| Property |
Value |
| dbo:abstract
|
- La régression géographiquement pondérée (« Geographically Weighted Regression » ou « GWR ») est une régression adaptée au domaine de l'analyse spatiale et tenant compte de la dépendance géographique . Alors que dans la régression classique il est présupposé que le phénomène est stationnaire dans l'espace étudié, dès que l'analyste géographe observe une dépendance entre l'observation et le lieu géographique, il doit employer un modèle non stationnaire tels que GWR, CAR ou SAR. (fr)
- La régression géographiquement pondérée (« Geographically Weighted Regression » ou « GWR ») est une régression adaptée au domaine de l'analyse spatiale et tenant compte de la dépendance géographique . Alors que dans la régression classique il est présupposé que le phénomène est stationnaire dans l'espace étudié, dès que l'analyste géographe observe une dépendance entre l'observation et le lieu géographique, il doit employer un modèle non stationnaire tels que GWR, CAR ou SAR. (fr)
|
| dbo:wikiPageExternalLink
| |
| dbo:wikiPageID
| |
| dbo:wikiPageInterLanguageLink
| |
| dbo:wikiPageLength
|
- 4773 (xsd:nonNegativeInteger)
|
| dbo:wikiPageRevisionID
| |
| dbo:wikiPageWikiLink
| |
| prop-fr:année
|
- 2003 (xsd:integer)
- 2009 (xsd:integer)
- 2010 (xsd:integer)
|
| prop-fr:consultéLe
|
- 2011-05-14 (xsd:date)
- 2011-06-11 (xsd:date)
- 2011-06-25 (xsd:date)
|
| prop-fr:isbn
| |
| prop-fr:langue
| |
| prop-fr:lieu
|
- Boca Raton (fr)
- Heidelberg (fr)
- Paris (fr)
- Boca Raton (fr)
- Heidelberg (fr)
- Paris (fr)
|
| prop-fr:nom
|
- Han (fr)
- Miller (fr)
- Leung (fr)
- Garbolino (fr)
- Guarnieri (fr)
- Han (fr)
- Miller (fr)
- Leung (fr)
- Garbolino (fr)
- Guarnieri (fr)
|
| prop-fr:pagesTotales
|
- 251 (xsd:integer)
- 360 (xsd:integer)
- 458 (xsd:integer)
|
| prop-fr:prénom
|
- Emmanuel (fr)
- Franck (fr)
- Harvey (fr)
- Jiawei (fr)
- Yee (fr)
- Emmanuel (fr)
- Franck (fr)
- Harvey (fr)
- Jiawei (fr)
- Yee (fr)
|
| prop-fr:titre
|
- '' (fr)
- Knowledge Discovery in Spatial Data (fr)
- Systèmes d'information et risques naturels (fr)
- '' (fr)
- Knowledge Discovery in Spatial Data (fr)
- Systèmes d'information et risques naturels (fr)
|
| prop-fr:wikiPageUsesTemplate
| |
| prop-fr:éditeur
|
- Springer (fr)
- CRC Press (fr)
- Presses des MINES (fr)
- Springer (fr)
- CRC Press (fr)
- Presses des MINES (fr)
|
| dct:subject
| |
| rdfs:comment
|
- La régression géographiquement pondérée (« Geographically Weighted Regression » ou « GWR ») est une régression adaptée au domaine de l'analyse spatiale et tenant compte de la dépendance géographique . Alors que dans la régression classique il est présupposé que le phénomène est stationnaire dans l'espace étudié, dès que l'analyste géographe observe une dépendance entre l'observation et le lieu géographique, il doit employer un modèle non stationnaire tels que GWR, CAR ou SAR. (fr)
- La régression géographiquement pondérée (« Geographically Weighted Regression » ou « GWR ») est une régression adaptée au domaine de l'analyse spatiale et tenant compte de la dépendance géographique . Alors que dans la régression classique il est présupposé que le phénomène est stationnaire dans l'espace étudié, dès que l'analyste géographe observe une dépendance entre l'observation et le lieu géographique, il doit employer un modèle non stationnaire tels que GWR, CAR ou SAR. (fr)
|
| rdfs:label
|
- Régression géographiquement pondérée (fr)
- Régression géographiquement pondérée (fr)
|
| owl:sameAs
| |
| prov:wasDerivedFrom
| |
| foaf:isPrimaryTopicOf
| |
| is dbo:wikiPageDisambiguates
of | |
| is dbo:wikiPageRedirects
of | |
| is dbo:wikiPageWikiLink
of | |
| is oa:hasTarget
of | |
| is foaf:primaryTopic
of | |
