Export iten: EndNote BibTex

Please use this identifier to cite or link to this item: http://tede.unioeste.br/handle/tede/2833
Tipo do documento: Tese
Title: Influência local em modelos geoestatísticos T-Student com aplicações a dados agrícolas
Other Titles: Local influence in geoestatistic T-Student models applied to agricultural data
Autor: Assumpção, Rosangela Aparecida Botinha 
Primeiro orientador: Opazo, Miguel Angel Uribe
Resumo: A presença de observações discrepantes torna imprópria a análise do processo gaussiano, sendo assim, como é encontrado na literatura, esse processo deve ser substituído por modelos da classe das distribuições simétricas, tal como a distribuição t-student, que incorpora parâmetros adicionais para reduzir a influência dos pontos discrepantes. Neste trabalho, assumiu-se que o processo apresenta distribuição t-student n-variada. Essa distribuição tem como parâmetro adicional o grau de liberdade v, que aqui considerou-se fixo. Dessa forma, desenvolveu-se o algoritmo EM e o algoritmo de NR para a estimação dos parâmetros da estrutura de dependência espacial e do modelo espacial linear. Após a estimação dos parâmetros, utilizou-se duas técnicas de diagnósticos de influência local, ambas com o intuito de avaliar a qualidade do ajuste do modelo pelas suposições feitas e pela robustez dos resultados das estimativas quando há perturbações no modelo ou nos dados. A primeira técnica, denominada "usual", já utilizada por diversos autores, avalia o afastamento da verossimilhança pela função do logaritmo da verossimilhança e a segunda técnica que aqui apresentamos propõe a análise de influência local pelo Q-afastamento da função de verossimilhança para dados completos. Essas técnicas permitiram verificar a influência no afastamento da verossimilhança, na matriz de covariância, no preditor linear e nos valores preditos por meio da análise gráfica. Para ilustrar a aplicação da técnica usual e da nossa proposta, realizou-se a análise de dados simulados e dados reais provenientes de experimentos agrícolas.
Abstract: The presence of inconsistent observations make it improper to consider the gaussian process, as it is found in the literature. This process should be replaced by models of the symmetric distribution classes, such as the t-student distribution, which incorporates additional parameters to reduce the influence of inconsistent points. This work has developed the EM algorithm for estimating the structure of the spatial dependence of the parameters and of the spatial linear model, assuming that the process shows t-student n-varied distribution. This distribution has the degree of freedom v as the additional parameter, which has been considered to be fixed in this research. Techniques to diagnose influence are used after the estimation of parameters, in order to assess the quality of the adjustment of the model by the assumptions made and for the robustness of the results of the estimates when there are disturbances in the model or data. In the present work, diagnostic techniques for the assessment of local influence in linear spatial models have been developed, considering the process with t-student n-varied distribution. The usual diagnostic technique evaluates the withdrawing of the likelihood rate by the function of the likelihood logarithm. In this proposal, in addition to considering the usual technique, we use the withdrawing of the likelihood by Q-displacement of the complete likelihood. The application of the usual technique and of the one proposed here are illustrated through the analyses of both simulated and real data, provenient of agricultural experiments.
Keywords: Geoestatística
Algoritmo EM
Máxima verossimilhança
Geostatistics
EM Algorithm
Maximum Likelihood
CNPq areas: CNPQ::CIENCIAS AGRARIAS::ENGENHARIA AGRICOLA
Idioma: por
País: BR
Publisher: Universidade Estadual do Oeste do Parana
Sigla da instituição: UNIOESTE
Departamento: Engenharia
Program: Programa de Pós-Graduação "Stricto Sensu" em Engenharia Agrícola
Citation: ASSUMPÇÃO, Rosangela Aparecida Botinha. Local influence in geoestatistic T-Student models applied to agricultural data. 2010. 148 f. Tese (Doutorado em Engenharia) - Universidade Estadual do Oeste do Parana, Cascavel, 2010.
Tipo de acesso: Acesso Aberto
URI: http://tede.unioeste.br:8080/tede/handle/tede/2833
Issue Date: 16-Dec-2010
Appears in Collections:Doutorado em Engenharia Agrícola (CVL)

Files in This Item:
File SizeFormat 
Rosangela_texto.pdf2.26 MBAdobe PDFView/Open Preview


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