تحلیل مدل های آمیخته خطی تعمیم یافته فضایی با استفاده از تقریب لاپلاس آشیانی جمع بسته
Authors
abstract
برای مدلبندی پاسخ های گسسته فضایی زمین آمار از مدل های آمیخته خطی تعمیم یافته فضایی استفاده می شود و ساختار همبستگی فضایی داده ها از طریق متغیرهای پنهان در نظر گرفته می شود. از مهمترین اهداف در بررسی این مدل ها پیش گویی متغیرهای پنهان و برآورد پارامترهای مدل است. در این مقاله برای تحلیل این مدل ها، ابتدا یک روش پیش گویی ارائه و سپس به بیان رهیافت بیزی و الگوریتم های مونت کارلویی پرداخته می شود. به دلیل پیچیدگی این مدل ها و استفاده از نمونه های مونت کارلویی در تحلیل بیزی، زمان محاسبات بسیار طولانی است. برای رفع این مشکل روش بیزی تقریبی با استفاده از تقریب لاپلاس آشیانی جمع بسته بررسی می شود. در نهایت یک مجموعه داده واقعی مربوط به تعداد روزهای دارای بارندگی استان سمنان در سال 1391، مشاهده شده در ایستگاه های هواشناسی این استان با مدل و روش های معرفی شده مورد مطالعه قرار می گیرد.
similar resources
تحلیل بیزی مدل های آمیخته خطی تعمیم یافته فضایی با استفاده از تقریب لاپلاس آشیانی جمع بسته
در آمار فضایی متغیر مورد اندازه گیری ممکن است گسسته یا پیوسته باشد. در حالتی که پاسخ های فضایی پیوسته باشند، با در نظر گرفتن یک میدان تصادفی مانا، پیش گویی مقادیر نامعلوم در موقعیت های معلوم با روش کریگیدن امکان پذیر است. اما در مواردی که پاسخ های فضایی گسسته هستند، پیش گویی فضایی با استفاده از مدل های آمیخته خطی تعمیم یافته فضایی امکان پذیر می شود. در این مدل ها ساختار همبستگی فضایی داده ها از...
15 صفحه اولتحلیل مدلهای آمیخته خطی تعمیمیافته فضایی با استفاده از تقریب لاپلاس آشیانی جمعبسته
برای مدلبندی پاسخ های گسسته فضایی زمین آمار از مدل های آمیخته خطی تعمیم یافته فضایی استفاده می شود و ساختار همبستگی فضایی داده ها از طریق متغیرهای پنهان در نظر گرفته می شود. از مهمترین اهداف در بررسی این مدل ها پیش گویی متغیرهای پنهان و برآورد پارامترهای مدل است. در این مقاله برای تحلیل این مدل ها، ابتدا یک روش پیش گویی ارائه و سپس به بیان رهیافت بیزی و الگوریتم های مونت کارلویی پرداخته می شود....
full textتحلیل فضایی رگرسیون جمعی ساختاری و مدل بندی داده های جرم شهر تهران با تقریب لاپلاس آشیانی جمع بسته
در تحلیل بیزی مدلهای رگرسیون جمعی ساختاری که قالبی انعطاف پذیر از مدلهای آماری در زمینههای کاربردی دارند توزیعهای پسینی فرم بستهای ندارند و استفاده از الگوریتمهای مونت کارلوی زنجیر مارکوفی به دلیل پیچیده بودن و تعداد زیاد پارامترهای این مدل زمانبر هستند. روش تقریب لاپلاس آشیانی جمع بسته میتواند با استفاده از تقریبهای گاوسی و لاپلاس نیاز به شبیهسازیهای سنگین را مرتفع سازد. در ا...
full textتحلیل مدل های گاوسی پنهان فضایی با استفاده از روش تقریب لاپلاس آشیانی جمع بسته
مدل های گاوسی پنهان فضایی زیرکلاس گسترده و انعطاف پذیری از مدل های رگرسیون جمعی ساختاری هستند که در زمینه های کابردی متعددی مورد استفاده قرار می گیرند. گاهی در تحلیل بیز سلسله مراتبی این گونه مدل ها توزیع های پسینی یا شرطی کامل فرم بسته ای ندارند، لذا برای محاسب? آن ها معمولا از الگوریتم های مونت کارلوی زنجیر ماکوفی استفاده می شود. وجود همبستگی بین عناصر میدان پنهان معمولا موجب افزایش زمان محاس...
15 صفحه اولتحلیل بیزی مدل های رگرسیون جمعی ساختاری با استفاده از تقریب لاپلاس آشیانی جمع بسته
مدل های رگرسیون جمعی ساختاری قالبی انعطاف پذیر از مدل های آماری در زمینه های کاربردی هستند. گاهی در تحلیل بیز سلسله مراتبی این مدل ها توزیع های پسینی فرم بسته ای ندارند و استفاده از الگوریتم های مونت کارلوی زنجیره مارکوفی (mcmc) ممکن است به دلیل پیچیده بودن و تعداد زیاد پارامترهای این مدل زمان بر باشد. برای حل این مشکل می توان از تقریب لاپلاس آشیانی جمع بسته استفاده کرد، که در آن با استفاده از ...
15 صفحه اولبرآورد مدل های آمیخته خطی تعمیم یافته فضایی با متغیرهای پنهان چوله نرمال بسته
مدل های آمیخته خطی تعمیم یافته فضایی معمولا برای مدل بندی پاسخ فضایی گسسته به کار می روند، که در آنها ساختار همبستگی فضایی دادهها از طریق متغیرهای پنهان در نظر گرفته می شود. مسئله مهم در این مدلها برآورد متغیرهای پنهان فضایی در موقعیتهای دارای مشاهده پاسخ و پارامترهای مدل و در نهایت پیشگویی متغیرهای پنهان در موقعیتهای فاقد مشاهده است. در این راستا اغلب کاربران برای سهولت توزیع نرمال را برای متغ...
full textMy Resources
Save resource for easier access later
Journal title:
مجله مدل سازی پیشرفته ریاضیPublisher: دانشگاه شهید چمران اهواز
ISSN 2251-8088
volume 4
issue 1 2014
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023