1. RI UFLA
  2. Programas de Pós-Graduação - Teses e Dissertações
  3. Estatística e Experimentação Agropecuária - Doutorado (Teses)
Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/4304
Full metadata record
DC FieldValueLanguage
dc.creatorSantos, Gérson Rodrigues dos-
dc.date.accessioned2014-10-03T11:56:59Z-
dc.date.available2014-10-03T11:56:59Z-
dc.date.issued2014-10-03-
dc.date.submitted2010-11-16-
dc.identifier.citationSANTOS, G. R. Hierarquização geométrica dos preditores geoestatísticos. 2010. 200 p. Tese (Doutorado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2010.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/4304-
dc.languagept_BRpt_BR
dc.publisherUNIVERSIDADE FEDERAL DE LAVRASpt_BR
dc.rightsacesso abertopt_BR
dc.subjectGeoestatísticapt_BR
dc.subjectEspaços de Hilbertpt_BR
dc.subjectEsperança condicionalpt_BR
dc.subjectKrigagempt_BR
dc.subjectHierarquização geométricapt_BR
dc.subjectGeostatisticspt_BR
dc.subjectHilbert spacespt_BR
dc.subjectConditional expectationpt_BR
dc.subjectKrigingpt_BR
dc.subjectGeometric hierarchypt_BR
dc.titleHierarquização geométrica dos preditores geoestatísticospt_BR
dc.title.alternativeGeometric hierarchy of geometrical predictorspt_BR
dc.typetesept_BR
dc.publisher.programDEX - Departamento de Ciências Exataspt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countryBRASILpt_BR
dc.description.concentrationEstatística e Experimentação Agropecuáriapt_BR
dc.contributor.advisor1Oliveira, Marcelo Silva de-
dc.contributor.referee1Nogueira, Denismar Alves-
dc.contributor.referee1Chaves, Lucas Monteiro-
dc.contributor.referee1Ferreira, Eric Batista-
dc.contributor.referee1Scalon, João Domingos-
dc.description.resumoA predição geoestatística faz parte da modelagem probabilística que usa a vizinhança amostrada com o intuito de fazer valer a percepção de que a estrutura de dependência espacial de um processo estocástico otimiza as PREDIÇÕES, sem viés e com variância mínima. Assim, objetiva-se neste trabalho de tese apresentar a hierarquização geométrica dos preditores lineares geoestatísticos, considerando suas restrições e respectivos subespaços de projeção. Para tanto, adota-se a abordagem geométrica desses preditores, visando a projeção ortogonal de uma função-vetor Y(x0) (que representa um valor a ser predito na localização x0) no subespaço vetorial resultante das restrições impostas. Como resultado, cita-se a hierarquia geométrica obtida: a esperança condicional, em primeiro lugar, a krigagem linear simples, em segundo lugar, e a krigagem linear universal, em terceiro lugar, devido a dimensão dos subespaços de projeção, com ilustração, também, através de simulação estocástica. Além disso, ficam estabelecidas as condições para a utilização prática de tais preditores.pt_BR
dc.description.resumoGeostatistics estimation is a probabilistic modeling strategy that uses sample points neighborhood information in order to consider the spatial dependence of the structure of a STOCHASTICprocess to obtain, unbiased and minimum variance estimates. Hence, the main goal of this thesis is to present the geometric hierarchy of the geostatistical linear predictors, taking into account their restrictions and respective projection subspaces. We apply the orthogonal geometric projection of the predictors in order to obtain a vector function Y(x0), (that represents a value to be predicted in the location (x0)) in the resulting vector subspace from the restrictions imposed to the predictors. As an important result obtained in our work, we show how to obtain geometric hierarchy: Conditional expectation, simple linear kriging and linear universal kriging, 1st, 2nd and 3rd, respectively. We establish practpt_BR
dc.subject.cnpqCNPQ_NÃO_INFORMADOpt_BR
Appears in Collections:Estatística e Experimentação Agropecuária - Doutorado (Teses)

Files in This Item:
File Description SizeFormat 
TESE_Hierarquização geométrica dos preditores geoestatísticos.pdf6,55 MBAdobe PDFView/Open
Show simple item record Recommend this item


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