شماره ركورد كنفرانس :
5274
عنوان مقاله :
الگوريتمهاي مونت كارلويي براي برآوردماكسيمم درستنمايي مدلهاي آميخته خطي تعميميافته فضايي چوله
عنوان به زبان ديگر :
Monte Carlo Algorithms for Maximum Likelihood Estimation of Skew Spatial GLM Models
پديدآورندگان :
حسيني فاطمه fatemeh.hoseini@semnan.ac.ir دانشگاه سمنان , كريمي اميد omid.karimi@semnan.ac.ir دانشگاه سمنان
كليدواژه :
متغيرهاي پنهان فضايي , الگوريتم مونت كارلويي هميلتوني , ميدان تصادفي چوله گاوسي بسته
عنوان كنفرانس :
چهارمين سمينار آمار فضايي و كاربردهاي آن
چكيده فارسي :
در مدلهاي آميخته خطي تعميميافته فضايي همبستگي فضايي دادهها بهصورت متغيرهاي پنهان فضايي در نظر گرفته ميشود. معمولا براي سادگي فرض بر اين است كه متغيرهاي پنهان داراي توزيع نرمال ميباشند كه نادرست بودن اين فرض برروي دقت نتايج تاثيرگذار است. در اين مقاله متغيرهاي پنهان با ميدان تصادفي چوله گاوسي بسته مدلبندي ميشوند كه بزرگتر و انعطافپذيرتر از ميدان تصادفي گاوسي ميباشد و يك الگوريتم جديد براي بهدست آوردن برآورد ماكسيمم درستنمايي پارامترها معرفي ميشود. اساس الگويتم معرفيشده بر مبناي الگوريتم ماكسيممسازي اميدرياضي و نوعي الگوريتم مونت كارلويي هميلتوني است. كارايي الگوريتم معرفي شده در يك مثال واقعي بررسي ميشود.