روش های بوت استرپ در تحلیل داده های فضایی
Abstract
No abstract recorded for this item.
No abstract recorded for this item.
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
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
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 نمون
در طول دو دهه اخیر مطالعات کاربردی بسیاری برای ارزیابی دلایل ناکارایی در صنایع مختلف از یک روش شبه پارامتری دو مرحله ای موسوم به مدل توبیت استفاده نموده اند. کاربرد این روش برای نمونه های کوچک به دلیل امکان وجود تورش در نتایج آن، اخیراً مورد انتقاد بوده است. یک روش دو مرحله ای شب
بدون شک هر گونه برنامه ریزی و سیاست گذاری در زمینه رشد اقتصادی به عنوان یکی از اهداف کلان اقتصادی، نیازمند توجه ویژه به بخش انرژی و محیط زیست و ارتباط آن ها با تولید است. از این رو در پژوهش حاضر، با هدف بررسی دقیق تر علیت بین انتشار کربن، مصرف انرژی و رشد اقتصادی نسبت به آزمون فر
با توجه به اینکه برای سیاستگذاران آگاهی از ماندگاری یا ماندگارنبودنِ تورم اهمیت دارد، در این تحقیق درجة ماندگاری نرخ تورم کل و نیز تورم در دوازده زیرگروه طی دورة 1381 ـ 1392 بررسی میشود. بدین منظور، از مدلهای AR و مجموع ضرایب (ریشههای) این مدلها به عنوان تخمینی از درجة ماند