Canadian Journal of Statistics

A hierarchical point process with application to storm cell modelling

Journal Article

Résumé En environnemétrie, il est courant de s'intéresser au développement de modèles et de méthodes d'inférence pour les motifs de points générés par des processus latents spatiaux ou spatio‐temporels, lesquels peuvent provenir d'une structure hiérarchique. Motivés par l'analyse de données spatio‐temporelles sur les cellules de tempêtes, les auteurs généralisent le processus parent‐enfant de Neyman‐Scott pour tenir compte de la structure hiérarchique en grappe. Le fait de laisser les parents suivre un processus de Cox log‐gaussien permet d'incorporer de la corrélation et de faciliter l'inférence à tous les niveaux de la hiérarchie. Les auteurs utilisent cette approche avec les données mensuelles de cellules de tempête de la station de radar de Bismarck, dans le Dakota du Nord, pour la période d'avril à août 2003. Ils comparent ces résultats à ceux obtenus avec des processus en grappe plus simples et démontrent les avantages liées à un modèle qui tient compte de la corrélation aux deux niveaux pour de tels processus ponctuels hiérarchiques en grappe. La revue canadienne de statistique 47: 46–64; 2019 © 2019 Société statistique du Canada

Related Topics

Related Publications

Related Content

Site Footer

Address:

This website is provided by John Wiley & Sons Limited, The Atrium, Southern Gate, Chichester, West Sussex PO19 8SQ (Company No: 00641132, VAT No: 376766987)

Published features on StatisticsViews.com are checked for statistical accuracy by a panel from the European Network for Business and Industrial Statistics (ENBIS)   to whom Wiley and StatisticsViews.com express their gratitude. This panel are: Ron Kenett, David Steinberg, Shirley Coleman, Irena Ograjenšek, Fabrizio Ruggeri, Rainer Göb, Philippe Castagliola, Xavier Tort-Martorell, Bart De Ketelaere, Antonio Pievatolo, Martina Vandebroek, Lance Mitchell, Gilbert Saporta, Helmut Waldl and Stelios Psarakis.