probabilité pour que le processus de recherche soit réalisé à un coût minimal. Une simulation selon MonteCarlo et une procédure appropriée permettent de réduire les dimensions du problème.
Estimation of autoregressive models with two types of weak spatial dependence by means of the W-based and the latent variables approach : evidence from MonteCarlo simulations
Autorégression spatiale ; Biais statistique ; Dépendance spatiale ; Erreur ; Modèle ; Méthode de MonteCarlo ; Méthode des moindres carrés ; Simulation ; Variable latente
Error ; Least squares method ; Model ; MonteCarlo analysis ; Simulation ; Spatial dependence ; Statistical bias
Error ; Modelo ; Método de MonteCarlo ; Método de los minimos cuadrados ; Sesgo estadístico ; Simulación
This article examines the estimation of autoregressive models with two types of weak spatial dependence by means of the W-based and the latent variables approach through evidence from MonteCarlo simulations. It starts by comparing the two
Autocorrelación espacial ; Economía espacial ; Error ; Modelo econométrico ; Método de MonteCarlo ; Sesgo estadístico
Problème de l'endogénéité dans un cadre spatial. Examen du cas où elle provient d'une variable omise spatialement autocorrélée. Les AA. montrent théoriquement à l'aide de simulations de Monte-Carlo qu'une façon de réduire ce biais consiste à estimer
Analyse des effets de la distribution aléatoire des propriétés d'infiltration du sol sur le fonctionnement hydrologique des bassins-versants, en effectuant une simulation par la technique Monte-Carlo. Les paramètres hydrauliques du sol ont une
| 2les erreurs d'échantillonnage du paramètre du modèle, calculé à partir des séries observées| 3les erreurs dues à la simulation par technique Monte-Carlo pour calculer F. Après avoir présenté les effets des deux premiers types d'erreurs, les AA
. s'attachent à l'application des techniques de réduction de variance aux valeurs estimées F pour un donné. Discussion des avantages respectifs des différentes méthodes.
The AA. propose a new practical method of describing a hierarchical structure. Based upon empirical observations, they assume that the size of a facility is measured by certain numerical values such as population and that a facility is dominated
Utilisation de la méthode de simulation de MonteCarlo pour identifier les modèles de choix discret dans lesquels l'hétérogénéité non observée est un effet de hasard et peut être modélisée selon une approche non paramétrique de points-masses
. On peut appliquer une telle approche à un ensemble de choix répétés relatifs aux trajets des ménages vers les lieux d'achat effectués entre trois types de centres commerciaux. Comparaison de cette méthode avec le modèle logit multinomial et avec un modèle
Modelirovanie i kartografirovanie na EVM prostranstvenno-vremennogo razvitija geograficeskih javlenij metodom Monte-Karlo. (Etablissement de modèles et représentation cartographique sur ordinateur du développement spatio-temporel des phénomènes
Altajskij Kraj ; Barnaul ; Evolution ; Généralités sur la géographie ; Mathématiques ; Milieu naturel ; Modélisation ; MéthodeMonteCarlo ; Méthodologie ; Sibir'Zapadnaja ; URSS d'Asie
utilise la méthode de Monte-Carlo pour obtenir des données chiffrées. On l'a utilisée pour analyser le processus de développement d'une épidémie partie de Barnaul sur le territoire de l'Altaj. Les résultats, vérifiés du point de vue géographique et
Utilisation des modèles pour représenter les processus du développement spatial des phénomènes géographiques| on peut utiliser des méthodes variées| mais c'est le modèle analogique qui sert le plus fréquemment. Un géographe suisse: T. Hägerstrand
mathématique, peuvent être considérés comme dignes de foi. Cela permet de recommander cette méthode pour établir des modèles concernant de nombreux processus du développement spatial de phénomènes, tels que épidémies, épizooties, innovation, etc. (CLR).
Microsimulation methods in spatial analysis and planning
Principes généraux de la microsimulation. Problèmes pratiques et procédures d'estimation, langages de programmation, technique MonteCarlo, etc. Quelques applications en Sciences Sociales appliquées.
Analyse de régression ; Analyse spatiale ; Autocorrélation spatiale ; Calcul matriciel ; Erreur ; Généralités sur la géographie ; MéthodeMonteCarlo ; Statistique ; Test
Sur la base d'expériences de simulation (méthodeMonteCarlo), sur treillage régulier, les AA. comparent les propriétés des tests de dépendance spatiale (erreur d'autocorrélation et variable dépendante en décalage spatial). Les tests sont effectués
Analyse spatiale ; Autocorrélation spatiale ; Graphe ; Méthode de MonteCarlo ; Polygone ; Simulation ; Statistique ; Système de couleurs ; Système spatial
Color system ; Graph ; MonteCarlo analysis ; Polygon ; Simulation ; Spatial analysis ; Spatial autocorrelation ; Spatial system ; Statistics
Méthode statistique utilisée pour mesurer la tendance des polygones d'un type donné de carte à attirer ou repousser des polygones de types de cartes semblables ou différents.
Analyse spatiale ; Dispersion ; Distance ; Distribution ; Généralités sur la géographie ; Limite ; MéthodeMonteCarlo ; Plus proche voisin ; Semis de points ; Simulation
Analyse comparative de quatre méthodes utilisées dans l'analyse du j-ième plus proche voisin, à l'aide du modèle de simulation de MonteCarlo, pour sept types de séries de points et 8 distances d'ordre. Discussion des résultats en fonction des