تحليل داده‌هاي فضايي با خانواده مفصل خي‌دو

Analysis of Spatial Data with Chi-Square Copula

در اين مقاله خانواده‌ توابع مفصل خي‌دو، براي مدل‌سازي ساختار همبستگي ميدان‌هاي تصادفي فضايي مانا و همسان‌گرد به كار رفته است. ساختار همبستگي اين مفصل كه تعميم مفصل گاوسي است، براي مدل‌سازي بردارهاي تصادفي در ابعاد بالا انعطاف‌پذير بوده و بر خلاف مفصل گاوسي امكان مدل‌سازي ساختار‌هاي همبستگي دمي نامتقارن را فراهم مي‌آورد. به دليل پيچيدگي‌هاي محاسباتي تابع چگالي مفصل خي‌دو در ابعاد بالا، براي برآورد پارامتر‌هاي آن از روش درستنمايي مركب زوجي استفاده شده، كه در آن تنها توابع چگالي دومتغيره به كار رفته است. هدف اين مقاله بررسي ويژگي‌هاي خانواده مفصل خي‌دو، برآورد پارامترهاي آن با روش درستنمايي مركب زوجي و كاربرد آن در درون‌يابي فضايي است.

In this paper, a family of copula functions called chi-square copula family is used for modeling the dependency structure of stationary and isotropic spatial random fields. The dependence structure of this copula is such that, it generalizes the Gaussian copula and flexible for modeling for high-dimensional random vectors and unlike Gaussian copula it allows for modeling of tail asymmetric dependence structures. Since the density function of chi-square copula in high dimension has computational complexity, therefore to estimate its parameters, a composite pairwise likelihood method is used in which only bivariate density functions are used. The purpose of this paper is to investigate the properties of the chi-square copula family, estimating its parameters with the composite pairwise likelihood and its application in spatial interpolation.