قسم الرياضيات ينظم حلقة نقاشية حول الاحصائيات المكانية و النمذجة

Print Friendly, PDF & Email

نظم قسم الرياضيات في كلية التربية للعلوم الصرفة (ابن الهيثم) بجامعة بغداد حلقة نقاشية بعنوان (مقدمة عن الإحصائيات المكانية والنمذجة ) حاضر فيها التدريسي في القسم (م. د. غدير جاسم محمد ) على قاعة المرحوم الدكتور عريبي الزوبعي وبحضور تدريسيي القسم و طلبة الدراسات العليا فيه.

وتهدف الحلقة النقاشية الى التعرف على البيانات المكانية وطرق التعامل معها احصائيا”اضافة الى التعرف على المبادئ الرئيسية التي تخص طريقة Markov chain Monte Carlo.

واستهل الباحث حلقته النقاشية الى بان  الباحثين في مجالات متنوعة ، مثل علم المناخ، والبيئة، والصحة البيئية، والتسويق العقاري ، يواجهون مهمة تحليل بيانات متعددة المتغيرات، مع العديد من المتنبئات ومتغيرات الاستجابة المهمة والتي تكون مشار إليها جغرافياً وغالباً ما يتم عرضها كخرائط.

واضاف الباحث ان بحثه هذا انه  قدم طريقة بايزين التي استخدمت الهيكل الطيفي وذلك لإنقاص الابعاد وأنشاء معادلة انحدار مناسبة للبيانات المكانية. قدمت بعض التطبيقات التجريبية لأثبات دقت هذه الطريقة. وان هذه الطريقة قد تم تطبيقها على بيانات حقيقية من جنوب افريقيا والتي تحتوي على مجموعة بيانات وفيرة للنباتات.

___________________________________________________________________________________________________

Introduction to Spatial Statistics and Modeling

Lecturer’s name: Dr. Ghadeer Jasim Mohammed

Date: 11/3/2019

Goal: The goal of this seminar is to introduce the spatial statistics and how to deal with it statistically. Also, some of the principals of Markov Random Field and Markov chain Monte Carlo will be introduced.

Abstract

Researchers in diverse areas such as climatology, ecology, environmental health, and real estate marketing are increasingly faced with the task of analyzing data that are highly multivariate, with many important predictors and response variables, geographically referenced, and often presented as maps. In this work, I propose a Bayesian approach that uses the spectral structure of the adjacency to construct a low-rank expansion for modeling spatial dependence. I develop a computationally efficient estimation scheme that adaptively selects the functions most important to capture the variation in response. Through simulation studies, I validate the computational efficiency as well as predictive accuracy of our method. Finally, I present an important real-world application of the proposed methodology on a massive plant abundance dataset from Cape Floristic Region in South Africa.