| dc.contributor | Quiroz Cornejo, Zaida Jesús | |
| dc.creator | Barriga Pozada, Alfonso Carlos Cesar | |
| dc.date | 2020-09-29T18:25:16Z | |
| dc.date | 2020-09-29T18:25:16Z | |
| dc.date | 2020-09-29T18:25:16Z | |
| dc.date | 2020-09-29T18:25:16Z | |
| dc.date | 2019 | |
| dc.date | 2020-09-29 | |
| dc.date.accessioned | 2023-08-07T23:05:56Z | |
| dc.date.available | 2023-08-07T23:05:56Z | |
| dc.identifier | http://hdl.handle.net/20.500.12404/17145 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/7948478 | |
| dc.description | In this thesis, we propose a new geostatistical beta inflated zero-one model using
NNGP (Nearest Neighbor Gaussian Process). The main advantage of using NNGP in
the modeling of spatial effects is the reduction of the large computing time it takes to
model a Gaussian process since it does not need to work with all the neighbors, but
only with a small group. The estimation of the parameters is done from a bayesian
perspective since the posterior distribution does not have a known shape. In addition,
a simulation studywas carried out inwhich testswere donewith different amounts of
neighborstoevaluateintermsofRMSEandcomputational timethegaininthemodels
whenaddingmore neighbors.Finally, the proportionof forest cover inHiroshimawas
modeled using the developed geostatistical model, obtaining good results. | |
| dc.description | En esta tesis proponemos un nuevo modelo geoestadístico beta inflacionado en ceros y unos utilizando NNGP (del inglés Nearest Neighbor Gaussian Process). La ventaja principal de modelar los efectos espaciales utilizando NNGP es la reducción del elevado tiempo computacional que con lleva modelar un proceso gaussiano, ya que no necesita trabajar con todos los vecinos sino solo con un grupo reducido. La estimación de los parámetros se llevó a cabo desde una perspectiva bayesiana. Además, se llevó a cabo un estudio de simulación en el cual se hicieron pruebas con diferentes cantidades de vecinos para evaluar en términos de RMSE y tiempo computacional la ganancia en la estimación del modelo al agregar más vecinos. Finalmente, se modeló la proporción de cobertura forestal en Hiroshima utilizando el modelo geoestadístico desarrollado, obteniendo buenos resultados. | |
| dc.description | Tesis | |
| dc.language | spa | |
| dc.publisher | Pontificia Universidad Católica del Perú | |
| dc.publisher | PE | |
| dc.rights | Atribución-NoComercial-CompartirIgual 2.5 Perú | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.rights | http://creativecommons.org/licenses/by-nc-sa/2.5/pe/ | |
| dc.subject | Deforestación | |
| dc.subject | Estadística bayesiana | |
| dc.subject | Geografía matemática | |
| dc.subject | https://purl.org/pe-repo/ocde/ford#1.01.03 | |
| dc.title | Modelo bayesiano geoestadístico beta-inflacionado utilizando NNGP con aplicación a datos de cobertura forestal | |
| dc.type | info:eu-repo/semantics/masterThesis | |
