Poisson-Tweedie-jakauman soveltaminen törmäystaajuustietojen analysoinnissa

tammi 20, 2022
admin

tässä artikkelissa kuvataan tutkimusta, joka soveltaa Poisson-Tweedie-jakaumaa törmäystaajuusmallien kehittämisessä. Poisson-Tweedie-jakauma tarjoaa yhtenäiset puitteet mallintaa overdispersed, underdispersed, zero-inflated, spatiaalinen, ja pitkittäinen määrä tietoja,sekä useita vastemuuttujia samankaltaisia tai sekamuotoisia. Sen varianssifunktion muoto on yksinkertainen, ja se voidaan määritellä dispersion tuloon lisättynä keskiarvona ja potenssiin P korotettuna keskiarvona.Poisson-Tweedie-jakauman joustavuus sijaitsee alueella P, joka sisältää positiiviset reaalilukuarvot. Poisson-Tweedien jakaumamallien erikoistapauksia ovat negatiivisen binomimallin (NB1) lineaarinen muoto, jossa P on 1,0, geometrinen Poisson (GeoP) malli, jossa P on 1,5, negatiivisen binomimallin (NB2) neliömuoto, jossa P on 2.0, ja Poissonin Käänteisgaussin (sika) malli, jossa P on 3.0. Tässä tutkimuksessa kehitettiin sarja malleja, joissa käytettiin Poisson-Tweedie-jakaumaa ilman rajoituksia tehoparametrin arvolle sekä NB1 -, GeoP -, NB2-ja PIG-malleja edustavia tehoparametrin erityisarvoja. Myös kiinteiden ja vaihtelevien dispersioparametrien (eli dispersion kovariaattien funktiona) vaikutuksia varianssi-ja odotettavissa oleviin kolaritaajuusarvioihin tarkasteltiin. Mallien kehittämiseen käytettiin kolme vuotta (2012-2014) kolaritietoja urban three-leg stop-ohjatuista risteyksistä ja Urban four-leg signaloiduista risteyksistä Floridan osavaltiossa. Poisson-Tweedie-mallien tai GeoP-mallien havaittiin toimivan paremmin, kun dispersioparametri oli vakio tai kiinteä. Vaihtelevan hajontaparametrin ansiosta NB2-ja PIG-mallien todettiin suoriutuvan paremmin, molempien suoriutuessa yhtä hyvin. Myös kiinteiden dispersioparametrien arvojen havaittiin olevan pienempiä malleissa, joissa tehoparametrin arvo oli suurempi. Lisäksi tarkasteltiin mallien välisiä eroja niiden arvioissa painokertoimesta, odotettavissa olevasta törmäystiheydestä ja potentiaalista parantaa vaarallisten paikkojen turvallisuutta empiirisen Bayes-menetelmän perusteella.

Vastaa

Sähköpostiosoitettasi ei julkaista.