Influência local em modelos espaciais lineares gaussianos, utilizando o método de máxima verossimilhança restrita

dc.contributorBASTIANI, Fernanda De
dc.contributorURIBE OPAZO, Miguel Angel
dc.contributorhttp://lattes.cnpq.br/2192422493622936
dc.contributorhttp://lattes.cnpq.br/5519064508209103
dc.contributorhttp://lattes.cnpq.br/4179444121729414
dc.creatorSANTOS, Eduardo Lucas Ensslin dos
dc.date2019-12-06T11:10:51Z
dc.date2019-12-06T11:10:51Z
dc.date2019-07-29
dc.date.accessioned2022-10-06T18:51:30Z
dc.date.available2022-10-06T18:51:30Z
dc.identifierSANTOS, Eduardo Lucas Ensslin dos. Influência local em modelos espaciais lineares gaussianos, utilizando o método de máxima verossimilhança restrita. 2019. Dissertação (Mestrado em Estatística) – Universidade Federal de Pernambuco, Recife, 2019.
dc.identifierhttps://repositorio.ufpe.br/handle/123456789/35507
dc.identifier.urihttp://repositorioslatinoamericanos.uchile.cl/handle/2250/3991762
dc.descriptionO conhecimento da Geoestatística fundamenta-se no estudo de varíaveis aleatórias indexadas pela sua localização geográfica. A análise de métodos de diagnóstico de influência é frequentemente utilizada para indentificar a presença de observações potencialmente influentes nos dados e/ou no modelo, e avaliar a distorção que estas observações podem causar nos resultados das análises estatísticas. Nesse contexto, considera-se o estudo em modelos espaciais lineares Gaussianos, que levam em conta a dependência espacial das variáveis em estudo. Nesse caso a modelagem da estrutura de dependência espacial faz-se necessária para a definição dos parâmetros que a descrevem. O modelo também é considerado nas técnicas de interpolação, como a krigagem, que é utilizada para a predição de valores em locais não amostrados. No entanto, a estimatição dos parâmetros podem ser distorcidas pela existência de observações influentes. Nesse contexto, a principal contribuição desta dissertação é propor um esquema de pertubação na variável resposta para investigar a influência local em modelos espaciais lineares Gaussianos, considerando o método de máxima verossimilhança restrita para a estimação dos parâmetros. Realizaram-se estudos de simulação computacional e aplicação a dois conjuntos de dados reais.
dc.descriptionCNPq
dc.descriptionThe knowledge of Geostatistics is based on the study of random variables indexed by their geographic location. The analysis of influence diagnosis methods is often used to identify the presence of potentially influential observations in the data and / or the model and to assess the distortion that these observations may cause in the results of the statistical analyzes. In this context, the study is considered in Gaussian spatial linear models, which take into account the spatial variability of the variables under study. In this case the modeling of the spatial dependence structure is necessary for the definition of the parameters that describe it. The model is also considered in interpolation techniques, such as kriging, which is used to predict values in non-sampled locations. However, the estimates of the parameters can be distorted by the existence of influential observations. In this context, the main purpose of this dissertation is to propose a perturbation scheme in the response variable to investigate the local influence in linear Gaussian models, considering the method of restricted maximum likelihood for the estimation of parameters. Simulation and application studies were performed on two real data sets.
dc.formatapplication/pdf
dc.languagepor
dc.publisherUniversidade Federal de Pernambuco
dc.publisherUFPE
dc.publisherBrasil
dc.publisherPrograma de Pos Graduacao em Estatistica
dc.rightsopenAccess
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/
dc.subjectEstatística Aplicada
dc.subjectDiagnóstico de influência
dc.subjectGeoestatística
dc.subjectKrigagem
dc.titleInfluência local em modelos espaciais lineares gaussianos, utilizando o método de máxima verossimilhança restrita
dc.typemasterThesis


Este ítem pertenece a la siguiente institución