Улучшение связей для пространственного анализа
Статистическая модель, учитывающая общие зависимости в пространственных данных, дает более реалистичные результаты для исследований температуры, ветра и уровня загрязнения.
Исследователи из Научно-технологического университета имени короля Абдаллы (KAUST) в Саудовской Аравии разработали статистическую модель для пространственных данных (например, температур в разных точках), которая точнее отражает географическую взаимосвязь между измеряемыми переменными.
Надежные и реалистичные статистические модели критически важны почти для всех областей научных исследований и инженерии. Выбор неподходящей модели для данного набора данных может привести к катастрофически ошибочной интерпретации результатов, тогда как модель, учитывающая механистическую связь между переменными, — к новым открытиям.
«Пространственная статистика включает моделирование переменных, измеренных в разных пространственных локациях, — пояснил профессор прикладной математики и вычислительных наук KAUST Марк Джентон. — Многие существующие модели, называемые копулами, не могут корректно уловить пространственную зависимость между переменными, например, когда зависимость ослабевает с увеличением расстояния — как в случае с температурой».
Джентон совместно с коллегами доктором Павлом Крупским и профессором Рафаэлем Юзером разработал копулу, способную работать с разными типами зависимостей между переменными. Их модель также предлагает более простую интерпретацию данных: существует ненаблюдаемый общий фактор, одновременно влияющий на все переменные.
«Например, данные о температуре в небольшом географическом регионе могут зависеть от общих погодных условий, что можно рассматривать как общий фактор, — объяснил Джентон. — Чтобы представить такие ситуации, мы использовали стандартную гауссову модель и добавили общий случайный фактор, одновременно влияющий на все переменные, что является правдоподобным предположением во многих пространственных приложениях».
Исследователи продемонстрировали полезность своей факторной копулы-модели, применив её для анализа среднесуточных температур по всей Швейцарии. Их модель показала хорошие результаты по сравнению с другими статистическими подходами и дала более надежное представление о базовой зависимости между географическими точками.
«Наша копула может использоваться для моделирования любой переменной, измеряемой повторно во времени в разных пространственных локациях, например, ежедневных или почасовых данных о температуре или ветре на разных метеостанциях, или для моделирования уровня загрязнения, измеряемого с помощью метеозондов или спутников», — отметил Джентон.