项目名称: 小样本空间制图

项目编号: No.41271404

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 天文学、地球科学

项目作者: 王劲峰

作者单位: 中国科学院地理科学与资源研究所

项目金额: 80万元

中文摘要: 空间制图广泛运用于地学等领域。与单纯地对一个区域内的某个属性的全局均值估计不同,本研究着重考虑多报告单元(如行政区划或者人为划定的网格等),需要对每个报告单元的均值进行估计的情况。此时,为保证估值精度,抽样费用随报告单元增多而急剧增加;换言之,随着报告单元数增加,每个报告单元内的样本数相对减少,使得估计误差会增大。本研究致力于研发一种新的方法,运用方差分析结合"二次"分层统计解决多报告单元统计推断所面临的小样本问题。我们假设区域是异质的,即均值在整个区域内是变化的,且可以分层(stratified)为多个均质子区域,即每个子区域内的均值固定。各个分层单元内的统计信息传递到报告单元中。我们将通过一系列的理论推导和全国乙肝病毒携带率制图等实验,与其他已有方法的样本量和估值精度对比,以描述这种新方法的适用条件和实际应用效果。

中文关键词: 小样本;空间制图;多单元报告;空间分异性;

英文摘要: Mapping is widely used in environmental and social research. In this proposal we consider the situation where instead of a single global estimate of the mean of an attribute for an area, estimates are required for each of many geographically defined reporting units (such as counties or grid cells) because their means cannot be assumed to be the same as the global figure. Not only may the cost of a survey greatly increase if sample size has to be a function of the number of reporting units, estimator sampling error tends to be large if the population attribute of each reporting unit can be estimated by using only those samples actually lying inside the unit itself. This study proposes a simple approach to multi-unit reporting by using analysis of variance (ANOVA) and incorporating 'twice' stratified statistics. We assume the area is heterogeneous (the mean varies across the area) but can be zoned (or stratified) into homogeneous sub-areas (the mean is constant within each sub area) and, in addition, that it is possible to acquire prior knowledge about this partition. This zoning of the study area is independent of the reporting units. The zone estimates are transferred to the reporting units. We will apply the new method to mapping HBsAg in China and other empirical studies, and to compare its performance aga

英文关键词: small sampling;mapping;multiunits reporting;spatial heterogeneity;

成为VIP会员查看完整内容
0

相关内容

专知会员服务
18+阅读 · 2021年8月15日
专知会员服务
22+阅读 · 2021年6月22日
专知会员服务
35+阅读 · 2021年6月16日
【经典书】数理统计学,142页pdf
专知会员服务
96+阅读 · 2021年3月25日
专知会员服务
112+阅读 · 2021年3月23日
专知会员服务
230+阅读 · 2020年12月15日
《小样本元学习》2020最新综述论文
专知会员服务
172+阅读 · 2020年7月31日
【元图(Meta-Graph):元学习小样本连接预测】
专知会员服务
64+阅读 · 2020年5月31日
为什么深度学习是非参数的?
THU数据派
1+阅读 · 2022年3月29日
积分梯度:一种归因分析方法
极市平台
1+阅读 · 2022年3月17日
对抗子空间维度探讨
PaperWeekly
0+阅读 · 2022年2月13日
多任务学习漫谈:以损失之名
PaperWeekly
1+阅读 · 2022年1月26日
两概率分布交叉熵的最小值是多少?
PaperWeekly
0+阅读 · 2021年11月6日
可解释性:对神经网络中层特征复杂度的解释与拆分
夕小瑶的卖萌屋
1+阅读 · 2021年7月29日
被忽略的Focal Loss变种
极市平台
29+阅读 · 2019年4月19日
GAN | GAN介绍(2)
KingsGarden
27+阅读 · 2017年3月14日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
小贴士
相关主题
相关VIP内容
专知会员服务
18+阅读 · 2021年8月15日
专知会员服务
22+阅读 · 2021年6月22日
专知会员服务
35+阅读 · 2021年6月16日
【经典书】数理统计学,142页pdf
专知会员服务
96+阅读 · 2021年3月25日
专知会员服务
112+阅读 · 2021年3月23日
专知会员服务
230+阅读 · 2020年12月15日
《小样本元学习》2020最新综述论文
专知会员服务
172+阅读 · 2020年7月31日
【元图(Meta-Graph):元学习小样本连接预测】
专知会员服务
64+阅读 · 2020年5月31日
相关资讯
为什么深度学习是非参数的?
THU数据派
1+阅读 · 2022年3月29日
积分梯度:一种归因分析方法
极市平台
1+阅读 · 2022年3月17日
对抗子空间维度探讨
PaperWeekly
0+阅读 · 2022年2月13日
多任务学习漫谈:以损失之名
PaperWeekly
1+阅读 · 2022年1月26日
两概率分布交叉熵的最小值是多少?
PaperWeekly
0+阅读 · 2021年11月6日
可解释性:对神经网络中层特征复杂度的解释与拆分
夕小瑶的卖萌屋
1+阅读 · 2021年7月29日
被忽略的Focal Loss变种
极市平台
29+阅读 · 2019年4月19日
GAN | GAN介绍(2)
KingsGarden
27+阅读 · 2017年3月14日
相关基金
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员