Przestrzenne próbkowanie i bootstrap

Struktura rozdziału jest następująca: po pierwsze przedstawione są klasy danych punktowych i sposób pracy z nimi (9.1); po drugie pokazane zostały sposoby generowania nowych punktów na płaszczyźnie, które można wykorzystywać jako dane testowe lub rozkłady referencyjne do porównań (9.2); po trzecie szeroko przedstawiono sposoby losowania z istniejących punktów – proste losowanie (9.3.1) oraz bardziej zaawansowane block bootstrap (9.3.3) i moving block bootstrap (9.3.4), pokazano także sposób działania pakietu sperrorest:: (9.3.2). Przedstawiono także wykorzystanie próbkowania przestrzennego i bootstrap w walidacji krzyżowej modeli (9.4). W rozdziale nie jest omawiany pakiet spsann::, który pozwala na optymalizację konfiguracji przestrzennej próbki wykorzystując metodę SSA (spatial simulated annealing). Nie jest także omawiany pakiet spcosa:: pozwalający na próbkowanie ze stratyfikowanego podziału w oparciu o k-średnich (Compact Geographical Strata). Pominięto także pakiet gridsample::, który pozwala na próbkowanie dla danych gridowych. Pominięto także modelowanie ekonometryczne przy użyciu metody lasów losowych (random forest), która jest oparta na prostym bootstrap (case resampling) zarówno obserwacji, jak i zmiennych objaśniających. Ciekawym uzupełnieniem tego rozdziału jest książka pt. An introduction to bootstrap methods with applications to R (Chernick i LaBudde, 2014), która generalnie bardzo szeroko omawia a-przestrzenny bootstrap (zawiera też wątki przestrzenne) oraz książka z otwartym dostępem pt. Handbook of Spatial Analysis. Theory and Application with R (INSEE /EUROSTAT, 2018), która zawiera w rozdziale 10 bardzo dobry opis metod losowania zbilansowanej próbki.