Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/28999
metadata.teses.dc.title: Proposta de correção do viés na estimação da semivariância do resíduo na presença de tendência
metadata.teses.dc.title.alternative: Proposal for correction of bias in estimation of semivariance of residual in presence of trend
metadata.teses.dc.creator: Silva, Charles Shalimar Felippe da
metadata.teses.dc.creator.Lattes: http://lattes.cnpq.br/9348932103685382
metadata.teses.dc.contributor.advisor1: Oliveira, Marcelo Silva de
metadata.teses.dc.contributor.referee1: Scalon, João Domingos
metadata.teses.dc.contributor.referee2: Alves, Marcelo de Carvalho
metadata.teses.dc.contributor.referee3: Ferreira, Eric Batista
metadata.teses.dc.contributor.referee4: Lima, Renato Ribeiro de
metadata.teses.dc.subject: Semivariância dos erros
Viés corrigido
Tendência espacial
Análise geoestatística
Semivariance of errors
Corrected bias
Spatial trend
Geostatistical analysis
metadata.teses.dc.date.issued: 5-Apr-2018
metadata.teses.dc.identifier.citation: SILVA, C. S. F. da. Proposta de correção do viés na estimação da semivariância do resíduo na presença de tendência. 2018. 90 p. Tese (Doutorado em Agronomia/Fitotecnia)-Universidade Federal de Lavras, Lavras, 2018.
metadata.teses.dc.description.resumo: O objetivo da análise geoestatística é a predição de dados em localizações não amostradas na região de um fenômeno com dependênciaespacial. A Geostatística possibilita a implementação de um mapa de predição ou krigagem que caracterize a variabilidade espacial desse fenômeno. A qualidade do mapa, assim como de todos os produtos da análise geoestatística, depende da qualidade da estimação das semivariâncias. Para situações em que a média da variável regionalizada não pode ser considerada constante, pode-se recorrer à predição com a krigagem universal ou com regressão. No entanto, a semivariância dos resíduos ou erros preditos, utilizada por ambos os tipos de krigagem, apresenta viés, subestimando os valores de semivariância dos erros,com prejuízo significativo na modelagem da variação espacial. Por isso, esforços têm sido feitos para corrigir o viés na semivariância dos resíduos. O presente trabalho foi realizado, então, com o objetivo de desenvolver uma metodologia para corrigir tal viés, a qual foi denominada critério IRWGLS (do inglês Iteratively Re-weighted Generalized Least Squares ou Mínimos Quadrados Generalizados Iterativamente Reponderados) com correção de viés, e implementá-la no programa R. Os modelos de semivariância ajustados de acordo com o semivariograma foram usados para compor a matriz de covariância dos erros. Na estimação dos parâmetros dos modelos foram usados os critérios dos mínimos quadrados ordinários e generalizados, e uma correção de viés, segundo a metodologia proposta. Para avaliar o desempenho da metodologia proposta foi feita uma análise com três conjuntos de dados, que foram submetidos a teste de validação. Com os resultados obtidos, observou-se melhoria efetiva naqualidade da estimação dos parâmetros do modelo de semivariância. Além disso, o uso da metodologia proposta potencializou a correção de viés no modelo de semivariância considerado como o mais adequado para descrever a variabilidade espacial do fenômeno, fato percebido pelo maior aumento percentual nos valores das médias das semivariâncias estimadas, que chegou a 9,96% numa das amostras. A metodologia proposta tem a vantagem de ser de validade geral e, aliada à experiência de especialistas com conhecimento do aspecto físico do fenômeno e de estatísticos, se constitui num avanço para que o objetivo da análise geoestatística seja alcançado com mais acurácia e precisão.
metadata.teses.dc.description.abstract: The aim of geostatistical analysis is the prediction of data in locations that were not sampled in the region of a phenomenon with spatial dependence. Geostatistics allows implementation of a prediction or kriging map that characterizes the spatial variability of this phenomenon. The quality of this map, as well as all products of geostatistical analysis depends on quality of semivariances estimation. For situations that mean of regionalized variable is not constant, one can resort to prediction with universal or regression kriging. However, the semivariance of residuals or predicted errors, used by both types of kriging presents bias, underestimating values of semivariance of errors, with significant loss in modeling of spatial variation. Therefore, efforts have been made to correct the bias in semivariance of residuals. Thus, the present work was done with objective of developing a methodology to correct such bias, termed criterion IRWGLS (Iteratively Re-weighted Generalized Least Squares) with bias correction, and implement it in software R. The semivariance models adjusted according to semivariogram were used to compose error covariance matrix. To estimation of parameters of these models, the criteria of ordinary and generalized least squares were used and a bias correction according to the proposed methodology. To evaluate the performance of the proposed methodology, an analysis was performed with three data sets that were submitted to a validation test. The results obtained showed an effective improvement in quality of estimation of parameters in the semivariance model. In addition, use of the proposed methodology potentiated bias correction in semivariance model considered as most adequate to describe the spatial variability of phenomenon, fact perceived by highest percentage increase in mean values of estimated semivariances, which reached 9.96 % in one sample set. The proposed methodology has advantage of being of general validity and, together with experience of specialists with knowledge of physical aspect of the phenomenon and statisticians, it constitutes an advance so that the objective of geostatistical analysis isreached with more accuracy and precision.
metadata.teses.dc.identifier.uri: http://repositorio.ufla.br/jspui/handle/1/28999
metadata.teses.dc.publisher: Universidade Federal de Lavras
metadata.teses.dc.language: por
Appears in Collections:DAG - Agronomia/Fitotecnia - Doutorado (Teses)



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.