اطلاعیه دفاع پایان نامه کارشناسی ارشد دانشجوی بین الملل احمدصبور احمدزی
دوشنبه ۲۴ شهریور ۱۴۰۴
در برخی از جمعیت های متناهی، علاوه بر متغیرهای مورد مطالعه، موقعیت مکانی اعضای جمعیت نیز مشخص و قابل دسترسی است. این اطلاعات مکانی، در کنار متغیرهای مورد نظر، مفهوم خودهمبستگی مثبت یا منفی را ایجاد می کند. خودهمبستگی مثبت نشان دهنده شباهت مقادیر متغیرها در نقاط نزدیک به هم، و خودهمبستگی تعادل » منفی بیانگر تفاوت این مقادیر است. در چنین شرایطی، پراکندگی نمونه ها در فضای جمعیت تحت مفهوم تعریف می شود. هرچه این پراکندگی در کل جمعیت بیشتر باشد، نمونه از نظر فضایی متعادل تر در نظر « فضایی گرفته می شود. پژوهش های متعدد نشان داده اند که در هر دو حالت خودهمبستگی مثبت و منفی، هرچه نمونه از نظر فضایی متعادل تر باشد، دقت تخمین ها افزایش می یابد. بنابراین، تعادل فضایی نمونه در جمعیت های متناهی از اهمیت ویژه ای برخوردار است و به عنوان یکی از ویژگی های کلیدی نمونه ها محسوب می شود. از آنجاکه تعادل فضایی یک مفهوم آماری است، می توان آن را به روش های مختلف ریاضی تعریف کرد. گرافستروم۲۰۱۲ ] بر اساس شاخص ورونوی، تیله و همکاران [ ۲۰۱۸ ] بر اساس شاخص موران، دو تعریف ریاضی برای ] اندازه گیری این مفهوم ارائه کرده اند. شاخص پیشنهادی گرافستروم [ ۲۰۱۲ ] بر اساسموقعیتمکانی و احتمالات شمول تعریف شده و برای مقایسه نمونه های مختلف در یک جمعیت مفید است. با این حال، از آنجا که مقادیر این شاخص نامحدود و غیرقابل تفسیر هستند، برای مقایسه نمونه ها در جمعیت های مختلف مناسب نیست. - [تیله و همکاران، ۲۰۱۸ ] با استفاده از شاخصموران این مشکل را حل کرده اند و شاخصی محدود به بازه ی ۱ تا ۱+ ارائه داده اند. این شاخص تفسیرپذیری بهتری دارد، به ویژه برای مقادیر مرزی و صفر، و علاوه بر مقایسه نمونه ها در یک جمعیت، برای مقایسه نمونه ها در جمعیت های مختلف نیز مناسب است. در این پایان نامه، پس از معرفی و تحلیل این دو شاخص، عملکرد آنها از طریق شبیه سازی های مختلف مورد بررسی قرار می گیرد.
