طرح نمونه‌گیری فضایی متعادل دو مرحله‌ای برای پیش‌گویی میدان های تصادفی

نویسندگان

چکیده مقاله:

: آمار فضایی علم تحلیل داده‌های وابسته فضایی است. در مطالعات محیطی گاهی با داده‌هایی وابسته‌ سروکار داریم که همبستگی آن‌ها ناشی از موقعیت قرارگیری در یک فضای معین است. از طرفی در بررسی‌های نمونه‌ای فرض بر آن است که اعضای نمونه، از جامعه‌ای با واحدهای مستقل گرفته ‌شده است. این فرض در تمامی مراحل نمونه‌گیری تحلیل و مدل‌سازی مورد استفاده قرار می‌گیرد. اما وقتی اعضای جامعه مورد مطالعه به‌نوعی وابسته باشند، تمامی مراحل آماری و حتی روش‌های نمونه‌گیری نیازمند بازنگری و لحاظ کردن ساختار همبستگی داده‌ها خواهند بود. در نمونه‌گیری کلاسیک برای نمونه‌گیری از یک متغیر، چنانچه متغیرهای کمکی وجود داشته باشند، برای ارتقاء کیفیت طرح نمونه‌گیری می‌توان از نمونه‌گیری متعادل استفاده کرد. در این مقاله نمونه‌گیری فضایی متعادل معرفی می‌شود که در آن از مؤلفه‌های موقعیت‌های فضایی به‌عنوان متغیرهای کمکی استفاده‌شده است. سپس در مطالعه‌ای شبیه‌سازی نشان داده می‌شود کریگیدن بر اساس یک نمونه متعادل نسبت به روش‌های دیگر نمونه‌گیری متحمل خطای کمتری در پیش‌گویی فضایی می‌شود. در انتها نحوه کاربست روش ارائه ‌شده در کاربرد نشان داده می‌شود.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

پیشگویی فضایی برای میدان تصادفی چوله گاوسی بسته

در اغلب تحلیل های آمار فضایی فرض بر این است که داده ها تحققی از یک میدان تصادفی گاوسی هستند، اما مشخصه های ناگاوسی مانند متغیرهای تصادفی نامنفی با توزیع چوله در اکثر زمینه های علمی دیده می شوند. مدل بندی این نوع داده ها با استفاده از میدان تصادفی چوله گاوسی، که براساس توزیع چوله نرمال چند متغیره تعریف شده و از انعطاف پذیری بیشتری برخوردار است، صورت می پذیرد. در این رساله خانواده توزیع های چوله ...

15 صفحه اول

تحلیل بیزی تقریبی داده های فضایی – زمانی با استفاده از یک میدان تصادفی مارکوفی گاوسی

برای مدل بندی پاسخ های فضایی که در طول زمان مشاهده می شوند گاهی از مدل های سلسله مراتبی فضایی- زمانی استفاده می شود که در آن ساختار همبستگی فضایی –زمانی داده ها توسط یک میدان تصادفی پنهان گاوسی با تابع کوواریانس فضایی ماترن‎ ‏در نظر گرفته می‌شود. یکی از اهداف مهم در بررسی این مدل‌ها برآورد پارامترها و متغیرهای پنهان و پیشگویی پاسخ ها در زمان های معلوم و موقعیت های معلوم فاقد مشاهده است. در این ...

متن کامل

تعیین طرح نمونه گیری فضایی بهینه برای پیشگویی میزان بارندگی در استان خوزستان

یکی از موضوع های مهم در تحلیل داده های فضایی، نظیر پیشگویی فضایی، انتخاب موقعیت های نمونه گیری در ناحیه ی تحت بررسی یا فضای موقعیت ها است، به نحوی که نتایج حاصل ار انواع تحلیل های آماری داده های مشاهده شده در این موقعیت ها از دقت و اعتبار لازم برخوردار باشند. انتخاب این گونه موقعیت ها مستلزم تعیین ملاک هایی برای اندازه گیری دقت و صحت تحلیل های فضایی است. طرحی که از بهینه سازی یک ملاک ارزیابی حا...

15 صفحه اول

یک روش دو مرحلهای برای بازشناسی کلمات دستنوشته فارسی به کمک بلوکبندی تطبیقی گرادیان تصویر

This paper presented a two step method for offline handwritten Farsi word recognition. In first step, in order to improve the recognition accuracy and speed, an algorithm proposed for initial eliminating lexicon entries unlikely to match the input image. For lexicon reduction, the words of lexicon are clustered using ISOCLUS and Hierarchal clustering algorithm. Clustering is based on the featur...

متن کامل

طرح های همسایه متعادل مدور بهینه

در برخی آزمایش ها، تیمارها تحت تأثیر اثرات همسایه ها قرار می گیرند. در این موارد بهتر است از طرح هایی استفاده شود که هر تیمار، هر یک از تیمارهای دیگر را به تعداد یکسان در همسایگی خود داشته باشد و به عبارت دیگر همسایه ها متعادل باشند. طرح های همسایه متعادل به دو دسته تقسیم می شوند. در طرح های دسته اول، اثرات همسایه چپ و راست یکسان است درحالی که در طرح های دسته دوم این دو اثر با هم متفاوتند. در ب...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 8  شماره 2

صفحات  1- 15

تاریخ انتشار 2018-10-23

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023