پیشگویی فضایی بیزی برای مدل چوله-گاوسی و مقایسه آن با مدل تبدیل یافته گاوسی
چکیده
چکیدهای برای این سند ثبت نشده است.
چکیدهای برای این سند ثبت نشده است.
در اغلب تحلیل های آمار فضایی فرض بر این است که داده ها تحققی از یک میدان تصادفی گاوسی هستند، اما مشخصه های ناگاوسی مانند متغیرهای تصادفی نامنفی با توزیع چوله در اکثر زمینه های علمی دیده می شوند. مدل بندی این نوع داده ها با استفاده از میدان تصادفی چوله گاوسی، که براساس توزیع چوله
در رگرسیون کلاسیک و فضایی معمولا فرض می شود که داده های تحت بررسی نرمال هستند. اما در عمل با موارد متعددی مواجه می شویم که در توزیع داده ها شواهدی از چولگی یا سنگینی دم ها مشاهده می شود. در اینگونه مسائل، خانواده توزیع های آمیخته مقیاسی از چوله نرمال روش مناسبی برای مدلبندی داده
مدل های آمیخته خطی تعمیم یافته فضایی برای مدل بندی پاسخ های فضایی گسسته به کار می روند، که در آنها ساختار همبستگی فضایی داده ها از طریق متغیرهای پنهان با توزیع نرمال در نظر گرفته می شود. هر چند فرض نرمال بودن توزیع متغیرهای پنهان موجب سهولت محاسبات می شود، اما در عمل به دلیل غیرق
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 فضای
براورد پارامترهای این مدلها با روش های کلاسیک به سختی انجام می گیرد. لذا روش های mcmc برای براورد این پارامترها استفاده می کنیم. مدل گارچ مورد بررسی در این تحقیق دارای تحقیق دارای دو توزیع نرمال و تی استودنت است، لازم به ذکر است که با استفاده از روش های مدل گزینی بیزی نیز درستنما
عدم قطعیت یکی از ویژ گیهای ذاتی در بسیاری از دادههای زیستی، زمین آماری و جغرافیایی، به عنوان دادههای فضایی است، که در اغلب اوقات ناشی از وجود خطا در اندازه گیری کمیتهای مورد مطالعه است. این در حالی است که در نظر نگرفتن این موضوع میتواند اعتبار نتایج حاصل از تحلیل دادهها را
در این مقاله با استفاده از توزیع چند متغیره تعمیم یافته t-چوله یک میدان تصادفی را تعریف میکنیم و سپس از این میدان برای دستیابی به دقت بیشتر در پیشبینی فضایی استفاده میکنیم. با توجه به اینکه این توزیع برای دادههای دم سنگین و دم سبک قابل استفاده و انعطافپذیر است، میتوان از ای
در عمل توزیع دادههای فضایی دارای چولگی هستند که بهدلیل پیچیدگیهای ذاتی آنها، مدلسازی آماری را با چالشهای جدی مواجه میسازد. مدلهای میدان تصادفی چوله گاوسی چارچوبی منعطف برای تحلیل این نوع دادهها فراهم میکنند، اما بسیاری از آنها با مشکلاتی مانند پیچیدگی محاسباتی و عدم شن
برای مدل بندی دادههای رسته ای فضایی از مدلهای آمیخته خطی تعمیم یافته فضایی استفاده میشود که در این مدلها اغلب متغیرهای پنهان که بیان گر همبستگی فضایی هستند، با یک میدان تصادفی گاوسی مدل بندی میشوند. عدم برقراری فرض گاوسی باعث تاثیر روی دقت پیش گوییها و برآورد پارامترهای مدل
با توجه به سرعت بالای شیوع بیماری ناشی از ویروس کرونا به نظر میرسد انتقال این بیماری تا حد بسیار زیادی متاثر از موقعیت مکانی افراد آلوده به ویروس است. از زمان آغاز پاندمی، مدلهای زیادی برای تحلیل زمان بقای بیماران مبتلا به این ویروس استفاده شده است. چون یکی از عوامل مهم خطر، هم
زمینه: اعتبار تحلیلهای چندسطحی با تأکید بر تفاوتهای نظریههای اندازهگیری (رویکرد کلاسیک اندازهگیری و رویکرد نظریه جدید اندازهگیری (IRT)) به کمک دادههای مختلف مورد پژوهشهای اخیر بوده است. هدف: هدف از انجام پژوهش حاضر بدست آوردن میزان تأثیر مدارس بر نمرات کسب شدۀ دانشآموزان