Statistics for Spatio-Temporal Data

این کتاب با جایزه 2011 PROSE در دسته ریاضیات توسط ناشران آمریکایی برای تعالی حرفه‌ای و علمی مفتخر شده است.

از درک فرآیندهای محیطی و روندهای آب و هوایی تا توسعه فن‌آوری‌های جدید برای نقشه‌برداری داده‌های بهداشت عمومی و گسترش گونه‌های مهاجم، تقاضای زیادی برای تحلیل‌های آماری داده‌ها وجود دارد که اطلاعات مکانی، زمانی و مکانی-زمانی را در نظر می‌گیرد. آمار برای داده‌های مکانی-زمانی یک رویکرد سیستماتیک به تکنیک‌های کمی کلیدی ارائه می‌کند که آخرین پیشرفت‌ها در محاسبات آماری و همچنین مدل‌سازی آماری سلسله مراتبی، به‌ویژه بیزی، با تأکید بر مدل‌های مکانی-زمانی دینامیکی را در بر می‌گیرد.

کرسی و ویکل ارائه‌ای منحصربه‌فرد ارائه می‌کنند که ایده‌هایی از حوزه‌های سری‌های زمانی و آمار فضایی و همچنین فرآیندهای تصادفی را در بر می‌گیرد. این کتاب با درمان جداگانه داده‌های زمانی و داده‌های مکانی شروع می‌کند، این مفاهیم را برای بحث در مورد روش‌های آماری مکانی-زمانی برای درک فرآیندهای پیچیده ترکیب می‌کند.

موضوعات پوشش عبارتند از:

• روش‌های اکتشافی برای داده‌های مکانی-زمانی، از جمله تجسم، تحلیل طیفی، تحلیل تابع متعامد تجربی، و LISAs
• توابع کوواریانس مکانی-زمانی، کریجینگ مکانی-زمانی، و سری‌های زمانی فرآیندهای مکانی
• li>توسعه مدل‌های مکانی-زمانی دینامیکی سلسله مراتبی (DSTM)، با بحث در مورد DSTMهای خطی و غیرخطی و الگوریتم‌های محاسباتی برای پیاده‌سازی آنها
• کمی‌سازی و کاوش تغییرپذیری مکانی-زمانی در کاربردهای علمی، از جمله مطالعات موردی بر اساس داده های محیطی در دنیای واقعی

در سرتاسر کتاب، برنامه های کاربردی جالب ارتباط مفاهیم ارائه شده را نشان می دهد. گرافیک های زنده و تمام رنگی بر ماهیت بصری موضوع تاکید دارند و یک سایت FTP مرتبط حاوی مطالب تکمیلی است. آمار برای داده های مکانی- زمانی یک کتاب عالی برای دوره تحصیلات تکمیلی در مورد آمار مکانی-زمانی است. همچنین مرجع ارزشمندی برای محققان و دست اندرکاران در زمینه های ریاضیات کاربردی، مهندسی، و علوم محیطی و بهداشتی است.

This book has been honored with the 2011 PROSE Award in the Mathematics category by the American Publishers for Professional and Scholarly Excellence.

From understanding environmental processes and climate trends to developing new technologies for mapping public-health data and the spread of invasive-species, there is a high demand for statistical analyses of data that take spatial, temporal, and spatio-temporal information into account. Statistics for Spatio-Temporal Data presents a systematic approach to key quantitative techniques that incorporate the latest advances in statistical computing as well as hierarchical, particularly Bayesian, statistical modeling, with an emphasis on dynamical spatio-temporal models.

Cressie and Wikle supply a unique presentation that incorporates ideas from the areas of time series and spatial statistics as well as stochastic processes. Beginning with separate treatments of temporal data and spatial data, the book combines these concepts to discuss spatio-temporal statistical methods for understanding complex processes.

Topics of coverage include:

• Exploratory methods for spatio-temporal data, including visualization, spectral analysis, empirical orthogonal function analysis, and LISAs
• Spatio-temporal covariance functions, spatio-temporal kriging, and time series of spatial processes
• Development of hierarchical dynamical spatio-temporal models (DSTMs), with discussion of linear and nonlinear DSTMs and computational algorithms for their implementation
• Quantifying and exploring spatio-temporal variability in scientific applications, including case studies based on real-world environmental data

Throughout the book, interesting applications demonstrate the relevance of the presented concepts. Vivid, full-color graphics emphasize the visual nature of the topic, and a related FTP site contains supplementary material. Statistics for Spatio-Temporal Data is an excellent book for a graduate-level course on spatio-temporal statistics. It is also a valuable reference for researchers and practitioners in the fields of applied mathematics, engineering, and the environmental and health sciences.