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