Estrutura de covariância de modelos espaciais para dados de área
Autor(a) principal: | |
---|---|
Data de Publicação: | 2008 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMG |
Texto Completo: | http://hdl.handle.net/1843/RFFO-7UCM3R |
Resumo: | Este trabalho está dividido em três Capítulos. Em todo o trabalho nós utilizamos o mapa dos EUA para facilitar a referência ao trabalho de Wall (2004), que foi o principal motivador deste trabalho. No primeiro Capítulo nós introduzimos os modelos SAR e CAR e fazemos uma análise de dados. Nós consideramos dados de Renda per Capita, Expectativa de vida e Percentual de Graduados nos EUA. O capítulo 2 é um artigo submetido. Nesse Capítulo, nós mostramos mais detalhadamente os resultados não intuitivos. Nós consideramos resultados de álgebra linear e obtemos uma expressão simples e intuitiva para a matriz de covariância que explica os resultados não intuitivos. Nós obtemos termos para aproximações da matriz de covariância e estudamos algumas aproximações para a matriz de covariância. Nós também estudamos o segundo autovalor da matriz de vizinhança utilizada pelos modelos SAR e CAR e sua relação com os termos da expressão obtida para a matriz de covariância. Também estudamos o impacto da conectividade e do tamanho do mapa no segundo autovalor. No Capítulo 3 nós consideramos um modelo espacial Bayesiano para dados gaussianos. Nesse modelo, consideramos um efeito aleatório com distribuição a priori CAR. Obtemos a distribuição a posteriori e uma expressão simples e intuitiva para a matriz de covariância a posteriori dos efeitos aleatórios. Nós avaliamos o impacto da informação a priori em relação a informação dos dados em termos da precisão da priori e da precisão dos dados. Obtemos também a expressão da covariância a distribuição posteriori dos efeitos aleatórios quando a distribuição à priori é CAR intrinsica. Nesse Capítulo, fazemos referência ao Capítulo 2 como um artigo submetido. No Capítulo 4 nós tiramos algumas conclusões e colocamos algumas linhas de pesquisa para trabalhos futuros |
id |
UFMG_101ac6824f9cc49e68cdeb03a5689602 |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/RFFO-7UCM3R |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Renato Martins AssuncaoPaulo Justiniano Ribeiro JúniorLourdes Coral Contreras MontenegroElias Teixeira Krainski2019-08-10T09:47:03Z2019-08-10T09:47:03Z2008-03-07http://hdl.handle.net/1843/RFFO-7UCM3REste trabalho está dividido em três Capítulos. Em todo o trabalho nós utilizamos o mapa dos EUA para facilitar a referência ao trabalho de Wall (2004), que foi o principal motivador deste trabalho. No primeiro Capítulo nós introduzimos os modelos SAR e CAR e fazemos uma análise de dados. Nós consideramos dados de Renda per Capita, Expectativa de vida e Percentual de Graduados nos EUA. O capítulo 2 é um artigo submetido. Nesse Capítulo, nós mostramos mais detalhadamente os resultados não intuitivos. Nós consideramos resultados de álgebra linear e obtemos uma expressão simples e intuitiva para a matriz de covariância que explica os resultados não intuitivos. Nós obtemos termos para aproximações da matriz de covariância e estudamos algumas aproximações para a matriz de covariância. Nós também estudamos o segundo autovalor da matriz de vizinhança utilizada pelos modelos SAR e CAR e sua relação com os termos da expressão obtida para a matriz de covariância. Também estudamos o impacto da conectividade e do tamanho do mapa no segundo autovalor. No Capítulo 3 nós consideramos um modelo espacial Bayesiano para dados gaussianos. Nesse modelo, consideramos um efeito aleatório com distribuição a priori CAR. Obtemos a distribuição a posteriori e uma expressão simples e intuitiva para a matriz de covariância a posteriori dos efeitos aleatórios. Nós avaliamos o impacto da informação a priori em relação a informação dos dados em termos da precisão da priori e da precisão dos dados. Obtemos também a expressão da covariância a distribuição posteriori dos efeitos aleatórios quando a distribuição à priori é CAR intrinsica. Nesse Capítulo, fazemos referência ao Capítulo 2 como um artigo submetido. No Capítulo 4 nós tiramos algumas conclusões e colocamos algumas linhas de pesquisa para trabalhos futurosUniversidade Federal de Minas GeraisUFMGEstatísticaAnalise de covarianciaAnálise espacial (Estatística)DadosEstruturaÁreasCovariânciaModelosEstrutura de covariância de modelos espaciais para dados de áreainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALdissertacaoelias.pdfapplication/pdf1744893https://repositorio.ufmg.br/bitstream/1843/RFFO-7UCM3R/1/dissertacaoelias.pdf6685618dcbb6e4f623dbbf58c99e6e46MD51TEXTdissertacaoelias.pdf.txtdissertacaoelias.pdf.txtExtracted texttext/plain100615https://repositorio.ufmg.br/bitstream/1843/RFFO-7UCM3R/2/dissertacaoelias.pdf.txt45f9e8ee34984904b2c440dd5122eb6cMD521843/RFFO-7UCM3R2019-11-14 04:56:48.87oai:repositorio.ufmg.br:1843/RFFO-7UCM3RRepositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T07:56:48Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Estrutura de covariância de modelos espaciais para dados de área |
title |
Estrutura de covariância de modelos espaciais para dados de área |
spellingShingle |
Estrutura de covariância de modelos espaciais para dados de área Elias Teixeira Krainski Dados Estrutura Áreas Covariância Modelos Estatística Analise de covariancia Análise espacial (Estatística) |
title_short |
Estrutura de covariância de modelos espaciais para dados de área |
title_full |
Estrutura de covariância de modelos espaciais para dados de área |
title_fullStr |
Estrutura de covariância de modelos espaciais para dados de área |
title_full_unstemmed |
Estrutura de covariância de modelos espaciais para dados de área |
title_sort |
Estrutura de covariância de modelos espaciais para dados de área |
author |
Elias Teixeira Krainski |
author_facet |
Elias Teixeira Krainski |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Renato Martins Assuncao |
dc.contributor.referee1.fl_str_mv |
Paulo Justiniano Ribeiro Júnior |
dc.contributor.referee2.fl_str_mv |
Lourdes Coral Contreras Montenegro |
dc.contributor.author.fl_str_mv |
Elias Teixeira Krainski |
contributor_str_mv |
Renato Martins Assuncao Paulo Justiniano Ribeiro Júnior Lourdes Coral Contreras Montenegro |
dc.subject.por.fl_str_mv |
Dados Estrutura Áreas Covariância Modelos |
topic |
Dados Estrutura Áreas Covariância Modelos Estatística Analise de covariancia Análise espacial (Estatística) |
dc.subject.other.pt_BR.fl_str_mv |
Estatística Analise de covariancia Análise espacial (Estatística) |
description |
Este trabalho está dividido em três Capítulos. Em todo o trabalho nós utilizamos o mapa dos EUA para facilitar a referência ao trabalho de Wall (2004), que foi o principal motivador deste trabalho. No primeiro Capítulo nós introduzimos os modelos SAR e CAR e fazemos uma análise de dados. Nós consideramos dados de Renda per Capita, Expectativa de vida e Percentual de Graduados nos EUA. O capítulo 2 é um artigo submetido. Nesse Capítulo, nós mostramos mais detalhadamente os resultados não intuitivos. Nós consideramos resultados de álgebra linear e obtemos uma expressão simples e intuitiva para a matriz de covariância que explica os resultados não intuitivos. Nós obtemos termos para aproximações da matriz de covariância e estudamos algumas aproximações para a matriz de covariância. Nós também estudamos o segundo autovalor da matriz de vizinhança utilizada pelos modelos SAR e CAR e sua relação com os termos da expressão obtida para a matriz de covariância. Também estudamos o impacto da conectividade e do tamanho do mapa no segundo autovalor. No Capítulo 3 nós consideramos um modelo espacial Bayesiano para dados gaussianos. Nesse modelo, consideramos um efeito aleatório com distribuição a priori CAR. Obtemos a distribuição a posteriori e uma expressão simples e intuitiva para a matriz de covariância a posteriori dos efeitos aleatórios. Nós avaliamos o impacto da informação a priori em relação a informação dos dados em termos da precisão da priori e da precisão dos dados. Obtemos também a expressão da covariância a distribuição posteriori dos efeitos aleatórios quando a distribuição à priori é CAR intrinsica. Nesse Capítulo, fazemos referência ao Capítulo 2 como um artigo submetido. No Capítulo 4 nós tiramos algumas conclusões e colocamos algumas linhas de pesquisa para trabalhos futuros |
publishDate |
2008 |
dc.date.issued.fl_str_mv |
2008-03-07 |
dc.date.accessioned.fl_str_mv |
2019-08-10T09:47:03Z |
dc.date.available.fl_str_mv |
2019-08-10T09:47:03Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1843/RFFO-7UCM3R |
url |
http://hdl.handle.net/1843/RFFO-7UCM3R |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.publisher.initials.fl_str_mv |
UFMG |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/RFFO-7UCM3R/1/dissertacaoelias.pdf https://repositorio.ufmg.br/bitstream/1843/RFFO-7UCM3R/2/dissertacaoelias.pdf.txt |
bitstream.checksum.fl_str_mv |
6685618dcbb6e4f623dbbf58c99e6e46 45f9e8ee34984904b2c440dd5122eb6c |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1803589466041876480 |