کتاب مسائل حل شده در زمین آمار که به همت مهندس محمد حسین و مهدی گندم گون ترجمه شده است راهنمایی بسیار مناسب برای کلیه دانشجویان زمین آمار می باشد.
این کتاب شامل نه فصل است. هر فصل به یک موضوع خاص اختصاص دارد و شامل سه مسأله میشود. انتظار داریم دانشجویان، 1 تا 20 ساعت را به بررسی راهحل خود برای هر مسأله اختصاص دهند.
فصل 2، به برخی از مفاهیم اصلی احتمال اشاره دارد. اگرچه استفاده از توزیع پارامتری در شیوههای مدرن کاهش مییابد، توانایی محاسبه لحظات و چارکهای[1] توزیع تحلیلی، بینش ارزشمندی را در مورد پارادایم احتمالاتی مبتنی بر زمینآمار ارائه مینماید. اولین مسأله، بررسی نظریه اساسی احتمال است. معمولاً از ترکیبات وزنی دادهها در حوزه زمینآمار استفاده میشود. دومین مسئله، محاسبه واریانس یک ترکیب خطی است. در نهایت، انتقال دادهها و آمارهها بین واحدهای استاندارد و غیر استاندارد در آخرین مسأله مطرح میگردد.
فصل 3 بر نیاز به آمارههای نمونهای متمرکز شده است. سایتها به طور یکسان نمونهبرداری نمیشوند و در نظر گرفتن دادهها به عنوان الگوهای مستقل نمونهای از یک جمعیت اساسی، غیر واقعی است. اولین مسأله، مبنایی برای نشان دادن نحوه اختصاص وزنهای نابرابر به دادههاست. دومین مورد یک مسئله نظری مربوط به این مفهوم عملی است که بخشهایی از توزیع وجود دارد که ممکن است نمونهبرداری نشده باشند. در این مورد میتوان از دادههای ثانویه برای ایجاد یک توزیع نمونهای استفاده کرد. مسأله نهایی مربوط به مقایسه ابزار عملی برای تعیین آمارههای نمونهای است.
فصل 4 به نمایش ابزار اساسی شبیهسازی مونت کارلو[2] (MCS) اختصاص دارد. در تمرین اول از MCS برای نشان دادن قضیه حد مرزی[3] استفاده میشود، به این معنی که مجموع متغیرهای تصادفی توزیع شده، بدون توجه به توزیع اولیه به توزیع گاوسی میل میکند. بوت استرپ[4] و بوت استرپ فضایی در مسئله دوم به عنوان روشهای ارزیابی عدم قطعیت[5] پارامتر معرفی میشوند. مسأله سوم یک نمونه عملی مرتبط با انتقال عدم قطعیت از متغیرهای تصادفی ورودی به برخی از متغیر پاسخ غیرخطی مورد نظر میباشد.
در فصل 5، واریوگرام معتبر ارائه می شود. مفهوم ناهمسانگردی هندسی[6] بسیار ساده است مگر این که با یک مسأله سه بعدی عملاً دشوار مواجه شویم و سپس، پیچیدگیهای مقابله با ناهمسانگردی بسیار چالشبرانگیز خواهد بود. جزئیات مربوط به ناهمسانگردی هندسی که در کل مباحث زمینآماری مورد استفاده قرار گرفته است، در مسأله اول تحت بررسی قرار میگیرد. در مورد دوم، دانشجو باید یک واریوگرام را به طور دستی از یک مجموعه داده کوچک محاسبه نماید. در نهایت، مسأله سوم به مدلسازی واریوگرام و استفاده از واریوگرام در درک نحوه کاهش واریانس برحسب افزایش مقیاس میپردازد.
در فصل 6، کریجینگ به عنوان یک برآوردگر بهینه ارائه میگردد. کریجینگ به طور مستقل توسط بسیاری از متخصصان در بسیاری از زمینههای مختلف توسعه داده شد. در اولین مسأله از دانشجو تقاضا میشود تا معادلات ضروری مبتنی بر برآوردگر کریجینگ را به دست آورد. بسیاری از انواع کریجینگ جهت دستیابی به عدم سوگیری[7] های میانگین تحت مدلهای مختلف، مبتنی بر قیود هستند. دومین مورد از دانش آموز میخواهد که مبنای کریجینگ معمولی، جهانی و با روند خارجی[8] را بیابد. کریجینگ یک تکنیک منحصر به فرد ریاضی است که نزدیکی دادهها به مقداری نامشخص و افزونگی[9] بین دادهها را توجیه میکند. در مسأله نهایی، برخی از خصوصیات برآوردگر کریجینگ مورد بررسی قرار میگیرند.
فصل 7 بر شبیهسازی گاوسی و اهمیت پذیرفته شده آن در مدلسازی عدم قطعیت برحسب متغیرهای پیوسته تمرکز دارد. اولین مسأله، بررسی توزیع گاوسی دو متغیره است. این تنظیم برای یادگیری خواص توزیع گاوسی چند متغیره مفید است؛ زیرا توزیع مرتبه بالاتر، امری دشوار محسوب میگردد. مسأله دوم، اهمیت شرطیسازی در زمینآمار را نشان میدهد؛ که به منزله اجرای بازتولید اطلاعات محلی میباشد. استفاده از کریجینگ به منظور تحقق بی قید و شرط نشان داده شده است. در نهایت، مجموعهای از مسائل مکمل برای شبیهسازی مفاهیم عملی ارائه می گردد.
فصل 8، به مسایل مرتبط با زمینآمار شاخص اختصاص دارد. عمق غنی مدلسازی متغیرهای قطعی[10] تحت تاثیر شاخصهاست. اولین مسأله، به ارتباط تئوری بین وایوگرامهای شاخص و اندازه و ابعاد اشیا مربوط است. دومین مورد، استفاده از واریوگرامهای شاخص را در زمینه بررسی یک فرض چند گاوسی نشان میدهد. مسأله سوم مستلزم محاسبه دستی جهت انجام کریجینگ شاخص برای ساخت توزیع احتمالی شرطی یک متغیر قطعی است.
فصل 9، جزئیات مدلسازی بیش از یک متغیر را به طور همزمان بررسی میکند. اولین مسأله، برازش[11] همزمان واریوگرامهای مستقیم و متقاطع را تنها با یک مدل عملی "کامل" از منطقهایسازی توام[12] نشان میدهد: مدل خطی منطقهایسازی توام. مسأله دوم، شامل پارادایم به اصطلاح شبیهسازی توام[13] در یک چارچوب گاوسی چند متغیره است. در آخرین مسئله این فصل، مسأله چالش برانگیز مدلسازی متغیرهای مختلف در مقیاسهای مختلف معرفی شده است.
فصل 10 به چند موضوع جدید اشاره دارد. کاربرد تئوری ابزار و توابع تلفات همراه با توزیع زمینآماری به دست آمده از عدم قطعیت در اولین مسأله مورد استفاده قرار میگیرد. دومین مسأله مربوط به استفاده از طرحهای ترکیبی احتمالی مانند پایداری نسبتهاست. این موارد به واسطه محبوبیت به دست آمدهاند و در روند مدلسازی متغیرهای متناظر قابل اجرا میباشند. در نهایت، آخرین تمرین مربوط به زمینآمار نقطه چندگانه است که در سالهای اخیر به طور فزایندهای رواج یافته است.
این 27 مسأله، روشهای زمینآماری به خوبی شناخته شده را به طور برجسته نشان میدهند و یا مبنایی برای تکنیکهای امیدوارکننده در تحقیقات و برنامههای آینده به شمار میروند. برخی از مسائل مستلزم دادهها یا برنامههای خاصی هستند.
این فایلها و سایر موارد تکمیلی در وبسایت www.solvedproblems.com در دسترس میباشند. اصلاحات مربوط به مسائل و راهحلها همراه با مسائل اضافی نیز از این وبسایت موجود است.
[1]. Quantiles
[2]. Monte Carlo Simulation
[3]. Central Limit Theorem
[4]. Bootstrap
[5]. Uncertainty
[6]. Geometric Anisotropy
[7]. Unbiasedness
[8]. External Drift Kriging
[9]. Redundancy
[10]. Categorical
[11]. Fitting
[12]. Coregionalization
[13]. Cosimulation
برچسب های مهم