Zobrazeno 1 - 10
of 36
pro vyhledávání: '"Grossman, Irina"'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
In Socio-Economic Planning Sciences August 2023 88
Publikováno v:
In International Journal of Forecasting January-March 2023 39(1):110-122
Publikováno v:
In Computers, Environment and Urban Systems July 2022 95
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Wilson, Tom1 wilson.t1@unimelb.edu.au, Grossman, Irina2 irina.grossman@unimelb.edu.au
Publikováno v:
Australasian Journal of Regional Studies. 2022, Vol. 28 Issue 1, p55-73. 19p.
Supplemental Material for Development and evaluation of probabilistic forecasting methods for small area populations by Irina Grossman, Kasun Bandara, Tom Wilson, and Michael Kirley in Environment and Planning B: Urban Analytics and City Science
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::0b30f9b5edc74bb71a61416cd5b715c4
Publikováno v:
Population Research and Policy Review
Small area population forecasts are widely used by government and business for a variety of planning, research and policy purposes, and often influence major investment decisions. Yet, the toolbox of small area population forecasting methods and tech
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Local and state governments depend on small area population forecasts to make important decisions concerning the development of local infrastructure and services, including schooling, transportation, healthcare, energy, telecommunications, and water
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::3e7ca4f29d46efcb927f3770739127db
https://doi.org/10.31235/osf.io/3k79d
https://doi.org/10.31235/osf.io/3k79d