Search

"In business surveys in general, and in multipurpose agricultural surveys in particular, the problem of designing a sample from a list frame usually consists of two different aspects. The first is concerned with the choice of a rule for stratifying the population when several size variables are available and the second is devoted to sample size determination and sample allocation to a given set of strata. The main property that is required of the sample design is that it delivers a specified level of precision for a set of variables of interest using as few sampling units as possible. This article examines how this can be achieved via a basic partition into two strata, one completely enumerated and the other sampled, defined in such a way as to achieve both these objectives. The procedure was used to design the Italian Milk Products Monthly Survey on the basis of a set of auxiliary variables obtained from an annual census of the same target population. Given the combinatorial optimization nature of the problem, the authors use stochastic relaxation theory, and in particular, they use simulated annealing because of its flexibility. Their results indicate that in this situation the multivariate partition obtained by using this random search strategy is a suitable solution as it permits identification of boundaries of any shape. Furthermore, numerical comparisons between sampling designs obtained by using these procedures and some simple extensions of univariate stratification rules are made. The gain from using the proposed strategy is nontrivial as it achieves the required precision using a sample size that is notably smaller than that required by simple extensions to univariate stratification rules." (author's abstract)

So far most methods for conversion of areal data have referred to classical point interpolation procedures developed in spatial statistics for physical sciences or, have been conceived as "area-based areal interpolation methods" based on specific and somewhat unrealistic hypotheses. Addressing the desegregation problem as a part of a more comprehensive aggregation problem, the methodology that we present in this paper features in essence a logical and analytical continuity with all the previous studies in which the effects on statistical inference of areal aggregation have been considered. Within this context, a Bayesian solution is shown to be suitable for the porpoise and the advantages of adopting it are clearly demonstrated particularly for its capability of exploiting auxiliary information which can be easily accessed and manipulated thanks to the recent advances of Geographical Information Systems (G.I.S.).

Spatial zonal data are constituted by aggregation of the characteristics of individuals. There is a wide range of different ways in which this aggregation can be done. The problem of the arbitrariness and the irregularity of areal units is referred to as the modifiable areal unit problem. In studying the effects of aggregation and scale on the statistical properties of some univariate and multivariate parameters, complex analytical expressions have been recently found for spatial processes related to aggregated areal units in a very simple kind of spatial autoregressive model reasonable for well behaved variables (Arbia 1988). If the data we are studying follow a process whose distribution is far from being normal, a Monte Carlo approach can be very useful in studying, at least empirically, the effects of spatial data configuration on statistical methods. Random aggregations of n zones in m (where m < n), with a contiguity constraint, have been performed on three different spatial systems. Zoning distributions of some ordinary statistics have been evaluated for data generated from four different probability distributions. This approach has proved to be very useful to understand important peculiarities of statistical methods in spatial data analysis.

La necessità di disporre di mappe di probabilità di sito archeologico è un tema attualmente al centro di un rinnovato interesse anche grazie alla disponibilità di una moltitudine di informazioni territoriali gestite ed elaborate con l’ausilio della tecnologia GIS. Gli studi che finora si sono occupati del problema, hanno fatto riferimento a modellistiche di tipo regressivo od autoregressivo che, sebbene centrate sulle peculiarità del fenomeno, si sono dimostrate sensibilmente dipendenti dalla presenza di dati anomali nella stima dei parametri e da ipotesi specifiche sui casi in esame. L’intento del presente lavoro è invece quello di proporre una soluzione più robusta e generalizzabile in linea con i recenti sviluppi nel campo della modellistica non parametrica la quale potrebbe dare un forte impulso all’uso congiunto della statistica e della tecnologia GIS. L’informazione geografica ricavabile dai dati fisici e satellitari relativi all’area di studio rappresenta infatti, grazie al dettaglio che la caratterizza, una fonte ausiliaria insostituibile per spiegare la presenza o meno di un sito in una data posizione della mappa. L’approccio proposto è stato sviluppato ed applicato per l’area test di Cures Sabini ottenendo dei risultati abbastanza incoraggianti, soprattutto se letti in termini della estrema facilità di interpretazione dei risultati da parte di non statistici e della riscontrata possibilità di rendere automatico il processo di produzione delle mappe di probabilità. Questa evidenza permetterebbe ad operatori del settore non professionalmente preparati da un punto di vista metodologico, di estendere il modello a situazioni anche molto diverse da quella analizzata.

La necessità di disporre di mappe di probabilità di sito archeologico è un tema attualmente al centro di un rinnovato interesse anche grazie alla disponibilità di una moltitudine di informazioni territoriali gestite ed elaborate con l’ausilio della tecnologia GIS. Gli studi che finora si sono occupati del problema, hanno fatto riferimento a modellistiche di tipo regressivo od autoregressivo che, sebbene centrate sulle peculiarità del fenomeno, si sono dimostrate sensibilmente dipendenti dalla presenza di dati anomali nella stima dei parametri e da ipotesi specifiche sui casi in esame. L’intento del presente lavoro è invece quello di proporre una soluzione più robusta e generalizzabile in linea con i recenti sviluppi nel campo della modellistica non parametrica la quale potrebbe dare un forte impulso all’uso congiunto della statistica e della tecnologia GIS. L’informazione geografica ricavabile dai dati fisici e satellitari relativi all’area di studio rappresenta infatti, grazie al dettaglio che la caratterizza, una fonte ausiliaria insostituibile per spiegare la presenza o meno di un sito in una data posizione della mappa. L’approccio proposto è stato sviluppato ed applicato per l’area test di Cures Sabini ottenendo dei risultati abbastanza incoraggianti, soprattutto se letti in termini della estrema facilità di interpretazione dei risultati da parte di non statistici e della riscontrata possibilità di rendere automatico il processo di produzione delle mappe di probabilità. Questa evidenza permetterebbe ad operatori del settore non professionalmente preparati da un punto di vista metodologico, di estendere il modello a situazioni anche molto diverse da quella analizzata.

The problem of computing risk measures associated to flood events is extremely important not only from the point of view of civil protection systems but also because of the necessity for the municipalities of insuring against the damages. In this work we propose, in the framework of an integrated strategy, an operating solution which merges in a conditional approach the information usually available in this setup. First we use a Logistic Auto-Logistic (LAM) model for the estimation of the univariate conditional probabilities of flood events. This approach has two fundamental advantages: it allows to incorporate auxiliary information and does not require the target variables to be independent. Then we simulate the joint distribution of floodings by means of the Gibbs Sampler. Finally we propose an algorithm to increase ex post the spatial autocorrelation of the simulated events. The methodology is shown to be effective by means of an application to the estimation of the flood probability of Italian hydrographic regions.

The problem of computing risk measures associated to flood events is extremely important not only from the point of view of civil protection systems but also because of the necessity for the municipalities of insuring against the damages. In this work we propose, in the framework of an integrated strategy, an operating solution which merges in a conditional approach the information usually available in this setup. First we use a Logistic Auto-Logistic (LAM) model for the estimation of the univariate conditional probabilities of flood events. This approach has two fundamental advantages: it allows to incorporate auxiliary information and does not require the target variables to be independent. Then we simulate the joint distribution of floodings by means of the Gibbs Sampler. Finally we propose an algorithm to increase ex post the spatial autocorrelation of the simulated events. The methodology is shown to be effective by means of an application to the estimation of the flood probability of Italian hydrographic regions.

La necessità di disporre di mappe di probabilità di sito archeologico è un tema attualmente al centro di un rinnovato interesse anche grazie alla disponibilità di una moltitudine di informazioni territoriali gestite ed elaborate con l’ausilio della tecnologia GIS. Gli studi che finora si sono occupati del problema, hanno fatto riferimento a modellistiche di tipo regressivo od autoregressivo che, sebbene centrate sulle peculiarità del fenomeno, si sono dimostrate sensibilmente dipendenti dalla presenza di dati anomali nella stima dei parametri e da ipotesi specifiche sui casi in esame. L’intento del presente lavoro è invece quello di proporre una soluzione più robusta e generalizzabile in linea con i recenti sviluppi nel campo della modellistica non parametrica la quale potrebbe dare un forte impulso all’uso congiunto della statistica e della tecnologia GIS. L’informazione geografica ricavabile dai dati fisici e satellitari relativi all’area di studio rappresenta infatti, grazie al dettaglio che la caratterizza, una fonte ausiliaria insostituibile per spiegare la presenza o meno di un sito in una data posizione della mappa. L’approccio proposto è stato sviluppato ed applicato per l’area test di Cures Sabini ottenendo dei risultati abbastanza incoraggianti, soprattutto se letti in termini della estrema facilità di interpretazione dei risultati da parte di non statistici e della riscontrata possibilità di rendere automatico il processo di produzione delle mappe di probabilità. Questa evidenza permetterebbe ad operatori del settore non professionalmente preparati da un punto di vista metodologico, di estendere il modello a situazioni anche molto diverse da quella analizzata.

La necessità di disporre di mappe di probabilità di sito archeologico è un tema attualmente al centro di un rinnovato interesse anche grazie alla disponibilità di una moltitudine di informazioni territoriali gestite ed elaborate con l’ausilio della tecnologia GIS. Gli studi che finora si sono occupati del problema, hanno fatto riferimento a modellistiche di tipo regressivo od autoregressivo che, sebbene centrate sulle peculiarità del fenomeno, si sono dimostrate sensibilmente dipendenti dalla presenza di dati anomali nella stima dei parametri e da ipotesi specifiche sui casi in esame. L’intento del presente lavoro è invece quello di proporre una soluzione più robusta e generalizzabile in linea con i recenti sviluppi nel campo della modellistica non parametrica la quale potrebbe dare un forte impulso all’uso congiunto della statistica e della tecnologia GIS. L’informazione geografica ricavabile dai dati fisici e satellitari relativi all’area di studio rappresenta infatti, grazie al dettaglio che la caratterizza, una fonte ausiliaria insostituibile per spiegare la presenza o meno di un sito in una data posizione della mappa. L’approccio proposto è stato sviluppato ed applicato per l’area test di Cures Sabini ottenendo dei risultati abbastanza incoraggianti, soprattutto se letti in termini della estrema facilità di interpretazione dei risultati da parte di non statistici e della riscontrata possibilità di rendere automatico il processo di produzione delle mappe di probabilità. Questa evidenza permetterebbe ad operatori del settore non professionalmente preparati da un punto di vista metodologico, di estendere il modello a situazioni anche molto diverse da quella analizzata.