Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Costa, Patrícia Lusié Velozo da | - |
Autor(es): dc.contributor | Fonseca, Ana Beatriz Monteiro | - |
Autor(es): dc.contributor | Pinto Junior, Jony Arrais | - |
Autor(es): dc.creator | Silva, Flávio Pereira Martins da | - |
Data de aceite: dc.date.accessioned | 2024-07-11T17:29:38Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T17:29:38Z | - |
Data de envio: dc.date.issued | 2020-05-05 | - |
Data de envio: dc.date.issued | 2020-05-05 | - |
Data de envio: dc.date.issued | 2019 | - |
Fonte completa do material: dc.identifier | https://app.uff.br/riuff/handle/1/13480 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/751451 | - |
Descrição: dc.description | Diversos fenômenos tais como precipitação, ocorrências de doenças, entre outros, são espacialmente correlacionados e, por isso, este trabalho consiste em modelar dados geoestatísticos impondo uma estrutura de dependência espacial. Diferentes funções na literatura permitem fazer essa estrutura. Esse trabalho concentra-se na função de covariância exponencial. Os parâmetros desconhecidos são estimados sob o enfoque Bayesiano. Na estatística bayesiana, a amostra e a crença do pesquisador são levadas em consideração na estimação paramétrica através da distribuição a posteriori. Porém, a avaliação direta dessa distribuição muitas vezes é custosa ou não é possível. Uma alternativa nesses casos é a utilização dos métodos de Monte Carlo via cadeias de Markov (MCMC) e, em especial, o amostrador de Gibbs e o algoritmo de Metropolis-Hasting. Dados simulados são gerados para analisar a eficiência do modelo proposto de convergir para o valor verdadeiro e analisar a sensibilidade que a estimação possui com diferentes distribuições a priori. Finaliza-se o trabalho aplicando um conjunto de dados reais ao modelo proposto | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Estatística espacial | - |
Palavras-chave: dc.subject | Inferência bayesiana | - |
Palavras-chave: dc.subject | MCMC | - |
Palavras-chave: dc.subject | Geoestatística | - |
Palavras-chave: dc.subject | Alcance | - |
Palavras-chave: dc.subject | Geoestatística | - |
Título: dc.title | Modelando dados geoestatísticos através da função de covariância exponencial sob enfoque bayesiano | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: