Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/29523
metadata.teses.dc.title: Krigagem com regressão espaço-temporal com modelos GAMLSS
metadata.teses.dc.title.alternative: Spatio-temporal regression kriging with GAMLSS models
metadata.teses.dc.creator: Medeiros, Elias Silva de
metadata.teses.dc.creator.Lattes: http://lattes.cnpq.br/5052910988468793
metadata.teses.dc.contributor.advisor1: Lima, Renato Ribeiro de
metadata.teses.dc.contributor.referee1: Olivera, Marcelo Silva de
metadata.teses.dc.contributor.referee2: Scalon, João Domingos
metadata.teses.dc.contributor.referee3: Oliveira, Izabela Regina Cardoso de
metadata.teses.dc.contributor.referee4: Mello, Carlos Rogério de
metadata.teses.dc.contributor.referee5: Olinda, Ricardo Alves de
metadata.teses.dc.subject: Geoestatística
Climatologia
Krigagem
Geostatistics
Climatology
Kriging
metadata.teses.dc.date.issued: 28-Jun-2018
metadata.teses.dc.description.sponsorship: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
metadata.teses.dc.identifier.citation: MEDEIROS, E. S. de. Krigagem com regressão espaço-temporal com modelos GAMLSS. 2018. 121 p. TESE (Doutorado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2018.
metadata.teses.dc.description.resumo: A variabilidade espaço-temporal de um fenômeno pode ser decomposta pelo componente de tendência e pelo resíduo estocástico. Esta tese tem por objetivo considerar diferentes modelos probabilísticos no ajuste do componente de tendência, uma vez que a estimativa precisa da distribuição espaço-temporal da variável resposta requer uma distribuição de probabilidade adequada. Para o ajuste deste componente foram considerados os modelos de regressão gaussiana e os modelos aditivos generalizados para posição, escala e forma (GAMLSS). Os resíduos produzidos por esta regressão foram modelados por funções de covariâncias espaço-temporal, que levavam em consideração a dependência espacial, temporal e espaço-temporal. A krigagem com regressão espaço-temporal que combinou a krigagem sobre os resíduos com a regressão GAMLSS apresentou bons resultados, fato este comprovado pelas estatísticas obtidas depois de realizada a validação cruzada. A metodologia apresentada nesta tese possibilitou a criação de cenários futuros para a área em estudo, interpolando locais não observados e prevendo estimativas para anos futuros.
metadata.teses.dc.description.abstract: The spatio-temporal variability of a phenomenon can be decomposed by the trend component and the stochastic residue. This thesis aims to consider different probabilistic models in the adjustment of the trend component, since the precise estimation of the spatial-temporal distribution of the response variable requires an adequate probability distribution. Gaussian regression models and the generalized additive models for position, scale and shape (GAMLSS) were considered for the adjustment of this component. The residuals produced by this regression were modeled by spatio-temporal covariance functions, which took into account spatial, temporal and spatial-temporal dependence. The Spatiotemporal regression Kriging that combined kriging on the residues with the GAMLSS regression showed good results, as evidenced by the statistics obtained after cross-validation. The methodology presented in this thesis allowed the creation of future scenarios for the study area, interpolating unobserved locations and predicting estimates in future years.
metadata.teses.dc.identifier.uri: http://repositorio.ufla.br/jspui/handle/1/29523
metadata.teses.dc.publisher: Universidade Federal de Lavras
metadata.teses.dc.language: por
Appears in Collections:DEX - Estatística e Experimentação Agropecuária - Doutorado (Teses)

Files in This Item:
File Description SizeFormat 
TESE_Krigagem com regressão espaço-temporal com modelos GAMLSS.pdf28,07 MBAdobe PDFView/Open


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