Книга "Пространственная статистика и данные пространственно-временных процессов. Ковариационные функции и направленные свойства" ориентирована на изучение ковариационных и вариограммных функций в контексте пространственных или пространственно-временных данных. Выбор правильной ковариационной функции играет фундаментальную роль в получении эффективных прогнозов и понимании физических процессов, лежащих в основе интереса. В книге рассматриваются как новые, так и более устоявшиеся методы, чтобы оценить многие общие предположения о ковариационных функциях, такие как изотропность, разделимость, симметрия и внутренняя корреляция. После обширного введения в пространственную методологию, книга освещает влияние общих предположений о ковариационных функциях и методы оценки соответствия таких предположений различным структурам данных. Книга содержит иллюстрации всех методов на основе данных и экспериментов по моделированию, чтобы продемонстрировать все методы и помочь правильно использовать их. Книга предназначена для статистиков, исследователей и аналитиков данных, работающих с пространственными и пространственно-временными данными, а также для студентов магистратуры с базовыми знаниями статистики, изучающих курсы в области инженерии, количественной экологии или атмосферной науки.
В областях пространственного (или пространственно-временного) контекста определение правильной ковариационной функции является ключевым для эффективного прогнозирования и понимания процессов, представляющих интерес. Эта книга фокусируется на ковариационных и вариограммных функциях, их роли в прогнозировании и выборе функций в различных приложениях. Иллюстративно показаны как недавние, так и устоявшиеся методы для оценки традиционных предположений о таких функциях, включая изотропию, сепарабельность, симметрию и внутреннюю корреляцию. После подробного введения в методологию пространственной области, в книге рассматриваются эффекты общепринятых предположений о ковариации и методы оценки приемлемости подобных предположений для различных структур данных. Ключевые особенности: Кратное введение в методологию пространства, включающее обзор пространственных ковариационных функций и их использование в пространственном предсказании (тригинг). Изучается методология для оценки приемлемости предположений о пространственной ковариации в рамках различных построений, включая пространство, пространственно-время и многомерные пространства. Приводится иллюстрация всех методов на основе данных и симуляций, демонстрирующих всю методологию и руководство по правильному использованию всех методов. Представляет краткий обзор коурса пространственных и пространственно-темпоральных моделей, подчёркивая случай нормального распределения и настройки бинарных данных, и различные подходы к оценке и настройке этих двух видов данных. Обсуждаются модели, допускающие анизотропные и неполюары в ковариациях в области или временах, дают введение к моделям точечных построений и обсуждению тестирования для случайности точечных систем и моделей, а также обсуждению измерений таких систем. Учитывается важность и оценка изотропии точечных форм. Статисты, исследователи, и специалисты по обработке данных, работающие с пространственными и пространственновременными данными, извлекут пользу из этой книги, также как и студентов статистических дисциплин, следующих базовым курсам в инженерной, количественной экологии или атмосферных науках.
Электронная Книга «Spatial Statistics and Spatio-Temporal Data. Covariance Functions and Directional Properties» написана автором Michael Sherman в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9780470974407
Описание книги от Michael Sherman
In the spatial or spatio-temporal context, specifying the correct covariance function is fundamental to obtain efficient predictions, and to understand the underlying physical process of interest. This book focuses on covariance and variogram functions, their role in prediction, and appropriate choice of these functions in applications. Both recent and more established methods are illustrated to assess many common assumptions on these functions, such as, isotropy, separability, symmetry, and intrinsic correlation. After an extensive introduction to spatial methodology, the book details the effects of common covariance assumptions and addresses methods to assess the appropriateness of such assumptions for various data structures. Key features: An extensive introduction to spatial methodology including a survey of spatial covariance functions and their use in spatial prediction (kriging) is given. Explores methodology for assessing the appropriateness of assumptions on covariance functions in the spatial, spatio-temporal, multivariate spatial, and point pattern settings. Provides illustrations of all methods based on data and simulation experiments to demonstrate all methodology and guide to proper usage of all methods. Presents a brief survey of spatial and spatio-temporal models, highlighting the Gaussian case and the binary data setting, along with the different methodologies for estimation and model fitting for these two data structures. Discusses models that allow for anisotropic and nonseparable behaviour in covariance functions in the spatial, spatio-temporal and multivariate settings. Gives an introduction to point pattern models, including testing for randomness, and fitting regular and clustered point patterns. The importance and assessment of isotropy of point patterns is detailed. Statisticians, researchers, and data analysts working with spatial and space-time data will benefit from this book as well as will graduate students with a background in basic statistics following courses in engineering, quantitative ecology or atmospheric science.
