English  |  正體中文  |  简体中文  |  全文笔数/总笔数 : 51254/86278 (59%)
造访人次 : 8001737      在线人数 : 72
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
搜寻范围 查询小技巧:
  • 您可在西文检索词汇前后加上"双引号",以获取较精准的检索结果
  • 若欲以作者姓名搜寻,建议至进阶搜寻限定作者字段,可获得较完整数据
  • 进阶搜寻


    jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/101285


    题名: 卜瓦松-對數常態模式於時空資料之研究
    其它题名: Poisson-Lognormal Model for Spatial-Temporal Data
    作者: 張雅梅
    贡献者: 淡江大學統計學系
    日期: 2013-08
    上传时间: 2015-04-21 14:11:29 (UTC+8)
    摘要: 在流行病學研究上,利用計數資料來估計整個研究區域的疾病地圖是非常重要的議 題。我們在卜瓦松-對數常態模式的架構下,發展一時空模式,將經對數轉換後的條 件期望病例人數表示為數個基底函數的線性組合,將平均數與變異數估計問題視為 迴歸分析,利用傳統的Lasso法與group Lasso法來挑選適合的基底函數及估計平 均數與共變異數。此種方法能描繪平穩或非平穩過程,且在處理龐大的空間資料上, 能迅速有效地被運算。
    In epidemiology, disease mapping using count data is a very important issue. Under a Poisson-lognormal model, we develop a spatial-temporal process. The log transformation of the conditional expected number of cases is decomposed as a linear combination of basis functions. The problem of mean and covariance estimations can be considered as a regression. A subset selection method of Lasso and group Lasso are used to choose a suitable subset of the basis functions and estimate the mean and covariances. This method can characterize either non-stationary or nearly stationary spatial processes, and is computationally efficient for large spatial data sets.
    显示于类别:[統計學系暨研究所] 研究報告

    文件中的档案:

    没有与此文件相关的档案.

    在機構典藏中所有的数据项都受到原著作权保护.

    TAIR相关文章

    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library & TKU Library IR teams. Copyright ©   - 回馈