The OI method was initially introdu

The OI method was initially introduced as a technique for objective analysis of meteorological and oceanographic data [33], [34]. It is based on the well-known Gauss–Markov theorem: an unbiased estimate of the parameter of interest is linear in the data and has the minimum variance, given the expected value and correlation of both the parameter and the data. The method assumes that the observational data are spatially correlated, i.e., data that are close to each other are highly correlated. Conversely, as observations become further apart spatially, their regional dependence decreases. The OI makes use of the observation to background error variance estimate for noise. The method is called “optimal” because if the correlation function is an accurate model of the spatial relationship of the data and if the assumption about noise accurately reflects the level of actual noise in the data, then the method will yield a linear estimate with the least expected error.

Kết quả (Việt) 1:

Phương pháp OI ban đầu được giới thiệu như là một kỹ thuật cho các mục tiêu phân tích dữ liệu khí tượng và hải dương học [33] [34]. Nó dựa trên các định lý Gauss-Markov nổi tiếng: một xấp xỉ không thiên vị tham số của lãi suất là tuyến tính trong các dữ liệu và có tối thiểu phương sai, đưa ra các giá trị kỳ vọng và mối tương quan của các tham số và dữ liệu. Phương pháp này giả định rằng các dữ liệu quan sát được trong không gian tương quan, tức là, dữ liệu gần gũi với nhau được tương quan cao. Ngược lại, như quan sát trở nên xa nhau trong không gian, phụ thuộc vào khu vực của họ giảm. OI là làm cho việc sử dụng các quan sát để ước tính phương sai lỗi nền cho tiếng ồn. Các phương pháp được gọi là "tối ưu" bởi vì các chức năng tương quan là một mô hình chính xác của các mối quan hệ không gian của dữ liệu và nếu các giả định về tiếng ồn phản ánh chính xác mức độ ồn thực tế trong dữ liệu, sau đó phương pháp sẽ mang lại một ước tính tuyến tính với lỗi ít nhất dự kiến.

Kết quả (Việt) 2:

Phương pháp OI ban đầu được giới thiệu như là một kỹ thuật để phân tích khách quan của dữ liệu khí tượng và hải dương học [33], [34]. Nó được dựa trên các định lý Gauss-Markov nổi tiếng: ước lượng không chệch của tham số đang là tuyến tính trong các dữ liệu và có phương sai tối thiểu, cho giá trị dự kiến ​​và mối tương quan của cả hai tham số và dữ liệu. Phương pháp này giả định rằng các dữ liệu quan sát được không gian tương quan, nghĩa là dữ liệu mà là gần nhau có tương quan cao. Ngược lại, khi quan sát trở nên xa nhau về không gian, phụ thuộc khu vực của họ giảm. Các nhiễm trùng cơ hội làm cho việc sử dụng của quan sát để lỗi nền dự toán không đúng cho tiếng ồn. Phương pháp này được gọi là "tối ưu" vì nếu chức năng tương quan là một mô hình chính xác của mối quan hệ không gian của dữ liệu và nếu giả định về tiếng ồn phản ánh chính xác mức độ tiếng ồn thực tế trong các dữ liệu, sau đó phương pháp này sẽ mang lại một ước lượng tuyến tính với các lỗi ít mong đợi nhất.