شبیهسازی بوتاسترپ فضایی
شبیهسازی بوتاسترپ فضایی یک تکنیک نمونهبرداری مجدد است که برای دادههای وابسته فضایی طراحی شده است. با نمونهبرداری مجدد بلوکهای فضایی پیوسته به جای مشاهدات مستقل، ساختار خودهمبستگی محلی دادهها را حفظ کرده و تخمینهای معتبری از تغییرپذیری نمونهبرداری برای آمارههای محاسبهشده بر روی مشاهدات جغرافیایی یا شبکهای ارائه میدهد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Lahiri, S. N. (2003). Resampling Methods for Dependent Data. Springer. ISBN: 978-0387009285
- Efron, B. & Tibshirani, R. J. (1993). An Introduction to the Bootstrap. Chapman & Hall/CRC. ISBN: 978-0412042317
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Spatial Bootstrap Simulation. ScholarGate. https://scholargate.app/fa/bayesian/spatial-bootstrap-simulation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- فیلتر کالمنبیزی↔ compare
- مونتکارلوی ترتیبیبیزی↔ compare
- استنتاج بیزی فضاییبیزی↔ compare
- MCMC فضاییبیزی↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →