Modelagem de covariância espacial bivariada baseada em aproximações separáveis

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorErbisti, Rafael Santos-
Autor(es): dc.contributorCosta, Patrícia Lusié Velozo da-
Autor(es): dc.contributorLobo, Viviana das Graças Ribeiro-
Autor(es): dc.creatorGomes, Caroline Ferreira da Cruz-
Data de aceite: dc.date.accessioned2024-07-11T18:05:46Z-
Data de disponibilização: dc.date.available2024-07-11T18:05:46Z-
Data de envio: dc.date.issued2023-04-11-
Data de envio: dc.date.issued2023-04-11-
Fonte completa do material: dc.identifierhttp://app.uff.br/riuff/handle/1/28518-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/763424-
Descrição: dc.descriptionOs recursos computacionais se mostram cada vez mais necessários na área da Estatística e para diversas ciências, porém lidar com dados de alta dimensionalidade ainda é um desafio. Em estatística espacial, na área da geoestatística, as análises de dados multivariados espaciais necessitam da especificação de uma função de covariância cruzada, a qual define a dependência entre as variáveis do vetor resposta e as localizações do domínio espacial. Entretanto, o custo computacional para realizar o procedimento de inferência e predição pode ser proibitivo. Como consequência, o uso de modelos complexos é inviável. Neste trabalho, será considerado o modelo de covariância não separável para dados multivariados, apresentado em Porcu, Bevilacqua e Genton (2016), e a forma de aproximação da matriz de covariância cheia a partir de duas matrizes separáveis de menor dimensão, apresentada em Genton (2007) e Erbisti, Fonseca e Alves (2018). O método de aproximação é aplicado apenas no cálculo da verossimilhança, mantendo a interpretação do modelo original. Um estudo de simulação será conduzido para comparar a performance inferencial dos modelos aproximados, bem como o ganho em eficiência computacional. Diferentemente de Erbisti, Fonseca e Alves (2018), o objetivo é investigar o uso dessas aproximações separáveis para a matriz de covariância obtida a partir de funções que permitem diferentes alcances espaciais para cada componente do vetor resposta. O procedimento de estimação dos modelos será sob o enfoque bayesiano e implementado no software R. Por fim, desenvolveu-se um pacote no R para o cálculo da função de verossimilhança utilizando as aproximações separáveis.-
Descrição: dc.description63 f.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Título: dc.titleModelagem de covariância espacial bivariada baseada em aproximações separáveis-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.