Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Autokorelacja" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    The Spatial Autocorrelation Analysis For Transport Accessibility In Selected Regions Of The European Union
    Autokorelacja przestrzenna dostępności transportowej w regionach wybranych krajów Unii Europejskiej
    Autorzy:
    Górniak, Joanna
    Powiązania:
    https://bibliotekanauki.pl/articles/633181.pdf
    Data publikacji:
    2016
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    autokorelacja przestrzenna
    dostępność transportowa
    statystyka Morana I
    spatial autocorrelation
    transport accessibility
    Moran’s I statistic
    Opis:
    W związku z istotnymi różnicami społeczno-gospodarczymi pomiędzy regionami, poziom rozwoju transportu jest niejednolity. Według prawa Toblera (1970 r.) wskazać można, iż wszystkie obiekty są ze sobą powiązane, jednak obiekty bliższe są bardziej uzależnione od siebie niż obiekty położone dalej. Wówczas zidentyfikować można występowanie autokorelacji przestrzennej. Na przykładzie regionów europejskich można przykładowo ocenić, czy regiony przygraniczne, leżące na obszarach różnych krajów, wykazują względem siebie podobieństwo.Głównym celem niniejszego artykułu jest ocena oraz analiza występowania autokorelacji przestrzennej w ramach dostępności transportowej. Hipoteza ogólna brzmi następująco: pomiędzy regionami europejskimi występuje dodatnia autokorelacja przestrzenna w ramach problematyki dostępności transportowej. Podmiotami badania są wybrane regiony europejskie na poziomie NUTS 2. Do oceny występowania autokorelacji przestrzennej wykorzystano statystki klasyczne Morana.
    In view of the significant differences between the socio-economic regions, the level of development of transport is not homogenous. According to Tobler’s law (1970) we can point out that all objects are related to each other, but the ones located closer are more dependent on each other than those farther away. Then we can identify the occurrence of spatial autocorrelation. For example, the European regions can assess whether the border regions of different countries show a similarity to each other. The main purpose of this article is to assess and analyze the occurrence of spatial autocorrelation in connection with the transport accessibility (measured by density of a motorway network). The general hypothesis is: between European regions, there is a positive spatial autocorrelation in connection with the problems of transport accessibility. Research subjects are selected European regions at NUTS level 2. To evaluate the occurrence of spatial autocorrelation the classic Moran I statistic has been used.
    Źródło:
    Comparative Economic Research. Central and Eastern Europe; 2016, 19, 5; 25-42
    1508-2008
    2082-6737
    Pojawia się w:
    Comparative Economic Research. Central and Eastern Europe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A Statistical Toolbox For Mining And Modeling Spatial Data
    Narzędzie statystyczne do analizy eksploracyjnej oraz modelowania danych przestrzennych
    Autorzy:
    d’Aubigny, Gérard
    Powiązania:
    https://bibliotekanauki.pl/articles/633187.pdf
    Data publikacji:
    2016
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    analiza wielowymiarowa
    graf dualności
    autokorelacja przestrzenna
    współczynnik Morana
    mapa wektora własnego statystyki Morana
    operator Laplace'a
    funkcja własna filtracji przestrzennej
    duality diagram
    spatial autocorrelation
    Moran’index
    Moran’s Eigenvector Maps
    Laplace operator
    spatial eigenfunction filtering
    Opis:
    Większość analiz eksploracyjnych danych przestrzennych rozpoczyna się od oceny próby jednostek przestrzennych, pod względem występowania oraz siły autokorelacji przestrzennej dla zbioru zmiennych, stanowiących atrybuty jednostek przestrzennych. Trafność aplikacji najbardziej cenionych narzędzi weryfikacji autokorelacji przestrzennej –współczynników Morana oraz Geary’ego jest rzadko kwestionowana, pomimo faktu, że w przypadku opisywania ich własności wielu użytkowników zdaje się popełniać błędy oraz wprowadzać nieład. Artykuł rozpoczyna się od krytycznej oceny klasycznej definicji indeksów. Założono, że pomimo intuicyjnej konstrukcji, koncepcja indeksów boryka się z brakiem spójności w przypadku wielu ich składowych. Następnie zaproponowano korektę współczynników autokorelacji przestrzennej, która upraszcza ich relacje, i otwiera drogę do włączenia statystyk do zestawu narzędzi statystycznych, modelowania oraz wizualizacji. W drugiej części zaprezentowano teoretyczne przesłanki konstruowania wielowymiarowych narzędzi statystycznych, uwzględniających skorygowane definicje współczynników autokorelacji przestrzennej, zaczerpnięte z ostatnich prac w dziedzinie statystyki. Przedstawione metody eksploracyjnej wielowymiarowej analizy danych charakteryzują się łatwością zastosowania oraz oprogramowania z wykorzystaniem dostępnych, darmowych pakietów.
    Most data mining projects in spatial economics start with an evaluation of a set of attribute variables on a sample of spatial entities, looking for the existence and strength of spatial autocorrelation, based on the Moran’s and the Geary’s coefficients, the adequacy of which is rarely challenged, despite the fact that when reporting on their properties, many users seem likely to make mistakes and to foster confusion. My paper begins by a critical appraisal of the classical definition and rational of these indices. I argue that while intuitively founded, they are plagued by an inconsistency in their conception. Then, I propose a principled small change leading to corrected spatial autocorrelation coefficients, which strongly simplifies their relationship, and opens the way to an augmented toolbox of statistical methods of dimension reduction and data visualization, also useful for modeling purposes. A second section presents a formal framework, adapted from recent work in statistical learning, which gives theoretical support to our definition of corrected spatial autocorrelation coefficients. More specifically, the multivariate data mining methods presented here, are easily implementable on the existing (free) software, yield methods useful to exploit the proposed corrections in spatial data analysis practice, and, from a mathematical point of view, whose asymptotic behavior, already studied in a series of papers by Belkin & Niyogi, suggests that they own qualities of robustness and a limited sensitivity to the Modifiable Areal Unit Problem (MAUP), valuable in exploratory spatial data analysis.
    Źródło:
    Comparative Economic Research. Central and Eastern Europe; 2016, 19, 5; 5-24
    1508-2008
    2082-6737
    Pojawia się w:
    Comparative Economic Research. Central and Eastern Europe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies