روش بوت استرپ بلوک مجزا برای تعیین اندازه‌های دقت برآورد پارامترهای تغییرنگار و پیشگویی فضایی

author

  • ایران پناه, نصراله گروه آمار، دانشگاه اصفهان
Abstract:

  در اغلب مطالعات محیطی، داده­ها بر حسب موقعیت­شان در ناحیه مورد مطالعه معمولا وابسته فضایی هستند. تعیین ساختار همبستگی فضایی و پیشگویی دو مساله مهم در تحلیل داده­های فضایی هستند. برای تحلیل این داده­ها، اغلب یک مدل تغییرنگار پارامتری به تغییرنگار تجربی داده­ها برازش داده می­شود و براساس آن پیشگویی صورت می­پذیرد. با توجه به اینکه شکل بسته­ای برای برآوردگر پارامترهای تغییرنگار وجود ندارد، معمولا این پارامترها به صورت عددی برآورد می­شوند. لاهیری (2003) روش بوت­استرپ بلوک متحرک را برای داده­های فضایی پیشنهاد نمود که در آن مشاهدات به بلوک­هایی متحرک تقسیم و بازنمونه­گیری از آنها صورت می­پذیرد. چون در این روش حضور مشاهدات مرزی در بلوک­های بازنمونه­گیری شده نسبت به سایر مشاهدات شانس انتخاب کمتری دارند، برآورد اندازه­های دقت اریب می­باشند. در این مقاله، علاوه بر مرور روش بوت­استرپ بلوک متحرک، روش بوت­استرپ بلوک مجزا برای برآورد اندازه­های دقت برآوردگر پارامترهای تغییرنگار و پیشگوی فضایی کریگینگ ارائه می­شود. سپس نحوه کاربست این روش در یک مثال کاربردی نشان داده می­شود.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

روش بوت استرپ بلوک مجزا برای تعیین اندازه های دقت برآورد پارامترهای تغییرنگار و پیشگویی فضایی

در اغلب مطالعات محیطی، داده­ها بر حسب موقعیت­شان در ناحیه مورد مطالعه معمولا وابسته فضایی هستند. تعیین ساختار همبستگی فضایی و پیشگویی دو مساله مهم در تحلیل داده­های فضایی هستند. برای تحلیل این داده­ها، اغلب یک مدل تغییرنگار پارامتری به تغییرنگار تجربی داده­ها برازش داده می­شود و براساس آن پیشگویی صورت می­پذیرد. با توجه به اینکه شکل بسته­ای برای برآوردگر پارامترهای تغییرنگار وجود ندارد، معمولا ا...

full text

روش بوت استرپ بلوک مجزا در آمار فضایی

روش بوت استرپ افرون برای برآورد میزان دقت برآوردگرها، هنگام مشاهدات مستقل کاربرد دارد. برای داده های فضایی که بر حسب موقعیت قرار گرفتن آن ها در فضای مورد بررسی به یک دیگر وابسته هستند، معمولاً روش بوت استرپ بلوک متحرک مورد استفاده قرار می گیرد. از آنجا که در این روش مشاهدات مرزی نسبت به سایر مشاهدات امکان کمتری برای حضور در بلوک ها دارند، در این مقاله روش بوت استرپ بلوک مجزا معرفی و الگوریتمی بر...

full text

روش بوت استرپ برای تعیین حدود کنترل میانگین فرآیند آماری

معمولاً عمل کرد یک فرآیند تولیدی به وسیلۀ نمودارهای شوهارت که ابزاری برای کشف انحراف های با دلیل و بهبود فرآیند با کاهش تغییرپذیری است، تحت نظارت و کنترل قرار می گیرد. هنگامی که توزیع فرآیند نرمال نباشد این گونه نمودارها کارایی ندارند. روش بوت استرپ یک خانواده از روش های باز نمونه گیری است که می تواند بدون فرض نرمال بودن مشاهده ها در کنترل کیفیت آماری استفاده شود. در مقاله های متعددی تنها از روش...

full text

برآورد کوچک ناحیه ای و پیشگویی فضایی

اندک بودن اندازه داده‌ها در آمارگیری از کوچک نواحی، موجب دقت کم برآوردهای مستقیم ویژگی‌های مختلف در این نواحی می‌شود. با توجه به افزایش وسیع تقاضا برای تولید آمار‌های معتبر و دقیق برای کوچک نواحی، مطالعات زیادی انجام شده است که با ارائه رهیافت‌های مناسب این مشکل حل شود. معمولاً مدل‌های آمیخته خطی اساس بسیاری از روش‌های برآورد کوچک ناحیه‌ای هستند که با استفاده از منابع مختلف، اطلاعاتی کمکی به برآ...

full text

مقایسه‌ی برآوردگرهای بوت استرپ، درستنمایی ماکزیمم بهبودیافته و گشتاوری پارامترهای مدل خودبازگشتی با خطاهای نامنفی

فرض نرمال بودن خطاها، یکی از فرضیات معمول در مدل‌های سری زمانی است اما در بعضی مواقع با مواردی مواجه می‌شویم که خطاها از توزیع نرمال پیروی نمی‌کنند. در این مقاله مدل‌های خودبازگشتی در نظر گرفته می‌شوند که در آن خطاها مستقل و همتوزیع هستند و از توزیعی از خانواده‌های نمایی و یا وایبل پیروی می‌کنند. برآوردگرهای درستنمایی ماکزیمم بهبودیافته، بوت استرپ و گشتاوری پارامترهای مجهول مدل‌های ذکر شده در ح...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 3  issue 2

pages  161- 171

publication date 2010-03

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023