估计可靠变异函数的最小样本量
minimum sample size for estimating a reliable variogram
我有 33 个 SO2 读数来自安装在 33 个位置的传感设备,分布在一个大区域(每个城市一个观测值)。样本量是固定的,不能因为安装的设备数量而增加。现在(geo)-统计上这是一个相当小的样本,因为许多作者指出样本量应该在 100-150 之间才能获得可靠的变异函数。有人可以指导我如何处理这么小的数据吗?
此外,它实际上是一个时空分析,但在每个时间点又有 33 个观测值。
我真正想问的是,增加面积大小(分辨率)对变异函数估计有什么影响,而总体样本点的数量仍然保持不变?
我想post一张图片,但没有足够的声誉。
在上述两种情况下,不同对之间的相对距离仍然保持不变。即 dist(z_1, z_2)/dist(z_2, z_3) 在两个尺度上保持不变。
如果增加区域大小或分辨率,但不增加用于计算样本变异函数的样本数据量,变异函数估计不会变得更好。
我有 33 个 SO2 读数来自安装在 33 个位置的传感设备,分布在一个大区域(每个城市一个观测值)。样本量是固定的,不能因为安装的设备数量而增加。现在(geo)-统计上这是一个相当小的样本,因为许多作者指出样本量应该在 100-150 之间才能获得可靠的变异函数。有人可以指导我如何处理这么小的数据吗? 此外,它实际上是一个时空分析,但在每个时间点又有 33 个观测值。 我真正想问的是,增加面积大小(分辨率)对变异函数估计有什么影响,而总体样本点的数量仍然保持不变?
我想post一张图片,但没有足够的声誉。
在上述两种情况下,不同对之间的相对距离仍然保持不变。即 dist(z_1, z_2)/dist(z_2, z_3) 在两个尺度上保持不变。
如果增加区域大小或分辨率,但不增加用于计算样本变异函数的样本数据量,变异函数估计不会变得更好。