Publications du Service canadien des forêts

An application niche for finite mixture models in forest resource surveys. 2019. Magnussen, S., Næsset, E., Gobakken, T. Can. J. For. Res. 49: 1453–1462.

Année : 2019

Disponible au : Centre de foresterie du Pacifique

Numéro de catalogue : 40017

La langue : Anglais

Disponibilité : PDF (demande par courriel)

Disponible sur le site Web de la revue ou du journal.
DOI : 10.1139/cjfr-2019-0170

† Ce site peut exiger des frais.

Sélectionner

Résumé

Nous proposons une inférence basée sur le plan d’expérience avec des modèles de mélanges finis (MMF) pour des contextes où l’hétérogénéité ne peut être traitée par une modélisation plus conventionnelle. Avec les MMF, un modèle est estimé pour chacun des K sous-groupes de modèles latents dans une population à l’étude. Nous avons évalué l’approche MMF avec un estimateur de différence et avec K = 2 sur 600 répétitions d’échantillonnage simulé à probabilité égale provenant de 12 populations artificielles. Un exemple avec une population forestière du sud de la Norvège démontre la mise en œuvre pratique. Les populations artificielles étaient composées d’un, deux, trois ou quatre sous-groupes de modèles réels générés à partir de modèles de formes similaires ou différentes à celle du modèle d’estimation. Nous comparons le biais et la variance dans les estimations de la moyenne d’une de population aux résultats standards pour K = 1. Avec K = 2, toutes les estimations étaient presque sans biais. Le biais était plus important lorsque les sous-groupes réels étaient groupés selon y. Les variances dans les moyennes d’échantillon avec K = 1 étaient 60 % plus grandes qu’avec K = 2. Une réduction importante de la variance avec K = 2 a été confirmée dans l’étude de cas. Une estimation fiable de la variance nécessite une taille d’échantillon moyenne à grande.