تعیین ساختار همبستگی داده های فضایی با توابع مفصل
Authors
abstract
یکی از ابزارهای قوی برای ساخت توزیع توام متغیرهای وابسته بر اساس توزیع های کناری متغیرها توابع مفصل هستند. این توابع مدلی را ارائه می دهند که بر اساس آن تمام خصوصیات وابستگی متغیرها قابل بیان است. درتحلیل داده های فضایی لازم است توزیع چندمتغیره تحقق های میدان تصادفی و ساختار همبستگی داده ها مشخص شود. به علاوه در تحلیل داده های فضایی-زمانی گاهی برای راحتی از تابع کواریانس تفکیک پذیر استفاده می شود در حالیکه این ویژگی در برخی موارد واقع گرایانه نیست و در این گونه موارد استفاده از توابع کواریانس فضایی-زمانی تفکیک ناپذیر ضرورت پیدا می کند. در این مقاله نقش توابع مفصل در تعیین توزیع توام تحقق های میدان تصادفی بررسی و خانواده جدیدی از توابع مفصل فضایی معتبر معرفی می شود، سپس با استفاده از توابع مفصل اقدام به ساخت کواریانس های فضایی و فضایی-زمانی تفکیک ناپذیر معتبر شده است.
similar resources
تحلیل داده های فضایی با استفاده از توابع مفصل
یکی از ابزارهای قوی برای ساخت توزیع های چندمتغیره براساس توزیع های کناری متغیرهای وابسته توابع مفصل هستند.ساختار این توابع به گونه ای است که بر اساس آنها می توان خصوصیات وابستگی متغیرها را به صورت یک تابع تعیین کرد. در تحلیل داده های فضایی لازم است ساختار همبستگی داده ها توسط توابع کواریانس و توزیع چندمتغیره تحقق های میدان تصادفی تعیین شوند. در این رساله برای مدل بندی ساختار همبستگی داده ه...
تجمیع ریسکهای بیمهگری صنعت بیمة ایران با استفاده از توابع مفصل (رویکرد توابع مفصل ارشمیدسی سلسلهمراتبی)
در این تحقیق، ریسکهای بیمهگری صنعت بیمه با دو رویکرد متفاوت، تجمیع همزمان با توابع مفصل بیضوی و ارشمیدسی و تجمیع سلسلهمراتبی با توابع مفصل ارشمیدسی سلسلهمراتبی (HAC)، انجام شده و بر این اساس، حداقل سرمایة لازم برای صنعت بیمه برآورد شده است. نتایج تجمیع و مدلسازی ساختار وابستگی ریسکهای بیمهگری با دادههای ضریب خسارت طی سالهای 1392-1354 نشان میدهد که بهعلت تفاوت نو...
full textتحلیل استوار داده های فضایی در حضور داده های دورافتاده
معمولاً تابع تغییرنگار که ساختار همبستگی دادههای فضایی را تعیین میکند و نقش پایه ای در تحلیل آنها دارد، نامعلوم است و لازم است براساس مشاهدات برآورد شود. وجود داده های دورافتاده در مشاهدات تاثیر نامناسبی در برآورد تغییرنگار و سایر بخشهای تحلیل دادههای فضایی همچون پیشگویی فضایی و برآورد پارامترهای روند دارد. در این مقاله ابتدا با استفاده از برآوردگرهای مقیاس، چند برآوردگر استوار جدید با ن...
full textمدلسازی دما و بارش تبریز با بکارگیری توابع مفصل
بهطور کلی توزیع احتمالاتی دادههای تصادفی چند متغیره در مقایسه با حالت یک متغیره آنها به دلیل وابستگی غیرخطی بین متغیرهای تصادفی، پیچیدهتر است. یکی از روشهای حل این مشکل استفاده از توابع مفصل میباشد که در سالهای اخیر بیشتر مورد توجه محققین بوده است. در این مطالعه، وابستگی دما و بارش ایستگاه تبریز با استفاده از توابع مفصل مدلسازی شد. برای این منظور از دادههای بارش و دمای ماهانه ایستگاه ت...
full textMy Resources
Save resource for easier access later
Journal title:
علومجلد ۱۳، شماره ۳، صفحات ۷۶۷-۷۷۸
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023