رگرسیون فضایی چوله گاوسی
Abstract(in Persian; no English abstract is available)
رگرسیون فضایی چوله گاوسی چکیده در بسیاری از مسائل کاربردی، متغیرهای پاسخ فضایی از یک توزیع چوله تبعیت می کنند. یک روش برای تحلیل داده های چوله، به کارگیری مدل گاوسی تبدیل یافته است. از آنجا که اعمال تبدیل مشخصه-های میدان مانند پارامترها و تفسیر آنها را تحت تأثیر قرار می دهد، در یک چارچوب بیزی از پیش مستقل در نظر گرفتن پارامترهای تابع همبستگی و خطای اندازه گیری از پارامتر تبدیل صحیح به نظر نمی رسد. لذا در این پایان نامه، رهیافت بیز تجربی مبتنی بر استفاده از روش رگرسیون هستهای را برای حل این مسئله پیشنهاد می دهیم. روش دیگر برای تحلیل داده های فضایی نامتقارن، استفاده از مدل رگرسیونی چوله گاوسی است که در آن متغیر فضایی به صورت ترکیبی از یک میدان تصادفی گاوسی و قدرمطلق یک میدان تصادفی گاوسی مستقل دیگر در نظر گرفته شده و به علاوه خطای اندازه گیری لحاظ می شود. از آنجا که در این مدل یک متغیر کمکی پنهان موجود است، امکان ماکسیمم نمودن تابع درستنمایی بر اساس الگوریتم em مونت کارلویی فراهم می شود، که در آن از روش نمونه گیری برشی برای تقریب امیدهای ریاضی استفاده می شود. در ادامه این روش مدل بندی را به حالت هایی که با داده های دودویی، دو متغیره و دودویی دو متغیره مواجه ایم، تعمیم می دهیم. به عبارت دیگر مدل های فضایی چوله گاوسی بریده شده، چوله گاوسی دو متغیره و چوله گاوسی بریده شده دو متغیره معرفی و شیوه استنباط درستنمایی آنها را بیان می کنیم. روش ها در مثال های شبیه سازی و کاربردی ارائه شده و عملکرد آنها به ویژه در پیشگویی مورد بررسی قرار می گیرد.