@PHDTHESIS{ 2022:109379844,
 	title = {Correlação espacial bivariada para o redimensionamento do tamanho amostral efetivo},
 	year = {2022},
 	url = "https://tede.unioeste.br/handle/tede/6338",
 	abstract = "Determinar a variabilidade espacial de atributos do solo e da planta é fundamental para o gerenciamento de áreas agrícolas. Essa prática exige que seja realizado um planejamento amostral
 apropriado que oportunize coletar o menor número possível de amostras georreferenciadas, vislumbrando manter a qualidade na amostragem e poupar recursos financeiros e operacionais. Além disso,
 estudos geoestatísticos sobre a distribuição espacial de processos estocásticos, em que as observa-
 ções são georreferenciadas, podem evidenciar estruturas espaciais não totalmente independentes
 entre os atributos. Nesses casos, é recomendado calcular a associação entre as variáveis por meio
 de uma métrica de correlação espacial bivariada, além de utilizar um modelo geoestatístico bivariado.
 Sendo assim, no primeiro artigo deste trabalho foi analisada a correlação espacial bivariada, considerando variáveis com diferentes estruturas de dependência espacial, para tal, foi calculado o índice
 de Lee bivariado. Os resultados mostraram que o raio de dependência espacial comum a ambas
 às variáveis foi o parâmetro que mais influenciou o valor do índice de Lee, sendo que quanto maior
 o valor desse parâmetro mais elevada foi a correlação espacial bivariada. No segundo artigo, com
 base no pressuposto da existência de correlação espacial entre pares de variáveis, o estudo teve
 como objetivo redimensionar o tamanho amostral, a partir do cálculo do tamanho amostral efetivo
 bivariado (ESSbi), utilizando o modelo espacial Gaussiano bivariado com componente de correlação
 parcialmente comum (BGCCM). Porquanto, a maioria das propostas na literatura para o ESSbi utiliza
 alternativas em suas metodologias que visam evitar o uso de estrutura de correlação espacial entre
 as variáveis ou consideram o modelo espacial bivariado de corregionalização (BCRM). A diferença é
 que na estrutura do BGCCM, além da existência de um campo aleatório Gaussiano comum compartilhado pelo par de variáveis, existe também um campo aleatório Gaussiano associado à cada variável
 individualmente. Enquanto no BCRM, necessariamente, a estrutura de correlação espacial individual
 de uma das variáveis é desconsiderada do modelo. Para verificar a viabilidade teórica da proposta
 do ESSbi, todas as propriedades que incidem sobre a metodologia univariada foram verificadas para
 a bivariada, utilizando estudos de simulação ou de forma algébrica. O ESSbi também foi aplicado a
 um conjunto de dados reais de matéria orgânica (MO) e soma de bases (SB), coletados em uma
 área agrícola com plantio de soja, no qual se constatou que 60% das observações amostrais do
 par MO-SB continham informações espacialmente duplicadas. Além disso, o redimensionamento
 amostral obtido para o conjunto de dados reais se mostrou praticável, em termos da qualidade obtida
 na predição espacial.",
 	publisher = {Universidade Estadual do Oeste do Paraná},
 	scholl = {Programa de Pós-Graduação em Engenharia Agrícola},
 	note = {Centro de Ciências Exatas e Tecnológicas}
}