XiaoMi-AI文件搜索系统
World File Search System估计值
使用...估算县级疫苗接种覆盖率
摘要 1 全国儿童免疫调查 (NIS-Child) 是一项针对美国 19 至 35 个月儿童的父母和监护人的随机拨号调查。NIS-Child 每年在国家和州一级以及选定的地方和地区提供儿童疫苗接种覆盖率估计值。我们描述了使用 NIS-Child 数据生成县级疫苗接种覆盖率的小区域估计方法。使用 2008-2018 年 NIS-Child 数据，结合队列以增加样本量，得出 2007 年至 2011 年和 2012 年至 2016 年出生儿童的两岁儿童估计值。这些模型使用来自区域卫生资源文件、人口普查规划数据库、出生记录和其他来源的县级预测因子。我们描述了应用横断面 Lindley 和 Smith 区域级模型（也称为 Fay-Herriot 模型）的方法，以及选择县级疫苗接种覆盖率预测因子的方法和与这些方法相关的局限性。县级估计值是使用 James-Stein 方法生成的，这是一种经验最佳线性无偏预测方法。此外，我们讨论了一个交互式地图工具，该工具显示了县级疫苗接种覆盖率估计值在各县之间的差异以及县级覆盖率可能与县级特征之间的关联。关键词：随机数字拨号；Fay-Herriot 模型；James-Stein 估计；数据可视化
萨福克经济与就业更新
迄今为止的就业和失业指标。然而，近年来对 LFS 的回应大大减少，导致随后估计值出现波动，包括失业率和经济活动的估计值。国家统计局 (ONS) 重新加权了 LFS 并获取了更多数据，但仍建议在解释包含劳动力成分的官方数据时要谨慎，尤其是在与 2022 年 6 月之前的水平进行比较时。• 衡量英国劳动力市场的方式需要改变。市场已经发生了变化
科威特贸易和投资情况说明书 2024- ...
5 英国市场份额数据采用说明书中市场份额部分概述的方法计算得出，数据来源于英国国家统计局和联合国贸易和发展会议。 6 外国直接投资数据来源于英国国家统计局针对所有合作伙伴发布的外国直接投资临时数据。 7 经济数据来源于国际货币基金组织世界经济展望数据库；估计值和预测值以斜体表示；所提供的 GDP 排名基于当前价格（名义价值），以美元计算，一些合作伙伴的价值基于估计值，可能会影响修订后的排名。
应急柴油发电机动力系统，1987-1993
1987-1993 年期间美国商用核电站的发电机 (EDG) 电力系统。为了评估 EDG 电力系统性能，给出了单个 EDG 列车向安全相关总线提供应急交流电的可靠性估计值。这些估计值基于 EDG 列车性能数据，这些数据是安全相关总线低压情况的实际响应，用于避免全站断电事件。对来自 EDG 运行事件的数据进行基于风险的分析和趋势和模式的工程分析，以深入了解整个行业和工厂特定级别的 EDG 可靠性性能。与来自概率风险评估、单个工厂检查和 NUREG 报告的 EDG 列车统计数据进行比较，这些报告代表了美国 40% 的商用核电站。此外，EDG 列车可靠性估计值和相关的不确定性间隔与全站断电目标可靠性目标进行了比较。
通过数据集成和人工智能绘制贫困地图：亚洲和太平洋地区关键指标的特别补充
全球各经济体都在竞相实现 2030 年的可持续发展目标。17 项可持续发展目标承诺不让任何人掉队，并首先帮助最需要帮助的人，通过由 155 个目标和 231 个独特指标组成的全球框架进行监测。这些指标中的大多数是由国家统计系统通过代表性调查、人口普查和行政记录编制的。例如，可持续发展目标 1：消除贫困的指标通常来自对家庭收入和支出或生活水平的调查。通常，此类调查的样本量足以提供具有全国代表性的估计值。当进一步按重要或已建立的国内领域（例如州、省或地区）细分贫困估计值时，这些样本量通常还提供在可容忍的可靠性水平内的估计值。然而，调查样本量通常不够大，无法在更细致的层面（如市镇和村庄）提供可靠的估计，因此可能无法帮助政策制定者有效地锁定最需要减贫计划的人口群体。
吉尔吉斯斯坦 - 贸易和投资情况说明书
5 英国市场份额数据采用情况说明书中市场份额部分概述的方法计算得出，数据来自英国国家统计局和联合国贸易和发展会议。6 FDI 数据来自英国国家统计局与所有合作伙伴的 FDI 临时数据发布。7 经济数据来自国际货币基金组织世界经济展望数据库；估计值和预测值以斜体表示；提供的 GDP 排名基于当前价格（名义值）的美元价值，一些合作伙伴的价值基于估计值，可能会影响修订后的排名。
谁在 2020 年中期之前没有收到经济影响补助金？
资料来源：城市研究所冠状病毒追踪调查，第一轮。调查于 2020 年 5 月 14 日至 27 日进行，93.1% 的受访者在 5 月 20 日前完成了调查。注：FPL 是联邦贫困水平。由于样本量不足，未显示报告领取社会保障福利的未申报者的估计值。*** 使用双尾检验，估计值与经济影响付款接受者在 0.01 水平上存在显著差异。
通过多尺度线性回归建模从全球数字高程模型中提取建筑区域的广义垂直分量
使用线性最小二乘回归技术，以 250 米的空间分辨率概括了经多尺度卷积、形态和纹理变换过滤的免费数字高程模型 (DEM) 全球数据中建筑区的垂直分量估计值。选择了六个测试案例：香港、伦敦、纽约、旧金山、圣保罗和多伦多。根据 60 种线性、形态和纹理过滤组合以及不同的概括技术，对五个全球 DEM 和两个 DEM 复合材料进行了评估。引入了四种广义的建筑区垂直分量估计值：平均建筑总高度 (AGBH)、平均净建筑高度 (ANBH)、建筑总高度标准差 (SGBH) 和净建筑高度标准差 (SNBH)。研究表明，ANBH 和 SNBH 给出的净 GVC 最佳估计值总是比 AGBH 和 SGBH 给出的相应总 GVC 估计值包含更大的误差，无论是平均值还是标准差。在本研究评估的源中，使用单变量线性回归技术估计建筑区 GVC 的最佳 DEM 源是使用联合运算符 (CMP_SRTM30-AW3D30_U) 的 1 弧秒航天飞机雷达地形测绘任务 (SRTM30) 和先进陆地观测卫星 (ALOS) 世界 3D-30 米 (AW3D30) 的组合。使用 16 颗卫星开发了一个多元线性模型
培训数据分布通过机器学习
目的：监督机器学习（ML）为定量MRI中的参数映射提供了一种令人信服的替代方法。这项工作的目的是证明和量化不同训练数据分布对超级访问的ML用于拟合时的准确性和精度的影响。方法：我们使用传统的模型拟合和监督ML拟合了两个和三校区的生物物理模型以及模拟的扩散数据的扩散测量。对于监督的ML，我们培训了几个人工神经网络以及随机的森林回归器，以不同的地面真相参数分布。我们比较了使用合成测试数据从不同估计中获得的参数估计值的准确性和精度。结果：当训练集中参数组合的分布与在健康人类数据集中观察到的参数组合匹配时，我们观察到高精度，但对非典型参数组合的估计值不准确。相反，当从整个合理参数空间中统一采样训练数据时，对于非典型参数组合，估计值往往更准确，但对于典型的参数组合可能具有较低的精度。结论：这项工作强调，使用监督ML对模型参数的估计在很大程度上取决于训练集分布。我们表明，使用ML获得的高精度可能会掩盖强偏置，并且参数图的视觉评估不足以评估估计值的质量。