و H تمام هي؟

68
00:04:43,730 --> 00:04:47,250
إذا الخطوة الأولى بنعمل انحدار هذا و بنقول على

69
00:04:47,250 --> 00:04:50,010
اللي هو الـ φh و h هم عبارة عن الـ regression

70
00:04:50,010 --> 00:04:53,450
parameters و الـ Ɛt اللي بتعرفوها كل إيادكم

71
00:04:53,450 --> 00:04:58,090
اللي هي عبارة عن حد الخطأ العشوائي اللي وسط حسابي

72
00:04:58,090 --> 00:05:00,730
تبعه الـ صفر المعروف أنه دائما نفرضه فرضا أنه

73
00:05:00,730 --> 00:05:05,870
بيساوي صفر و لازم يكونوا مالهم غير مرتبطات مع

74
00:05:05,870 --> 00:05:10,130
مين؟ مع بعضها البعض و غير مرتبطات أيضا مع مين؟ مع

75
00:05:10,130 --> 00:05:13,650
الـ Xt-h يعني عند اختلاف الأزمنة t-h مع الـ Yt مظبوط لازم ما يكونش في ارتباط واضح هذا

76
00:05:19,630 --> 00:05:22,810
إذا الخطوة الأولى هي عملتم الانحدار اللي بربط Xt

77
00:05:22,810 --> 00:05:27,850
مع مين مع Xt-1 حتى Xt-H الخطوة

78
00:05:27,850 --> 00:05:30,970
الثانية اللي عشان نحصل على الـ Yule-Walker

79
00:05:30,970 --> 00:05:33,590
equations ومن هنا بنحصل على الـ Yule-Walker

80
00:05:33,590 --> 00:05:38,270
equations أنه بنروح يا بنات بنضرب كل معادلة من هدول

81
00:05:38,270 --> 00:05:43,370
أو هي معادلة واحدة بنضربها بـ Xt-1 هذا

82
00:05:43,370 --> 00:05:45,870
المعادلة اللي شايفينها أمامك على الكمبيوتر بنضربها

83
00:05:45,870 --> 00:05:49,880
في Xt-1 و بنروح و بناخد لها الـ .. اللي هو

84
00:05:49,880 --> 00:05:54,100
مين الـ covariance و بعد ما ناخد لهم الـ covariance

85
00:05:54,100 --> 00:05:57,460
بنروح نقسمها على الـ variance عشان يعطينا الـ raw

86
00:05:57,460 --> 00:06:01,500
فلو أنا عملتها على أمامك و هذه الآن طلعوا .. حتى

87
00:06:01,500 --> 00:06:05,200
نبلش أول واحدة مضروبي بالله بـ Xt-1 ايه؟

88
00:06:05,200 --> 00:06:10,360
يلا إيش بيصير هذه؟ Xt مضروبة في مين؟ Xt-1

89
00:06:10,360 --> 00:06:14,100
بالله تقدري لي الـ covariance إيش الفرق بين الأزمنة

90
00:06:14,100 --> 00:06:17,750
هنا؟ كم زمان؟ واحد يعني هنا الـ covariance ماله

91
00:06:17,750 --> 00:06:21,910
واحد اللي ده اكتبه 1 مصبوح لما تقسموه على الـ

92
00:06:21,910 --> 00:06:26,190
variance برافو عليك بيعطيني ρ1 إذا هدي طلعت

93
00:06:26,190 --> 00:06:30,090
ρ1 صح يساوي يلا مين تقولي هدي إيش بيصير

94
00:06:30,090 --> 00:06:35,910
لما تاخدي Xt-1 تضربيها في نفسها هتطلع الـ

95
00:06:35,910 --> 00:06:39,110
variance اقسمي على الـ variance 1 اللي هو ρ

96
00:06:39,110 --> 00:06:46,350
0 إذن الجواب هدي بتطلع بس مين φh1

97
00:06:46,350 --> 00:06:53,070
مصبوح؟ بعدين هلأ هذي بتضربيها في Xt-2 لأ

98
00:06:53,070 --> 00:06:58,290
بيطلع covariance الـ -1 مش الـ covariance ..

99
00:06:58,290 --> 00:07:01,490
قلنا الـ symmetric إذا بتذكره فـ covariance الـ -1

100
00:07:01,490 --> 00:07:05,990
هو نفسه covariance الـ 1 لما تقسموه على الـ

101
00:07:05,990 --> 00:07:09,990
variance الآن ρ1 إذا هذي ρ1 مين اللي

102
00:07:09,990 --> 00:07:15,660
بعيدها يا بنات فاكرين؟ اللي هي Xt-3 لما تضربيها في

103
00:07:15,660 --> 00:07:20,900
Xt-1 ايه الفرق بينهم زمانين صح X مين هي على الـ

104
00:07:20,900 --> 00:07:25,560
variance ρ2 علم و هكذا هذي لما ضربناها في

105
00:07:25,560 --> 00:07:30,600
مين في Xt-1 شو رايزي نضربها كمان مرة في Xt-2 و

106
00:07:30,600 --> 00:07:34,940
نعمل الشغل ذات نفسه يلا نعملها كمان مرة نضربها في

107
00:07:34,940 --> 00:07:41,730
Xt-2 خلصنا من Xt-1 يلا نعملها بـ Xt-2 أول واحدة لما

108
00:07:41,730 --> 00:07:45,190
تقسميها تضربيها في XT-2 خديها covariance و اقسميها

109
00:07:45,190 --> 00:07:49,470
على الـ variance و ρ2 برافو عليك و ها دي ρ

110
00:07:49,470 --> 00:07:54,590
الـ 1 تنسيش مضروبها في الـ φ بعديها ρ الـ 0

111
00:07:54,590 --> 00:07:59,870
اللي هي 1 برافو كملوا هكذا مين أخر واحدة Xt-2

112
00:07:59,870 --> 00:08:02,510
مع Xt-H كم فارق بينهم

113
00:08:06,220 --> 00:08:10,400
أيوه H-2 بالمناسبة الأولى H كانت بيساوي H

114
00:08:10,400 --> 00:08:17,300
-1 هنا H-2 ثم بعد ذلك بس تخلص من

115
00:08:17,300 --> 00:08:21,220
Xt-2 شو بتعمليها Xt-3

116
00:08:21,220 --> 00:08:26,000
و هكذا حتى مين هتاني عمال أخر واحدة اللي هي مين Xt

117
00:08:26,000 --> 00:08:30,040
-2 يلا اضربي كل واحدة في هدول بـ Xt-

118
00:08:30,040 --> 00:08:32,760
H و خذ الـ covariance و ثم اقسم على الـ variance

119
00:08:32,760 --> 00:08:38,300
هذي هتكون ρh شوف تساويف φ .. الـ φ زي ما هو

120
00:08:38,300 --> 00:08:45,240
الثابت في مين؟ اه H-1 صح ρH-1

121
00:08:45,240 --> 00:08:50,180
صدقتي بعدين ρH-2 مضروبة في الـ φ لحد

122
00:08:50,180 --> 00:08:55,440
إلى مين؟ اه أخر واحد ρ0 إذن هدول هم الـ Yule

123
00:08:55,440 --> 00:09:00,370
Walker هم اللي أنتم عملتوهم طبعا بالمناسبة الـ Yule

124
00:09:00,370 --> 00:09:04,930
Walker بيعرفوه بدلالة الـ covariance و ليس الـ auto

126
00:09:04,930 --> 00:09:07,190
correlation مش مشكلة ال auto correlation أو ال

127
00:09:07,190 --> 00:09:12,110
auto covariance العلاقة بينهم أنك تقسميها على ال

128
00:09:12,110 --> 00:09:16,590
ال variance ولذلك بيصير أنه نسمي هدول هم ال Yule

129
00:09:16,590 --> 00:09:20,260
Walker equations ولذلك ال Yule-Walker equations

130
00:09:20,260 --> 00:09:23,860
اللي اجوا من خلال ال auto-regressive of order H و

131
00:09:23,860 --> 00:09:28,120
الـ H هذه مجرد رمزة لأنها عبارة عن ماشي H مصبوعة هم

132
00:09:28,120 --> 00:09:31,180
هدول اللي أنتو شوفوتهم في نهر كيف أول مرة عادية بس

133
00:09:31,180 --> 00:09:34,820
عشان السريع أول واحدة كيف حصلتوا عليها أنتو لما

134
00:09:34,820 --> 00:09:38,680
ضربتوا ال auto-regressive model بالـ XT-YR خدتوا لها

135
00:09:38,680 --> 00:09:41,240
covariance أو auto-covariance قسمتواها على ال variance

136
00:09:41,240 --> 00:09:46,070
طلعت هاي and so on وسهل جدا سؤالكوا يا بنات أنتو 

137
00:09:46,070 --> 00:09:49,990
أخدتوا جبر خطي (Linear Algebra) بتبقوا عارفين تعملولي

138
00:09:49,990 --> 00:09:53,430
هذا as a linear system Ax حيث أن الـ A matrix و ال

139
00:09:53,430 --> 00:09:57,890
x هو ال coefficients تبع عفوا ال variables و الـ b

140
00:09:57,890 --> 00:10:04,450
هو ال coefficients يلا اعملولي كيف هذا اعملولي as

141
00:10:04,450 --> 00:10:09,870
Ax بيساوي B هاي صح؟

142
00:10:10,820 --> 00:10:13,720
هلا شو رأيك تفرضي اللي هو ال vector P هذا ال

143
00:10:13,720 --> 00:10:21,520
vector P هو ال rows هايهم صح؟ والـ vector X هو من

144
00:10:21,520 --> 00:10:28,260
الفايلات الـ files من وين؟ فايل واحد اللي حددت من

145
00:10:28,260 --> 00:10:33,360
فايلات والـ matrix من هيكون هو ال coefficients

146
00:10:33,360 --> 00:10:38,920
بتوعاته هي هاي طبعا أول واحدة هي row zero نعم و

147
00:10:38,920 --> 00:10:42,940
هكذا، إذا أنتو واضح لكم إنه هذا ال system هو

148
00:10:42,940 --> 00:10:46,380
نفسه اللي كان قبل شوية ال Yule-Walker هنا، صح؟

149
00:10:46,380 --> 00:10:50,060
اللي يا بنات عشان تجيبوا .. تجيبوا الـ files هدولة،

150
00:10:50,060 --> 00:10:54,460
يا بتجيبوا المعكوس والمعكوس معقد، صح؟ يا إما

151
00:10:54,460 --> 00:10:58,140
بتستخدموا الـ Grammer-Raw، يا إما فيما بعد هنستخدم

152
00:10:58,140 --> 00:11:03,670
algorithm جديد اللي هو اسمه .. اللي هو ..Levinson

153
00:11:03,670 --> 00:11:08,110
.. Durbin-Levinson هذا algorithm واللي هناخده إن

154
00:11:08,110 --> 00:11:11,470
شاء الله يقع لو عصر اليوم نلحق ناخده لكن ماخدناش

155
00:11:11,470 --> 00:11:15,090
اليوم لما حضر الجياب ناخده إن شاء الله ولذلك أول

156
00:11:15,090 --> 00:11:18,030
خطوة أنكوا تفكروا أنكوا تجيبوا الـ files هدولة من

157
00:11:18,030 --> 00:11:21,290
خلال التخلص من المعكوس تبع الـ matrix work inside

158
00:11:21,290 --> 00:11:26,660
naked سيبكي منهفمش عملي إنه نجيب ال .. عشان احنا

159
00:11:26,660 --> 00:11:29,940
الصراحة هيطول معايا الـ matrix فنستخدم Grammer-Raw

160
00:11:29,940 --> 00:11:32,120
شو رأيكوا بـ Grammer-Raw اللي اتعلمناها المحاضرة

161
00:11:32,120 --> 00:11:36,320
السابقة، منيح؟ يلا يا بنات لو بده اجيب file واحد

162
00:11:36,320 --> 00:11:43,380
أو .. H واحد عفوا يلا بـ Grammer-Raw بس أنا هريحك

163
00:11:43,380 --> 00:11:48,200
أنت عشان تجيب Phi H واحد ما فيش داعي تجيب معادلة

164
00:11:48,200 --> 00:11:52,300
الانحدار اللي لحد الـ order H اجيب واحدة وخلاص

165
00:11:52,300 --> 00:11:56,940
يعني لو رجعنا للصفحة السابقة هذه عشان اجيب Phi H

166
00:11:56,940 --> 00:12:00,740
و واحد فقط Phi اعمل regression لمين

167
00:12:07,010 --> 00:12:12,050
Epsilon T اعملها هيك يعني .. يعني إيش أقول فقط ما في

168
00:12:12,050 --> 00:12:16,310
داعي أني اعمل للاخير لحد دي الـ H فباشي بقول XT

169
00:12:16,310 --> 00:12:23,210
تساوي Phi H و واحد XT ناقص واحد زائد Epsilon T

170
00:12:23,210 --> 00:12:27,650
بروحي بدرب هدول كلهم بدربهم في مين في ال .. ليه

171
00:12:27,650 --> 00:12:32,260
ال work هتفي XT ناقص واحد باخد لها ال covariance

172
00:12:32,260 --> 00:12:36,780
ومن ثم بقسمها على ال variance فبيعطيك Phi رو

173
00:12:36,780 --> 00:12:44,080
الواحد شو بتسوي Phi H و واحد رو الزيرو اللي هي

174
00:12:44,080 --> 00:12:48,580
واحد زائد وهذا Epsilon T ال covariance بينها و

175
00:12:48,580 --> 00:12:53,160
بين XT ناقص واحد ماهو ال covariance بينها؟ Zero وال

176
00:12:53,160 --> 00:12:56,260
variance لما تقسميها على ال variance فهي بطلع

177
00:12:56,260 --> 00:13:00,790
كلها to zero مظبوط؟ فصفت هادي هي هادي هي خلصتي،

178
00:13:00,790 --> 00:13:04,930
مظبوط؟ يعني حتى Grammer ما فيش داعي، Grammer عادة

179
00:13:04,930 --> 00:13:10,050
بتصير لما أطلب منك جيبلي مثلا مين؟ Phi H و 2

180
00:13:10,050 --> 00:13:14,590
أو Phi H و 3 وهكذا مثلا بدي أجيب Phi H و

181
00:13:14,590 --> 00:13:18,410
2 يلا كام معادلة هتعملوها؟ 2، 2، من

182
00:13:18,410 --> 00:13:23,550
هما؟ أنا بضطر أمحي يا بنات يلا اعمل معادلتين من

183
00:13:23,550 --> 00:13:29,670
المعادلة الأولى ستكون XT تساوي Phi H و 1 XT

184
00:13:29,670 --> 00:13:35,310
ناقص 1 زائد احكم Phi H و 2 XT ناقص 2

185
00:13:35,310 --> 00:13:39,070
زائد Epsilon T هذه المعادلة اللي هو اللي روح

186
00:13:39,070 --> 00:13:44,260
اضربها الآن بمين XT ناقص 1 صح؟ أخد لها ال

187
00:13:44,260 --> 00:13:46,740
covariance أقسمها على ال variance وأطلع بمين

188
00:13:46,740 --> 00:13:50,580
بمعادلة ومن ثم المعادلة الأخرى أضربها ب XT ناقص

189
00:13:50,580 --> 00:13:53,900
2 أخد لها ال covariance أقسمها على ال variance

190
00:13:53,900 --> 00:13:58,200
وأطلع بالـ روه بطلع بمعادلتين صح أكرمها يلا مين

191
00:13:58,200 --> 00:14:01,300
المعادلة الأولى هتطلع معاكوا لما تضربوا في XT ناقص

192
00:14:01,300 --> 00:14:07,720
1 روه الواحد شو بتسوي Phi H و 1 هادي روه

193
00:14:07,720 --> 00:14:14,110
Zero زي .. مظبوط؟ واللي أنا غلطان؟ لأ رو Zero زائد

194
00:14:14,110 --> 00:14:20,230
شو Phi H و 2 رو الواحد وديك طبعا مين؟ Zero

195
00:14:20,230 --> 00:14:24,530
لأنه عند اختلاف الأزمنة فالإبسلون مع اللي هو الـ X

196
00:14:24,530 --> 00:14:27,910
في الشيباناتهم ارتباطات تمام؟ هذه المعادلة

197
00:14:27,910 --> 00:14:31,790
المعادلة التانية بتحصل عليها من خلال أنك تضربي هذه

198
00:14:31,790 --> 00:14:37,030
المعادلة بمين تضربيها؟ ب XT ناقص 2 خد ال

199
00:14:37,030 --> 00:14:40,630
covariance قسميها على ال variance XT ناقص 2 الفرق

200
00:14:40,630 --> 00:14:44,670
بين هذه وبين هذه زمانية صح فبطلع رو 2 شو

201
00:14:44,670 --> 00:14:52,670
بتسوي Phi H 1 رو 1 زائد Phi H و 2

202
00:14:52,670 --> 00:14:57,810
رو Zero هلأ دول المعادلتين على ال linear system

203
00:14:57,810 --> 00:15:05,350
اللي شفتواه اللي سميناه Ax بيساوي B صح يلا مين الـ A

204
00:15:05,350 --> 00:15:11,570
بتكون فكركوا كـ matrix؟ مين هم A؟ 1 .. 1 ..

205
00:15:11,570 --> 00:15:19,210
1 .. 1 .. 1 .. 1 

206
00:15:19,210 --> 00:15:28,800
مضربين في مين؟ في ..Phi H و 1 و Phi H و 2 هدول شو بيساوي

207
00:15:28,800 --> 00:15:33,660
رو 1 رو 2 هلجيت الآن أنا عشان بكبل في خط

208
00:15:33,660 --> 00:15:37,440
عشان يبين في الكاميرا فشكلي أني أنا كبرت زيادة عن

209
00:15:37,440 --> 00:15:41,960
الـ zoom هلأ هنبلش نعمل في مين أنا متأكد من رو الـ H

210
00:15:41,960 --> 00:15:45,620
و 2 هلأ رو الـ H و 2 يلا دي اللي بدي أعملها رو H و

211
00:15:45,620 --> 00:15:53,300
2 شو بتساوي determinant A2 على determinant الـ A فهذا

212
00:15:53,300 --> 00:15:57,940
عبارة عن احكوا برفع العمود التاني Phi 1 و رو

213
00:15:57,940 --> 00:16:02,500
1 و Phi برفعهم شو بحط بدانهم رو 1 و رو 2

214
00:16:02,500 --> 00:16:09,380
على determinant لمين أو اللي هو هذا 1 و 1 رو

215
00:16:09,380 --> 00:16:14,740
1 رو 1، هاد إيش بتسويه؟ رو 2، ناقص رو

216
00:16:14,740 --> 00:16:20,910
1، تربيعه على؟ 1 ناقص رو 1 تربيع وهاكذا لو

217
00:16:20,910 --> 00:16:25,170
أنا بدي اعمل مثلا يا بنات أجيب فكركوا في ال Phi و H

218
00:16:25,170 --> 00:16:30,290
و 3 شو بسوي الآن أنتو قولولي شو بسوي اه بس لحظة

219
00:16:30,290 --> 00:16:34,470
ما أجيبهاش من هذه كام معادلة هتجي ثلاث معادلات

220
00:16:34,470 --> 00:16:40,190
واضحة and so on ولذلك أنا أسمحولي أنا أوريكوا

221
00:16:40,190 --> 00:16:45,700
بالضبط إيش اللي بيطلع معايا هذا هو ال system فيوزي

222
00:16:45,700 --> 00:16:50,780
كرامر روه recursively يعني ورا بعض عارفين شمعة

223
00:16:50,780 --> 00:16:54,220
recursive؟ يعني الشيء بيد تاعت رابعة يعني نعم

224
00:16:54,220 --> 00:17:00,020
فبيعطيني ال Phi H و 1 ال Phi 1 و 1 هي

225
00:17:00,020 --> 00:17:05,760
رو 1 ال Phi 2 و 2 هتطلع Phi 3

226
00:17:05,760 --> 00:17:09,860
و 3 هلأ واضح لكم هذا كيف حصلتوا عليه؟ على

227
00:17:09,860 --> 00:17:16,450
كرامر مثلا Phi 3 و 3 مين هو؟ بنرفع العمود

228
00:17:16,450 --> 00:17:20,470
التالت، شو بحط بداله؟ ال coefficients بتوعاتي اللي

229
00:17:20,470 --> 00:17:24,670
هو مين؟ ال vector اللي اسمه P، مين هما؟ رو 1،

230
00:17:24,670 --> 00:17:28,190
رو 2، رو 3، مظبوط؟ يبقى أنا على ال

231
00:17:28,190 --> 00:17:32,970
determinant بتاعتي الـ matrix اللي هو هذا، بس هذا ال

232
00:17:32,970 --> 00:17:37,070
matrix عفوا، هذا الـ matrix اللي هو بيكون 3

233
00:17:37,070 --> 00:17:42,840
بـ 3، واضح؟ in general الصفحة الجاية هذه

234
00:17:42,840 --> 00:17:49,720
الصيغة العامة على أنك تجيبي من؟ الـ H كمان مرة اللي

235
00:17:49,720 --> 00:17:52,200
هي عبارة عن اللي هي عشان احنا اللي هي علاقة

236
00:17:52,200 --> 00:17:56,520
باللاجزاء لكن هي لو أنا بده احكي على مثلا

237
00:17:56,520 --> 00:17:59,780
autoregressive of order 4 فالـ H هنا المقصود

238
00:17:59,780 --> 00:18:05,900
مين فكركوا؟ 4، مظبوط؟ الآن أنتو فاهمين هذه

239
00:18:05,900 --> 00:18:13,180
كيف حصلتوا عليها؟ عارفين هذا؟ طب كيف؟ هي

240
00:18:13,180 --> 00:18:16,920
determinant على determinant بالنسبة للـ determinant

241
00:18:16,920 --> 00:18:23,860
اللي فجأني شيلتي آخر عمود في المصفوفة A وحطيت

242
00:18:23,860 --> 00:18:28,540
بداله مين؟ ال coefficients بتاعت مين؟ الـ B؟ مظبوط؟

243
00:18:28,540 --> 00:18:34,800
وهذا هو المصفوفة A ذات نفسها أعتقد فاهمين طيب أوضح

244
00:18:34,800 --> 00:18:39,200
الـ نقص سؤال الحمد لله ماشي هلا يا بنات شو رأيكم

245
00:18:39,200 --> 00:18:43,900
مثال تطبيق للسهولة طبعا بالمناسبة الـ files هدولة

246
00:18:43,900 --> 00:18:47,720
اللي أنتو شايفهم أو الـ Phi هم عمليا اللي احنا

247
00:18:47,720 --> 00:18:51,540
جيبناهم باستخدام التكنيك اللي اسمه الـ Yule-Walker

248
00:18:51,540 --> 00:18:54,820
equations اللي هم هدولة الـ Yule-Walker equations

249
00:18:56,110 --> 00:18:59,850
واللي عمليا هدولة هم الـ Phi اللي أنتو شفتوهم وين

250
00:18:59,850 --> 00:19:03,490
أنا، الـ Phi هدولة اللي هم عمليا ال regression

251
00:19:03,490 --> 00:19:06,350
تبعات ال auto-regression في ال parameters عفواً مش ال

252
00:19:06,350 --> 00:19:08,430
regression، ال parameters تبعات ال auto-regression

253
00:19:08,430 --> 00:19:14,410
اللي هم الفيات، صح؟ ولكن هنا فيما بعد سنجد أنهم 

254
00:19:14,410 --> 00:19:18,350
مرتبطين مش فيما بعد خلاص هي الشغلة عشانها متقدمة

255
00:19:18,350 --> 00:19:22,010
شوية في التحليل الرياضي فأنا حقيقةً ده مش هخش على

256
00:19:22,010 --> 00:19:27,370
ال derivation المعقد ولكن لجأنا لطريقة أسهل من خلال

257
00:19:27,370 --> 00:19:30,450
استخدام ال Yule Walker اللي بتربطلي ال partial

258
00:19:30,450 --> 00:19:33,830
autocorrelation function مع الفيات هدول يعني هم

259
00:19:33,830 --> 00:19:37,770
طلعوا الفيات ال partial autocorrelation function

260
00:19:37,770 --> 00:19:42,760
طلعوا الفيات تخيلوه؟ هلأ كيف طلع؟ في حاجة أنا مخفية

261
00:19:42,760 --> 00:19:47,540
عليكُم متقدمة شوية ما فينا نحكي فيها كتير عشان احنا

262
00:19:47,540 --> 00:19:51,140
مادتنا مش advanced فهمتوني؟ ولكن يفهموها الآن

263
00:19:51,140 --> 00:19:54,920
الفيّات هدول هم الآن يا بنات مين ال partial

264
00:19:54,920 --> 00:19:58,080
autocorrelation function و هم ال estimation لل

265
00:19:58,080 --> 00:20:01,400
auto regressive اللي احنا بنعرفه حتى تتوضّح الأمور

266
00:20:01,400 --> 00:20:05,840
فوق ما هي واضحة لو أنا فيما بعد عندي بيانات مالية

267
00:20:05,840 --> 00:20:12,510
أو بيانات عادية تتبع للسلاسل الزمنية وهذه البيانات

268
00:20:12,510 --> 00:20:17,670
أنا الآن بيانات عادية قام يعني عبارة عن شركة و

269
00:20:17,670 --> 00:20:22,460
جت قالت لك شوفي لي بالله عبر السنوات .. السنوات .. السنة

270
00:20:22,460 --> 00:20:24,920
الأولى .. السنة الثانية .. إلى آخره البيانات اللي

271
00:20:24,920 --> 00:20:28,620
خاصة فيا أنا اللي هي أرقام خمسة عشر .. سبعة عشر ..

272
00:20:28,620 --> 00:20:32,740
إلى آخره شوفي لي موديل يصفها احنا اشتغلنا الشغل

273
00:20:32,740 --> 00:20:36,140
تبعنا و أول خطوة إذا بتذكروا الرسم و من الرسم

274
00:20:36,140 --> 00:20:38,980
بنعرف الأمور اللي وين رايحة بنشوف ال stationary و

275
00:20:38,980 --> 00:20:41,940
مش ال stationary .. إلى آخره و هذا كله يتنشأ من 

276
00:20:41,940 --> 00:20:45,660
يوم السمت هنحكي فيه على قضية مشروع نيجي نقول لك

277
00:20:45,660 --> 00:20:49,560
اعملي لي مشروع جيبي لي بيانات و أنت الآن موظفة في

278
00:20:49,560 --> 00:20:53,130
شركة يلا اللي تعلمتيه في الإحصاء و اللي هنتعلمه في

279
00:20:53,130 --> 00:20:57,390
السلسلة الزمنية قدام اعملي لي هذا الشغل في البيانات

280
00:20:57,390 --> 00:21:01,570
هذه من ناحية عملية ولكن إن أنا احنا المعلومات اللي

281
00:21:01,570 --> 00:21:04,770
عندنا لحد اللي أنا مش كاملة فالآن اللي بدي أجيبَه

282
00:21:04,770 --> 00:21:07,490
يقول رسمنا و عملنا و طلعنا إنه أنا هذا ال model

283
00:21:07,490 --> 00:21:11,200
اللي عندي autoregressive of order 4 يا بنات شو يعني

284
00:21:11,200 --> 00:21:14,020
auto regressive order أربعة؟ يعني أنا بعرف أن ال

285
00:21:14,020 --> 00:21:17,020
model هيك هيكون شكله اللي بيصف البيانات المالية

286
00:21:17,020 --> 00:21:23,740
إنها Xt هي عبارة عن مين؟ Phi Xt ناقص واحد زائد Phi

287
00:21:23,740 --> 00:21:32,460
Xt ناقص اثنين زائد Phi Xt ناقص ثلاثة Xt ناقص ثلاثة

288
00:21:32,460 --> 00:21:38,480
زائد Phi Xt ناقص أربعة زائد epsilon T طبعاً ناقص ال phi

289
00:21:38,480 --> 00:21:42,620
واحد في اثنين وهكذا الآن أنا لو قدرت أعرف الفيات

290
00:21:42,620 --> 00:21:48,940
هدول مظبوط أستطيع أني أتوقع كم ستكون المبيعات في

291
00:21:48,940 --> 00:21:52,520
العام 2019 احنا الآن في 2017 

292
00:21:53,320 --> 00:21:58,420
مفهوم؟ ففي العالم .. forecasting .. تنبؤ .. صح؟

293
00:21:58,420 --> 00:22:02,400
فأنا ضروري أعرف الفيات هدول، كيف بعرفهم؟ اليوم

294
00:22:02,400 --> 00:22:06,060
هاي ال Yule Walker equations قالوا لي كيف نعرفهم،

295
00:22:06,060 --> 00:22:09,540
صح؟ فإذا إن أنا أصبح إنه في عندنا تكنيك اللي أنا

296
00:22:09,540 --> 00:22:14,320
تعلمناه كيفية .. ولا لا؟ كيف نجيب الفيات؟ كيف؟

297
00:22:14,320 --> 00:22:16,780
بالطريقة اللي تعلمناها توي اللي هي اللي خاصة ب

298
00:22:16,780 --> 00:22:20,760
grammar والمعادلات اللي ضربناهم ب XT و X1 وغيره

299
00:22:20,760 --> 00:22:24,540
وطلعوا هدول الفيات اللي احنا شوفناهم واللي

300
00:22:24,540 --> 00:22:28,780
سميناهم رموز جديدة مجرد تسمية مش أكثر سميناه في

301
00:22:28,780 --> 00:22:35,430
أربعة وواحد وسميناه في أربعة واثنين أربعة وثلاثة

302
00:22:35,430 --> 00:22:39,210
وأربعة وأربعة هدول وهيك سميناهم الفيات بدل ما

303
00:22:39,210 --> 00:22:43,710
يقول عنه في واحد هم نفسهم طلعوا عملياً ال partial

304
00:22:43,710 --> 00:22:48,210
autocorrelation function وصلة مربوطين بطريقة وبأخرى

305
00:22:48,210 --> 00:22:51,810
مع بعض من خلال ال Yule Walker equations وهيك تعلمنا

306
00:22:51,810 --> 00:22:57,060
كيف نجيبهم طيب أنا ما بدي أعطي المثال المثال اللي أنا

307
00:22:57,060 --> 00:23:01,380
منعصّر فيه شو رأيكم لو كانت عندك ال row واحد بتساوي

308
00:23:01,380 --> 00:23:05,460
7 من 10 أو 2 من 5 من 10 أو 3 من 2 من 10 يلا مين

309
00:23:05,460 --> 00:23:13,420
تقول ال 5 1 1؟ 7 من 10 صح؟ 5 2 2 يلا حسب اللي

310
00:23:13,420 --> 00:23:19,100
تعلمنا من الكرمة بنحط مين هذا القانون اللي هو قبل

311
00:23:19,100 --> 00:23:24,220
شوية حصلنا عليه وبنعوّض خلاص أه؟ يعني أنا بس مجرد

312
00:23:24,220 --> 00:23:27,020
أعرض عليكم الصفحة على أمامكم تتطلعوا فيها لحالكم

313
00:23:27,020 --> 00:23:30,480
وبتفهموا بدون ما أكتر حكاية على كيف تجيبوا ال

314
00:23:30,480 --> 00:23:33,460
determinant الأصل كلنا طالبات بنعرف نجيبه على

315
00:23:33,460 --> 00:23:39,140
الشغل صح؟ مين تقولي في أربعة وأربعة شو حتكون

316
00:23:39,140 --> 00:23:44,700
فكركم؟ على

317
00:23:44,700 --> 00:23:52,200
المعايير المعطلة أمامي في أربعة وأربعة؟ لا

318
00:23:55,720 --> 00:24:02,160
يعني زيّه؟ يعني زيّه؟ يعني يا بنات لو تطلعوا على

319
00:24:02,160 --> 00:24:04,860
الانحدار الأمان ال auto-regression هذا اللي أنا

320
00:24:04,860 --> 00:24:10,710
عامله، لو طلبت منك جيبي لي في خمسة وخمسة هنا أحد

321
00:24:10,710 --> 00:24:14,690
auto-regression لحد مين order؟ أربعة فإذا رفعك خمسة

322
00:24:14,690 --> 00:24:17,670
وخمسة يعني ال partial auto-correlation function

323
00:24:17,670 --> 00:24:21,430
ال partial auto-correlation function عند lag خمسة

324
00:24:21,430 --> 00:24:25,970
وخمسة، خمسة يعني، شو بيطلع؟ Zero ولذلك الآن أنتم

325
00:24:25,970 --> 00:24:30,230
ملاحظين إنه في شيء مهم لل partial auto-correlation

326
00:24:30,230 --> 00:24:35,410
function بيقول لي لو أنا طلع عندي عند lag معين

327
00:24:35,410 --> 00:24:40,920
Zero يعني cut يعني كان في قيم وفجأة صار صفر كأنه

328
00:24:40,920 --> 00:24:44,040
قيم اللي واقف عندها هي ال order تبعته ال auto

329
00:24:44,040 --> 00:24:47,820
-regressive صح؟ وجايف عند أي order هو عند الأربعة

330
00:24:47,820 --> 00:24:52,060
وفجأة عند الخمسة شو صار؟ zero ولذلك لو رسمتين و

331
00:24:52,060 --> 00:24:55,160
أقعدت أرقام والأرقام هادي فوق الخطيئة الزرق

332
00:24:55,160 --> 00:25:00,360
عارفين هو؟ ال bounds هدول وفجأة صار صفر شو

333
00:25:00,360 --> 00:25:03,420
بيعنيه؟ أنا بفهم أن هذا ال model اللي أنا بحكي

334
00:25:03,420 --> 00:25:06,920
عنه auto-regressive وال order تبعته هو وين صار

335
00:25:06,920 --> 00:25:11,720
فيه cut مفهوم؟ لذلك الآن الملاحظات اللي أمامي هي

336
00:25:11,720 --> 00:25:15,680
اللي قبل شوية حكيتها الملاحظة الأولى يا بنات

337
00:25:15,680 --> 00:25:19,220
بالتأكيد ال partial autocorrelation function ممنوع

338
00:25:19,220 --> 00:25:22,600
قيمته تزيد عن واحد ولا تنزل عن سالب واحد يعني ما

339
00:25:22,600 --> 00:25:26,260
بين سالب واحد وما بين مين واحد ولذلك أي طالب

340
00:25:26,260 --> 00:25:29,060
يطلع ال partial autocorrelation functions ال

341
00:25:29,060 --> 00:25:33,060
coefficients تبعاته ال coefficients أكبر من واحد

342
00:25:33,060 --> 00:25:35,840
أصغر من سالب واحد تعرف حالها غلطانة ما بيزيد هو

343
00:25:35,840 --> 00:25:39,580
قيمته محصورة ما بين مين وإن زي وزي ال raw تمام هاي

344
00:25:39,580 --> 00:25:43,500
أول خطوة الخطوة الثانية يا بنات اللي الآن لو كان

345
00:25:43,500 --> 00:25:46,360
epsilon white noise process معناته ال partial

346
00:25:46,360 --> 00:25:48,660
autocorrelation function فكرتها كلها هاد ال white

347
00:25:48,660 --> 00:25:52,980
noise process إيش هيكون؟ ما أنتم عندكم ال epsilon

348
00:25:52,980 --> 00:25:56,700
white noise إيش يعني white noise؟ يعني ال

349
00:25:56,700 --> 00:26:00,000
covariance عند اختلاف الأزمنة دائماً zero وال raw

350
00:26:00,000 --> 00:26:03,860
اللي هي ال auto correlation أرضها zero عند اختلاف

351
00:26:03,860 --> 00:26:09,690
مية الأزمنة ومتى تكون تساوي واحد؟ ال raw لما يتساوى

352
00:26:09,690 --> 00:26:13,150
الزمن مع الزمن صح؟ يعني هي sigma square ال

353
00:26:13,150 --> 00:26:17,590
covariance عند مين؟ نفس الزمن صح؟ ومن هنا لو سألت

354
00:26:17,590 --> 00:26:23,090
واحدة منكم فاي H و H ستكون مرة ليش؟ Zero أو مين؟

355
00:26:23,090 --> 00:26:27,690
واحد متى؟ لما ال H ما بيساوي .. لأن ما معناها

356
00:26:27,690 --> 00:26:33,810
عادي؟ لما تختلف الأزمنة تمام هي؟ ولذلك يا بنات لو

357
00:26:33,810 --> 00:26:38,090
أنتم رسمتم الآن series أي رقم هذه البيانات

358
00:26:38,090 --> 00:26:41,750
رسمتوا لها partial autocorrelation function وبينت ال

359
00:26:41,750 --> 00:26:46,170
partial اللي هي رسمة الفيات هدول وبينت أنتم عند

360
00:26:46,170 --> 00:26:49,670
ال raw zero عفواً عند ال lag zero بتساوي واحد وباقي

361
00:26:49,670 --> 00:26:54,190
القيم عند ال lag اثنين و lag ثلاثة يعني واحد

362
00:26:54,190 --> 00:26:59,570
رسمتها يعني هيك رسمتها الخطين الزرق اللي بتعرفوهم

363
00:26:59,570 --> 00:27:02,930
عارفين هم اه اللي هم ال bounds content of cement

364
00:27:02,930 --> 00:27:08,930
عند ال lag 0 لاجتوها بتساوي واحد ومن ثم عند باقي

365
00:27:08,930 --> 00:27:14,070
ال lag قيم صغيرة جداً فاهمين شو بحكيها يعني أسفار

366
00:27:14,070 --> 00:27:18,190
كأنها اعرفوا أن هذا رسمة مين white noise ماشي

367
00:27:18,190 --> 00:27:21,810
فبنتوقع white noise بتكون ال partial auto

368
00:27:21,810 --> 00:27:25,370
correlation function هيك رسمتها علم؟ نبلش

369
00:27:27,890 --> 00:27:31,710
هذه خطوة الثالثة أو المرحلة الثالثة اللي هي مهمة

370
00:27:31,710 --> 00:27:36,130
بتحدد ال partial

371
00:27:36,130 --> 00:27:41,530
autocorrelation function قيمة ال order تبع مين؟ تبع

372
00:27:41,530 --> 00:27:45,150
ال autoregressive كيف يعني؟ بقول لك إذا كانت ال

373
00:27:45,150 --> 00:27:49,470
process autoregressive of order B فمن تقولي شو

374
00:27:49,470 --> 00:27:54,530
بتتوقع رسمة الفيات هدول؟ تكون لحد دي ال order بيه

375
00:27:54,530 --> 00:27:59,230
موجودة ولكن بعد ال B بتصير cut off إيش يعني cut

376
00:27:59,230 --> 00:28:05,850
off قطع يعني صفار فبنتوقع أنه لما نرسم ال partial

377
00:28:05,850 --> 00:28:10,270
autocorrelation function يكون لحد دي ال order بيه

378
00:28:10,270 --> 00:28:15,130
موجود فيه بعد الخطين الزجاج ومن ثم هي أصفار فهذا

379
00:28:15,130 --> 00:28:18,770
يبقى الآن عرفنا ليش لما زمان قلت لكم ذاكرين ال

380
00:28:18,770 --> 00:28:22,480
partial autocorrelation function هو اللي بيحدد الـ

381
00:28:22,480 --> 00:28:27,240
Autocorrelation لأن عرفنا ليش الخطوة

382
00:28:27,240 --> 00:28:30,320
الأخيرة يا بنات لو بدلنا ال raw اللي هي ال

383
00:28:30,320 --> 00:28:32,660
population and autocorrelation بال sample أنت

384
00:28:32,660 --> 00:28:35,160
بتعرفه في الإحصاء في عندنا sample و في عندنا

385
00:28:35,160 --> 00:28:39,280
population و ال sample بنعمل بنرمز له و هم بنرمز

386
00:28:39,280 --> 00:28:43,320
له في الإحصاء raw hat بينما ال population raw

387
00:28:43,320 --> 00:28:47,140
بدون ال hat هذه استمـاشي لأنه ال sample فلو بدلنا

388
00:28:47,140 --> 00:28:51,240
فكرة الروح لأو رجعنا هذه الفيات اللي شايفينه

389
00:28:51,240 --> 00:28:55,920
أصبحوا الآن مقدرين بدلالة الروحات التابعون لل sample

390
00:28:56,130 --> 00:28:59,750
ففكر كويش بده تصير هاد اسمها فاي هاد يعني مين هي

391
00:28:59,750 --> 00:29:04,110
اسمها ال sample تبعون مين ال partial و

392
00:29:04,110 --> 00:29:07,370
autocorrelation function منطقي ولا مش منطقي وهذا

393
00:29:07,370 --> 00:29:10,650
اللي فيه مبادئ اللي هو اللي استخدموه اللي هم هدول

394
00:29:10,650 --> 00:29:14,410
الناس اسمهم Levinson-Durban اللي هو recursive

395
00:29:14,410 --> 00:29:18,350
method أو recursion method طريقة اللي هي Levinson

396
00:29:18,350 --> 00:29:22,070
-Durban method عشان وإن شاء الله كمان شوية بركة

397
00:29:22,070 --> 00:29:25,300
نقدر نعملها زي ما الحاج ناشر المحاضرة الجاية هلأ

398
00:29:25,300 --> 00:29:29,320
هذه توضيحات simulation فتشوفوا رسمة ال partial

399
00:29:29,320 --> 00:29:34,720
autocorrelation function لمين؟ لـ auto regressive of

400
00:29:34,720 --> 00:29:38,080
order واحد ملاحظين معايا يا بنات أنه عند ال lag

401
00:29:38,080 --> 00:29:44,300
واحد مع الده هذي مش lag zero هذي lag واحدة وهذه lag 1

402
00:29:44,300 --> 00:29:48,780
أنتوا بتعرفوا أن ال partial في رسمة ال R في برنامج

403
00:29:48,780 --> 00:29:55,600
الإحصائي R بيرسم من ال lag 1 مش من ال lag 0 معينته

404
00:29:55,600 --> 00:30:01,020
هذيك ال ACF هذيك ال autocorrelation هجيت أنا بحكي

405
00:30:01,020 --> 00:30:05,440
عن مين؟ ال partial يبقى ال autocorrelation function

406
00:30:05,440 --> 00:30:09,930
ال ACF يعني بالـ R بيبدأ من ال lag 0 في الرسم وبيبدأ

407
00:30:09,930 --> 00:30:13,650
من أنه بيساوي واحد ولكن ال partial بيبدأ من مين؟

408
00:30:13,650 --> 00:30:18,120
من واحد، خلاص هيك ال RM مبرمج مش عاجبك أنت ممكن

409
00:30:18,120 --> 00:30:22,140
تبرمجي الجميل في الـ a ان هو oriented يعني .. يعني

410
00:30:22,140 --> 00:30:24,760
إيش oriented؟ أنت ممكن تعمليه .. أنت حتى لحالك إذا

411
00:30:24,760 --> 00:30:27,500
بتحب تعمل ال code و تبرمجي لحالك وتسويه و ترسم

412
00:30:27,500 --> 00:30:30,600
رسومات بديك لحالك بيمشي الحق .. ولكن إحنا ناخده

413
00:30:30,600 --> 00:30:33,960
مسلح .. هل أنتم ملاحظين معايا أن في قفزة كبيرة

414
00:30:33,960 --> 00:30:37,820
جدا عند ال order واحد ومن ثم البجيات مع ال home

415
00:30:37,820 --> 00:30:41,580
cut off .. شو يعني cut off؟ أسفار .. هدول أسفار

416
00:30:42,880 --> 00:30:45,500
هدوء ما يغركيش كبير أنه هاد .. إحنا نحكي فيها إنشاء

417
00:30:45,500 --> 00:30:48,660
الله قريبا جدا، ليش هاد؟ لأن ما فيش ارتباطات ..

418
00:30:48,660 --> 00:30:53,200
يعني في ارتباطات خفية، خفيفة، ضعيفة بس، okay؟ هلأ

419
00:30:53,200 --> 00:30:58,120
رسم ازاي هاد يا ماناتي، شو بتقولوا؟ أنه أنا اقترح

420
00:30:58,120 --> 00:31:01,680
عليك أنك تفكري لي بال auto-regressive order واحد،

421
00:31:01,680 --> 00:31:05,780
هو بيقترح وليس يعني يجبرك، اقتراح، ما فيش حاجة

422
00:31:05,780 --> 00:31:10,530
مقدسة هنا، استعملتوا إيه؟ يعني يمكن يكون مش صحيح

423
00:31:10,530 --> 00:31:14,270
بصراحة المهم .. هلأ بعيدا يعني شو رأيكم برسمة زي

424
00:31:14,270 --> 00:31:18,030
هذه بصراحة

425
00:31:18,030 --> 00:31:22,310
يا بنات طبعا هذه بارسل رسمة بارسل اه author

426
00:31:22,310 --> 00:31:26,110
aggressive order واحد والروب المناسبة هتكون مين

427
00:31:26,110 --> 00:31:31,730
يا بس سالف مصبوط؟ حلو رسمة زي هذه يبس .. هد أنا

428
00:31:31,730 --> 00:31:34,770
بدي أحاول أخفي الكلام اللي هنا عشان أشوفكم ولكن

429
00:31:34,770 --> 00:31:41,350
طلع رسمة زي هذه هذه البارشة رسمة البارشة هذه بتقول

430
00:31:41,350 --> 00:31:45,450
أنه أنا بقترح عليك تفكري لي بمين أو to regressive

431
00:31:45,450 --> 00:31:49,190
order اتنين لأن عند ال order واحد فوق وعند ال

432
00:31:49,190 --> 00:31:52,770
order اتنين فوق ومن ثم أصبح في cut off هله هذه

433
00:31:52,770 --> 00:31:56,450
معتمدة هذه نتيجة اللي هنحكي عنها قبل شوية أنه يا

434
00:31:56,450 --> 00:32:01,530
بنات الروز ذات نفسهم الروز اللي الفايات جايات منهم

435
00:32:01,530 --> 00:32:05,730
أنتوا شوفتوا الفاي اللي هي البارشة إلى علاقة بدلالة

436
00:32:05,730 --> 00:32:10,690
ال raw صح؟ وال raw الذات نفسهم هدول في بينهم

437
00:32:10,690 --> 00:32:14,590
ارتباطات دربالكو حتى بال white noise في ارتباطات ومن

438
00:32:14,590 --> 00:32:19,230
هنا ستجدون أنه theoretically صفر لكن applicable

439
00:32:19,230 --> 00:32:22,650
أو اللي هو applications عفوا اللي هي بالتطبيق

440
00:32:22,650 --> 00:32:26,010
العاملي لأ مش صفر وهذا الدليل على أنه هيو زي ما

441
00:32:26,010 --> 00:32:29,670
أنت شايفها لأ

442
00:32:29,670 --> 00:32:34,080
مش نازل عندك تلاتة مش نازل نازل؟ لأ ال .. اللي صار

443
00:32:34,080 --> 00:32:38,400
فيه قفزة هادي، تلاتة نزل، صار cut off، اللي أربع

444
00:32:38,400 --> 00:32:42,280
ما نزلش، نتيجة اللي أنا عامل بحكيه، هذا عامدا أنا

445
00:32:42,280 --> 00:32:46,900
عم بوريّه إنه إحنا الأصل إنه يكون ماله .. إنه يكون

446
00:32:46,900 --> 00:32:49,580
cut off، يعني ال zero أو قريب عن ال zero، أنه

447
00:32:49,580 --> 00:32:52,400
ما يعديش خط الزرق اللي هم ال confidence limit هدول

448
00:32:52,920 --> 00:32:57,600
اتمانته؟ ولكن عدى، ليش عدى؟ نتيجة أنه يا بنات

449
00:32:57,600 --> 00:33:03,020
الرزق نفسهم بنات theoretically بنفرض إحنا أنه

450
00:33:03,020 --> 00:33:06,540
theoretically يعني نظريا بنفرض أنه ما فيش ارتباطات

451
00:33:06,540 --> 00:33:12,540
ولكن عند الحديث أنها عملية نبدلهم بال sample فال

452
00:33:12,540 --> 00:33:17,620
sample لأ في ارتباط فالرزة نفسهم مع بعض في ارتباط

453
00:33:17,620 --> 00:33:21,060
مع ارتباط مع ارتباط بتزيدي كلام بتزيدي قيم لبعض

454
00:33:21,060 --> 00:33:24,800
بتزيديها فالقيم اللي بتزيديها بتبطل صفة استعملتوا

455
00:33:24,800 --> 00:33:27,860
إيه؟ يعني الكتلة ورا كتلة ورا كتلة بتطلع لي هذه

456
00:33:27,860 --> 00:33:30,980
اللي هي العدات وهذه من الأشياء اللي إحنا بنشوفها

457
00:33:30,980 --> 00:33:34,620
حتى بال white noise بالمناسبة اللي الأصل أن يكون

458
00:33:34,620 --> 00:33:38,720
أصفار كلتهم ستجدون أنه في رسم ال white noise اللي

459
00:33:38,720 --> 00:33:45,760
ما يكون في بعض الحالات مين هيكون زي هيك okay؟ هذا

460
00:33:45,760 --> 00:33:50,920
اللي هنقشه هو بيقدر عليك برضه اتنين okay أنت

461
00:33:50,920 --> 00:33:53,780
عارفة ازاي؟ أنت سألتني أنا بيدوريك على ال R هاي ال

462
00:33:53,780 --> 00:34:02,000
R ع السريع هلأ شو رأيك أنا بدي أعمل X تساوي بدي

463
00:34:02,000 --> 00:34:07,240
أكبر هذا لأن X

464
00:34:07,240 --> 00:34:12,980
يساوي R norm عارفين R norm شو بيعمل؟ بولل عشوائية

465
00:34:12,980 --> 00:34:16,060
مثلا 100 هدول white noise ال X هدول white noise

466
00:34:16,060 --> 00:34:19,580
بالمناسبة هدول ال series white noise يا مانعت المهم

467
00:34:19,580 --> 00:34:26,360
أنا بديت أعمل هنا okay هلأ شو رأيك ال code اللي

468
00:34:26,360 --> 00:34:32,400
اسمه ACF هو اللي بيرسم اسمه ACF ACF لل X و ال type

469
00:34:32,400 --> 00:34:38,350
اللي بديه النوع partial أنا بدي partial صح؟ ما

470
00:34:38,350 --> 00:34:42,210
أنتوا عارفين النوع اللي هو تبعها اسمها يا إما auto

471
00:34:42,210 --> 00:34:46,330
covariance أو auto correlation أو بارشة أنا بحكي

472
00:34:46,330 --> 00:34:49,150
عن البارشة هذي اللي أنا شو رأيه كمان هم مع بعض

473
00:34:49,150 --> 00:34:53,950
هيك و ارسمهم بتاعتش وشوفوا أنتم بنلاحظ أن هذي كل

474
00:34:53,950 --> 00:34:59,250
هم ماله جوات خطين الزرق لأن هي شوية noise ولا

475
00:34:59,250 --> 00:35:02,270
واحدة منهم عدت طب هتنعمل كمان واحدة simulation

476
00:35:05,850 --> 00:35:10,170
نفس الشيء كمان واحدة إلا ما ألاقي في مرة من المرات

477
00:35:10,170 --> 00:35:13,590
واحدة هيك تشز أو تجرب لخطين الزرق شكلها كمان مرة

478
00:35:13,590 --> 00:35:19,350
طب شو رأيك بدي أكبرها شوية أعملها مثلا ألف okay

479
00:35:19,350 --> 00:35:27,630
بدي أعملها ألف وشوف إيش بيعطيني ألف ولا يهمك مزال

480
00:35:27,630 --> 00:35:30,670
يعني بدي آخذ خطين .. أنا بدي واحدة تشز بصراحة مش

481
00:35:30,670 --> 00:35:31,750
راضي عشرة

482
00:35:36,070 --> 00:35:39,190
anyways مش فاضي أسبوع .. كل مرة بيطلع ماله بين

483
00:35:39,190 --> 00:35:43,110
مين؟ بين الخطين؟ يعني هذا بيدل على أن ال partial

484
00:35:43,110 --> 00:35:46,750
autocorrelation ماله يا بنات صفر .. بس هأقول لكم

485
00:35:46,750 --> 00:35:50,190
شغلة واحدة لو دلتك تعمل ال simulation كتير هتلاقي

486
00:35:50,190 --> 00:35:53,570
في لحظة من اللحظات مثلا مين من هون .. واحدة قريبة

487
00:35:53,570 --> 00:35:56,930
جدا لمين؟ لخطين الزرق .. هل معناه أن هالة في

488
00:35:56,930 --> 00:36:01,050
significant؟ لأ هي white noise ولكن نتيجة أن الرزة

489
00:36:01,050 --> 00:36:04,690
بنفسهم كعينة في ارتباطاتها ده أدى إلى أن وجود

490
00:36:04,690 --> 00:36:07,210
الأرقام على فكرة هدوء الخطوط اللي أنت شايفها هم

491
00:36:07,210 --> 00:36:12,350
هدوء الأصل يكون أصفار، الأصل، نظريا أصفار ولكن

492
00:36:12,350 --> 00:36:21,090
عمليا هي هم مش صفر طيب نرجع على ال .. كنا فيه هلأ

493
00:36:21,090 --> 00:36:24,890
الآن اتبلشنا نحكي عن اللي هو ال Vincent Durban

494
00:36:24,890 --> 00:36:28,050
Recursive Method، هدى أنا يا بنات ركزوا معايا،

495
00:36:28,050 --> 00:36:32,090
الموضوع هذا أعقد بكثير من اللي أنا عاملكم إياه،

496
00:36:32,090 --> 00:36:36,310
ويله علاقة بال matrices وباللي هو مين، وحتى

497
00:36:36,310 --> 00:36:39,470
أحيانا بخش فيه ال multivariate algorithm وفيه ال

498
00:36:39,470 --> 00:36:43,190
brownie motion وال stochastic والجثث كبيرة إحنا

499
00:36:43,190 --> 00:36:47,550
مش مدتنا advance للدرجة بناخد مين إحنا الخلاصة

500
00:36:47,550 --> 00:36:51,250
والزبدة تبعت مين الأفندي هذا اسمه مين اللي هو ال 

501
00:36:51,250 --> 00:36:54,790
الـ algorithm اللي اخترعوه اللي هم مين Levinson-Durbin

502
00:36:54,790 --> 00:37:00,830
اه الناس هدول اسمعوا لما أنتو وصلتوا للـ اللي هو

503
00:37:00,830 --> 00:37:05,970
الـ phiات و استخدمتوا بعدها اللي هو الـ Cramer وصلتوا 

504
00:37:05,970 --> 00:37:10,990
لهذا الـ matrix AX اللي هو هيك وضربته بالـ X اللي هو

505
00:37:10,990 --> 00:37:15,810
هيك و هذا سوى الـ B فاهمينيش بحكي أنا فالآن أنتو

506
00:37:15,810 --> 00:37:20,870
عندما وصلنا لهذه المنطقة استخدمنا Cramer صح؟ و

507
00:37:20,870 --> 00:37:25,470
Cramer له علاقة بالـ .. بالـ .. بالـ .. بالمصفوفة و

508
00:37:25,470 --> 00:37:28,510
بالـ determinant و بالامور هذه كلها و ممكن ياخد مني

509
00:37:28,510 --> 00:37:32,170
وقت كتير روحوا فكروا هدول الناس قالوا شو رأيكوا

510
00:37:32,170 --> 00:37:36,910
نعمل Algorithm اه؟ بطريقة التتابعة الـ recursive

511
00:37:36,910 --> 00:37:39,770
فنبدأ في initial value من أخدت الـ numerical

512
00:37:39,770 --> 00:37:44,890
analysis تحليل عدد أيه كل كو زي Newton-Raphson

513
00:37:44,890 --> 00:37:49,210
method هاي عارفينها ففي initial value لمن لالـ phiات

514
00:37:49,210 --> 00:37:55,680
بنبدأ فيها ومن ثم بنبدأ بمن فاي تتبعها تابع لمنلل

515
00:37:55,680 --> 00:37:59,340
initial و بنعمل update و هكذا .. اه .. هذا

516
00:37:59,340 --> 00:38:02,580
Algorithm يعني .. اه .. هو هيك .. اه خلاص احفظوا

517
00:38:02,580 --> 00:38:06,440
هيك أنا عارف .. بس إله علاقة بمين؟ بالطريقة اللي

518
00:38:06,440 --> 00:38:10,760
وصلتولها زمان لـ .. لـ .. لشو اسمه داكه؟ Cramer ..

519
00:38:10,760 --> 00:38:15,680
اه وصلنا له و طلعوا بالطريقة .. كيف بتحفظكوا ياه؟

520
00:38:15,680 --> 00:38:18,720
والله أنا عارف .. احفظوا يا بنات .. بعينكم الله ..

521
00:38:18,720 --> 00:38:22,180
هجيبهم

522
00:38:22,180 --> 00:38:23,380
في الامتحان ولا احفظ؟

523
00:38:27,180 --> 00:38:34,280
لأ اسمعه بجيبه بجيبه حفظ صعب حفظ بصراحة اه لأ صعب

524
00:38:34,280 --> 00:38:39,900
بجيبه okay بجيبه بس بساش في الحالة هذه صار يعني

525
00:38:39,900 --> 00:38:44,820
السؤال أصبح ماله صار سؤال تطبيق سهل مضمون انكوا

526
00:38:44,820 --> 00:38:51,380
تجيبوه مايجيش في الامتحان طيب

527
00:38:51,380 --> 00:38:55,300
خلاص اسمع اسمع بجيبلكوا يعني بجيبهم المفيدة تحفظوه

528
00:38:55,750 --> 00:38:58,670
اسمه بنجيب الـ phiات يا بنات اللي قبل شوية جيبناهم

529
00:38:58,670 --> 00:39:01,530
بطريقة الـ Cramer لان بطريقة اللي هو الـ .. اللي

530
00:39:01,530 --> 00:39:04,870
Levinson-Durbin و الـ Algorithm هذه من خلال العلاقة

531
00:39:04,870 --> 00:39:07,990
اللي مخطوطة .. مخطوطة بالخط الأزرق هدول فإذا بنجيب

532
00:39:07,990 --> 00:39:11,590
في الـ hat وسميناها hat لإن هي لها علاقة بمين

533
00:39:11,590 --> 00:39:16,930
بالـ  sinب فهي تُعطى بالعلاقة هذه .. خلاص مش جريها

534
00:39:16,930 --> 00:39:20,570
نيجي ده يعني خلاص أنتو شايفينها أمامكوا و اللي

535
00:39:20,570 --> 00:39:26,520
بعد منها بنجيبها برضه بمين؟ بهدول okay؟ فانبلش مثلا

536
00:39:26,520 --> 00:39:31,220
لو بدك تجيب مثلا على افتراض بالمناسبة في حياتي

537
00:39:31,220 --> 00:39:33,800
الواحد و واحد على أنها الـ initial value التي هي

538
00:39:33,800 --> 00:39:36,620
تساوي مين؟ روة .. روة .. روة .. روة .. روة .. روة

539
00:39:36,620 --> 00:39:37,220
.. روة .. روة .. روة .. روة .. روة .. روة .. روة

540
00:39:37,220 --> 00:39:37,300
.. روة .. روة .. روة .. روة .. روة .. روة .. روة

541
00:39:37,300 --> 00:39:37,820
.. روة .. روة .. روة .. روة .. روة .. روة .. روة

542
00:39:37,820 --> 00:39:40,120
.. روة .. روة .. روة .. روة .. روة .. روة .. روة

543
00:39:40,120 --> 00:39:46,800
.. روة .. روة .. روة .. روة .. روة .. روة .. روة

544
00:39:46,800 --> 00:39:55,200
.. روة .. روة ..واحد ناجس روح .. اه؟ وشبتقى

545
00:39:55,200 --> 00:39:59,760
بكرامل؟ طلعوا لان الـ Levinson-Durbin .. مافي

546
00:39:59,760 --> 00:40:04,460
Levinson-Durban بس Levinson .. Durban هنا .. sorry

547
00:40:04,460 --> 00:40:07,780
Levinson-Durbin method اللي لان طلع نفسها .. كيف

548
00:40:07,780 --> 00:40:10,560
طلع حياتنا عوض بالله؟ عوضوا معايا ساعدوني الله

549
00:40:10,560 --> 00:40:17,260
يسلمكم، أنا تعبان كيف حصلتوا عليا؟ اسمعوا عشان

550
00:40:17,260 --> 00:40:19,780
تحصلوا على phi تنين وتنين، شو رايكوا حط الـ edge

551
00:40:19,780 --> 00:40:25,960
بواحد؟فأصبح ده هي phi تنين تنين اتساوي مين phi تنين

552
00:40:25,960 --> 00:40:33,780
ناقص summation من واحد لواحد في واحد وواحد ماهي في

553
00:40:33,780 --> 00:40:42,100
واحد وواحد اللي هي الواحد في مين في phi ناقص واحد

554
00:40:42,100 --> 00:40:49,120
يعني واحد يعني أصبحت phi تربيها على واحد ناقص

555
00:40:49,120 --> 00:40:55,830
summationمن واحد لو واحد في واحد اللي هي phi واحد

556
00:40:55,830 --> 00:40:59,730
مضروب من مين في phi واحد اللي هي phi واحد اذا عرفت

557
00:40:59,730 --> 00:41:04,170
فهذه طب واجبولي مثلا في تنين وواحد في وين

558
00:41:04,170 --> 00:41:11,490
التواضعات في الاتحاد منها يلا تحط الـ H بواحد فبصير

559
00:41:11,490 --> 00:41:16,550
في تنين وواحد هي عبارة عن مين؟phi واحد و واحد من

560
00:41:16,550 --> 00:41:20,550
هي phi واحد و واحد يعني هذه في ارفعها و احط قدرها

561
00:41:20,550 --> 00:41:28,370
phi واحد ناقص phi اتنين و اتنين من هي phi

562
00:41:28,370 --> 00:41:31,810
اتنين و اتنين اللي هي هذا عرفتوا ليش كارثف الآن

563
00:41:31,810 --> 00:41:38,110
لإن مرتبط بمين اللي جابنا صح مضروبة في مين

564
00:41:54,490 --> 00:41:58,590
طيب تطبيق عملي مثال واضح شو رأيكوا بالنسبة للـ

565
00:41:58,590 --> 00:42:01,510
order regressive order 1 لو أنا أعطيتك الآن

566
00:42:05,650 --> 00:42:08,330
Autoregressive order واحد طلبت منك جيبيه الـ phiات

567
00:42:08,330 --> 00:42:13,050
تبعت و الـ partials باستخدام مين طبعا الـ Levinson

568
00:42:13,050 --> 00:42:17,190
-Durbin Algorithm بالنسبة للـ Autoregressive order

569
00:42:17,190 --> 00:42:21,770
واحد يا بنات اذا كان في فيه في واحدة مين هي phi

570
00:42:21,770 --> 00:42:25,710
واحدة في واحدة اه مين تطلع phi  phi خلصناه و باقى

571
00:42:25,710 --> 00:42:29,670
الـ phiات أسفر أسفر واضحة طب بالنسبة للـ

572
00:42:29,670 --> 00:42:36,070
Autoregressive order تانيةفي phi في phi واحد واحد وفي

573
00:42:36,070 --> 00:42:40,750
اتنين اتنين اه وفي اتنين واحد نيح بتعرف تجيبهم هم

574
00:42:40,750 --> 00:42:45,610
دول بالـ Algorithm طب اسمع اقولكوا شغل واحد ده هذا

575
00:42:45,610 --> 00:42:50,010
اعتبروا ان انا اعطيته للعلم نيح هلأ بالامتحان

576
00:42:50,010 --> 00:42:53,170
النهائي اذا انا جيبته فعلا ممكن اجيب بجيبلكوا

577
00:42:53,170 --> 00:42:58,610
القانون و اصبح مجرد انه تطبيق فيعني مش صعب اه مش

578
00:42:58,610 --> 00:43:08,260
صعب فخلينا نجلب عليهاو هاي مثال كمان تاني خليني

579
00:43:08,260 --> 00:43:10,500
أتطلع أنا والله معلش يا مانات أنا مازلت مريض

580
00:43:10,500 --> 00:43:12,960
مابديش أحكي انتوا اتطلعوا عليه لحالك و قولوا لي

581
00:43:12,960 --> 00:43:20,960
فاهمين ولا لأ يلا هيني بدي أعمل هيك أنا اي

582
00:43:20,960 --> 00:43:28,320
طالب مش فاهم تقوللي مش فاهمة خلاص

583
00:43:28,320 --> 00:43:33,460
ماضح؟حلو انا عشان صراحة بدي اجف ل ..

584
00:43:33,460 --> 00:43:41,280
ووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووووو

585
00:44:02,030 --> 00:44:07,270
عشان الـ moving average يا بنات احنا بنعملها لو

586
00:44:07,270 --> 00:44:11,230
كانت هي invertible مش بنقدر نكتبها على صيغة auto

587
00:44:11,230 --> 00:44:14,800
-regressive of order infinityيعني رايحة للـ

588
00:44:14,800 --> 00:44:18,760
infinity ولذلك لو أنا سألت واحدة منكم فكركوا رسمة

589
00:44:18,760 --> 00:44:21,300
الـ partial autocorrelation function للـ moving

590
00:44:21,300 --> 00:44:25,200
average بتتوقعوا في cut-off؟ برافو عليكم مافي cut

591
00:44:25,200 --> 00:44:28,740
-off ولا عمره بيكون في cut-off لأنها تكتع على صيغة

592
00:44:28,740 --> 00:44:34,020
infinity autoregressive وهنا infinity معناته بيكون

593
00:44:34,020 --> 00:44:38,340
cut-off بعد الـ infinity ولذلك رسمتالـ partial

594
00:44:38,340 --> 00:44:42,500
autocorrelation function للـ moving average ستكون

595
00:44:42,500 --> 00:44:47,960
مالها مافيش cutoff هتكون tail off بسمها tails off

596
00:44:47,960 --> 00:44:52,120
شو يعني tails off يعني اللي هو تتناقص تتناقص

597
00:44:52,120 --> 00:44:57,120
تتناقص ولكن يمكن أن تقول إلى مين الـ zero مافيش

598
00:44:57,120 --> 00:45:00,800
cutoff يعني زي exponential decay بسمها عارف ايه

599
00:45:00,800 --> 00:45:04,020
رسمناها قبل ذلك صح؟ اللي هي هي رسمتها

600
00:45:08,330 --> 00:45:14,350
هك بتتوقع رسمتها هيكون كده هك هك هك هك هك هك هك هك

601
00:45:14,350 --> 00:45:18,630
هك هك هك هك هك هك هك هك هك هك هك هك هك هك هك هك هك

602
00:45:18,630 --> 00:45:24,210
هك هك هك هك هك هك هك هك هك هك هك هك هك هك هك هك هك

603
00:45:24,210 --> 00:45:29,530
هك هك هك هك هك هك هك هك هك هك هك هك هك هك هك هك هك

604
00:45:29,530 --> 00:45:36,690
هك هك هك هك هك هك هك هك هك هك

605
00:45:36,690 --> 00:45:39,330
هك هاحفظوا بإنكوا الله

606
00:45:43,550 --> 00:45:47,970
طب بدأ اسألكوا بالنسبة للارمة، الارمة عارفين

607
00:45:47,970 --> 00:45:52,450
الارمة موديل؟ مش هي ممكن نكتبها على طريقة infinity

608
00:45:52,450 --> 00:45:55,550
برضه auto-regressive لو كانت invertable يبقى

609
00:45:55,550 --> 00:45:58,670
الارمة شو بتتوقعوا يا بنات؟ برضه هنا الـ partial

610
00:45:58,670 --> 00:46:01,570
auto-correlation يكون في cut-off ولا tails-off؟

611
00:46:01,570 --> 00:46:05,610
tails-off على كلمة cut-off يعني إيش؟ يعني قطع،

612
00:46:05,610 --> 00:46:08,330
يعني أسفار، هيك معناة tails-off يعني إيش؟ لأ مش

613
00:46:08,330 --> 00:46:12,050
أسفار، في تواصل وفي تيه بيسموه decay، decay يعني

614
00:46:12,050 --> 00:46:18,120
تناقصحلو طيب للعلم يا بنات و هذا الشيء اللي مولاه

615
00:46:18,120 --> 00:46:20,880
هاجله فيه مابعه للعلم رسمة الـ partial

616
00:46:20,880 --> 00:46:23,500
autocorrelation function للـ moving average هي

617
00:46:23,500 --> 00:46:26,980
نفسها تكون شبيهة برسمة اللي هو الـ autocorrelation

618
00:46:26,980 --> 00:46:32,220
function لمين للـ autoregressive عكس بقى فلو رسمتوا

619
00:46:32,220 --> 00:46:37,200
الـ partial للـ moving average هتلاقوا نفس رسمة أو

620
00:46:37,200 --> 00:46:40,120
شبيهة بمين بالـ autocorrelation لمين للـ

621
00:46:40,120 --> 00:46:43,150
autoregressive و في المقابلرسمة الـ partial

622
00:46:43,150 --> 00:46:45,790
autocorrelation function للـ autoregressive ستكون

623
00:46:45,790 --> 00:46:50,090
شبيهة بمين؟ بالـ autocorrelation تبع الـ moving

624
00:46:50,090 --> 00:46:53,950
average، مين ذاكرها؟ احنا عطناها، مين ذاكرها؟ من

625
00:46:53,950 --> 00:46:56,510
اللي انتوا كانوا فيه امتعانة نصف داخل، رسمة الـ 

626
00:46:56,510 --> 00:46:58,950
moving average، الـ autocorrelation كانت، مش فيه

627
00:46:58,950 --> 00:47:03,750
كان cut off؟ ذاكرينها؟ أيوة برافو عليك لما كنا

628
00:47:03,750 --> 00:47:07,350
بنعدل خطوط فكان في cut off لـ مين؟ للـ auto

629
00:47:07,350 --> 00:47:10,930
correlation function تبعت مين؟ الـ moving average بنفس

630
00:47:10,930 --> 00:47:15,610
المفهوم اليوم تبع مين؟ الـ partial autocorrelation

631
00:47:15,610 --> 00:47:18,410
function لـ مين؟ الـ autoregressive يبقى الآن فهمنا

632
00:47:18,410 --> 00:47:21,410
الآن بصمتهم مع بعض بإذن الله الأسبوع اللي جاي

633
00:47:21,410 --> 00:47:24,730
بنبتدي نحكي عليها بتفاصيل أكثر اسمها بناع أنا عندي

634
00:47:24,730 --> 00:47:27,090
طبعا two slides، الـ slide هذه هي إبعاد عن

635
00:47:27,090 --> 00:47:32,210
simulation مافيها شيء جديد، مش هحكي فيها مع two

636
00:47:32,210 --> 00:47:37,410
minutes، بدي أحكي في الـ slide هذه الآن خطين الزّراج

637
00:47:37,410 --> 00:47:41,490
اللي لما بدأت الفصل وأنت أستاذنا وأنت نازل تقولنا

638
00:47:41,490 --> 00:47:45,290
خطين زّراج، خطين زّراج هم مصموم، مش خطين زّراج هم إيه؟

639
00:47:45,290 --> 00:47:49,490
فترات الثقة اللي لو زادوا عليهم بتكون فيه

640
00:47:49,490 --> 00:47:53,570
confidence بتكون فيه عنده أنا معنى وشيء أنه فيه

641
00:47:53,570 --> 00:47:57,790
ارتباط لو ما زادوش عليهم بيكون ما لهم؟ طب الخطين

642
00:47:57,790 --> 00:48:01,130
الزّراج عارفين كيف بنجيبهم هدول؟ بنجيبهم من العلاقة

643
00:48:01,130 --> 00:48:06,240
هاي اللي هي عبارة عن plus or minus 2 على جذر

644
00:48:06,240 --> 00:48:10,240
الـ 2 هو حقيقة مش 2 هي حقيقة plus or minus

645
00:48:10,240 --> 00:48:14,540
1.96 .. جذر .. 96%

646
00:48:14,540 --> 00:48:18,860
تقسيم جذر، الآن عارفين من هي الآن؟ حجم العينة أو

647
00:48:18,860 --> 00:48:22,540
طول الـ series يعني يا بنات لو أنا سألت واحدة منكم

648
00:48:22,540 --> 00:48:27,060
series طولها 100، قد إيش الـ confidence limit تتوقع

649
00:48:27,060 --> 00:48:32,500
عليهم، الخط نزلوا لو وصلتوا هيكون خط plus 2

650
00:48:32,500 --> 00:48:38,940
على 10 والخط الثاني ثاني 2 يعني 2 على

651
00:48:38,940 --> 00:48:43,080
10، 5، 2 على 10، 2 من 10، 2 من

652
00:48:43,080 --> 00:48:47,220
10 لأ، 2 من 10، 2 من 10 بالموجب ثاني

653
00:48:47,220 --> 00:48:49,120
2 ولا 2 من 10 بالموجب ثاني 2 ولا

654
00:48:49,120 --> 00:48:51,180
2 من 10 بالموجب ثاني 2 ولا 2 من

655
00:48:51,180 --> 00:48:51,400
10 بالموجب ثاني 2 ولا 2 من 10 بالموجب

656
00:48:51,400 --> 00:48:54,220
ثاني 2 ولا 2 من 10 بالموجب ثاني 2

657
00:48:54,220 --> 00:48:58,220
من 10 بالموجب ثاني 2 من 10 بالموجب ثاني

658
00:48:58,220 --> 00:49:03,020
2 من 10

659
00:49:03,020 --> 00:49:08,580
بالموجب، أنت مرحزة negative مستحيل

660
00:49:08,580 --> 00:49:12,680
أنت بتكون شايفها لأ هي plus و minus بالـ positive

661
00:49:12,680 --> 00:49:17,420
يعني أنت عندك plus 2 على جذر n الآن أو negative

662
00:49:17,420 --> 00:49:21,180
2 على جذر n الآن فهي يا موجب بس هم

663
00:49:21,180 --> 00:49:28,180
برسموها غالبا فوق لأ ممكن تكون فوق بتكون في الحالة

664
00:49:28,180 --> 00:49:32,280
هذه لما نكون مش ...

665
00:49:35,650 --> 00:49:39,790
آه لو الـ ... آه لو الـ ... أنّه علاقة بالمين والآخر

666
00:49:39,790 --> 00:49:42,950
يا آه، بس هو بشكل عام بكون هي هيك، أنا بحكي عن

667
00:49:42,950 --> 00:49:48,170
الـ rosy دلوقت، طيب بكفي هذه من كل ... هلأ هذه

668
00:49:48,170 --> 00:49:50,410
بالمناسبة آخر واحدة هو ... نختم عندها أنا ما أعلمش

669
00:49:50,410 --> 00:49:53,670
منها ... هذه آخر ملاحظة اللي هان للأسف أنا الوقت

670
00:49:53,670 --> 00:49:57,050
أدركني، وبحاول أسرّع في الكلام ولكن آخر ملاحظة هي

671
00:49:57,050 --> 00:49:59,730
اللي أنا قبل شوية كتبت لكم بالـ R ... شوفتوا لما

672
00:49:59,730 --> 00:50:04,350
حاولت أنا قدر استطاعتي أني أجلكم أنّه يعني يزيد عن

673
00:50:04,350 --> 00:50:07,620
اللي هو الـ limits لما حتى بالـ white noise فالأخر

674
00:50:07,620 --> 00:50:11,580
ملاحظة بيقول لك أن testing الـ randomness based on

675
00:50:11,580 --> 00:50:14,620
the individual autocorrelation function أو الـ

676
00:50:14,620 --> 00:50:17,100
partial autocorrelation function misleading شو

677
00:50:17,100 --> 00:50:22,060
يعني misleading؟ يعني مش صحيح، ممكن يقود للقرار مش

678
00:50:22,060 --> 00:50:27,460
سليم، أنت عارفين؟ بدي أجف هنا، ما بديش أمشي هنا هيك

679
00:50:27,460 --> 00:50:29,420
الشغل، هذه الـ slide بدي أرجع للمحاضرة الجديدة

680
00:50:30,940 --> 00:50:34,000
فاعتبروا اللي أنا حكيته آخر خمس دقايق، يعني آخر

681
00:50:34,000 --> 00:50:37,500
دقيقة، من درجة عالم ده، وهذا مهم لصداقتي، يلا

682
00:50:37,500 --> 00:50:37,940
أعطيك الـR