Estimador subsemble espacial para dados massivos em Geoestatística

Detalhes bibliográficos
Autor(a) principal: Marcia Helena Barbian
Data de Publicação: 2016
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFMG
Texto Completo: http://hdl.handle.net/1843/ICED-ALZRTV
Resumo: Um problema que vem se tornando habitual em análise geoestatística é a quantidade crescente de observações. Em tais casos é comum que estimadores usualmente utilizados não possam ser empregados devido a dificuldades numéricas. Esta tese têm por objetiv propor um novo estimador para massivas observações em geoestatística: o estimador subsemble espacial. O estimador subsemble espacial seleciona várias subamostras, espacialmente estruturadas, do conjunto completo de dados. Cada subamostra estima com facilidade os parâmetros do modelo e as estimativas resultantes são ponderadas através de um subconjunto de validação. Em estudos simulados, compara-se a metodologia proposta com outros métodos e os resultados apresentam sua acurácia e rapidez. Além disso, uma aplicação em um banco de dados reais, com 11.000 observações, confirma essas características.
id UFMG_3720176ed29152407bef8a5796b84366
oai_identifier_str oai:repositorio.ufmg.br:1843/ICED-ALZRTV
network_acronym_str UFMG
network_name_str Repositório Institucional da UFMG
repository_id_str
spelling Renato Martins AssuncaoMarcos Oliveira PratesThais Rotsen CorreaMarcelo Azevedo CostaPaulo Justiniano Ribeiro JúniorMarcia Helena Barbian2019-08-13T00:14:54Z2019-08-13T00:14:54Z2016-08-29http://hdl.handle.net/1843/ICED-ALZRTVUm problema que vem se tornando habitual em análise geoestatística é a quantidade crescente de observações. Em tais casos é comum que estimadores usualmente utilizados não possam ser empregados devido a dificuldades numéricas. Esta tese têm por objetiv propor um novo estimador para massivas observações em geoestatística: o estimador subsemble espacial. O estimador subsemble espacial seleciona várias subamostras, espacialmente estruturadas, do conjunto completo de dados. Cada subamostra estima com facilidade os parâmetros do modelo e as estimativas resultantes são ponderadas através de um subconjunto de validação. Em estudos simulados, compara-se a metodologia proposta com outros métodos e os resultados apresentam sua acurácia e rapidez. Além disso, uma aplicação em um banco de dados reais, com 11.000 observações, confirma essas características.Universidade Federal de Minas GeraisUFMGU-EstatísticaEstatísticaGeologia Métodos estatísticosEstatisticaProgramação paralela (Computação)Amostragem (Estatística)observações massivassubamostragemprogramação paralelageoestatísticaestatística-UEstimador subsemble espacial para dados massivos em Geoestatísticainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALtese_marcia_barbian.pdfapplication/pdf20427921https://repositorio.ufmg.br/bitstream/1843/ICED-ALZRTV/1/tese_marcia_barbian.pdf888fe3bf62968238976cc05e84b0538cMD51TEXTtese_marcia_barbian.pdf.txttese_marcia_barbian.pdf.txtExtracted texttext/plain203518https://repositorio.ufmg.br/bitstream/1843/ICED-ALZRTV/2/tese_marcia_barbian.pdf.txt8516cc8dc34d217d3380452dd517de72MD521843/ICED-ALZRTV2019-11-14 20:28:32.111oai:repositorio.ufmg.br:1843/ICED-ALZRTVRepositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T23:28:32Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
dc.title.pt_BR.fl_str_mv Estimador subsemble espacial para dados massivos em Geoestatística
title Estimador subsemble espacial para dados massivos em Geoestatística
spellingShingle Estimador subsemble espacial para dados massivos em Geoestatística
Marcia Helena Barbian
observações massivas
subamostragem
programação paralela
geoestatística
estatística-U
U-Estatística
Estatística
Geologia Métodos estatísticos
Estatistica
Programação paralela (Computação)
Amostragem (Estatística)
title_short Estimador subsemble espacial para dados massivos em Geoestatística
title_full Estimador subsemble espacial para dados massivos em Geoestatística
title_fullStr Estimador subsemble espacial para dados massivos em Geoestatística
title_full_unstemmed Estimador subsemble espacial para dados massivos em Geoestatística
title_sort Estimador subsemble espacial para dados massivos em Geoestatística
author Marcia Helena Barbian
author_facet Marcia Helena Barbian
author_role author
dc.contributor.advisor1.fl_str_mv Renato Martins Assuncao
dc.contributor.referee1.fl_str_mv Marcos Oliveira Prates
dc.contributor.referee2.fl_str_mv Thais Rotsen Correa
dc.contributor.referee3.fl_str_mv Marcelo Azevedo Costa
dc.contributor.referee4.fl_str_mv Paulo Justiniano Ribeiro Júnior
dc.contributor.author.fl_str_mv Marcia Helena Barbian
contributor_str_mv Renato Martins Assuncao
Marcos Oliveira Prates
Thais Rotsen Correa
Marcelo Azevedo Costa
Paulo Justiniano Ribeiro Júnior
dc.subject.por.fl_str_mv observações massivas
subamostragem
programação paralela
geoestatística
estatística-U
topic observações massivas
subamostragem
programação paralela
geoestatística
estatística-U
U-Estatística
Estatística
Geologia Métodos estatísticos
Estatistica
Programação paralela (Computação)
Amostragem (Estatística)
dc.subject.other.pt_BR.fl_str_mv U-Estatística
Estatística
Geologia Métodos estatísticos
Estatistica
Programação paralela (Computação)
Amostragem (Estatística)
description Um problema que vem se tornando habitual em análise geoestatística é a quantidade crescente de observações. Em tais casos é comum que estimadores usualmente utilizados não possam ser empregados devido a dificuldades numéricas. Esta tese têm por objetiv propor um novo estimador para massivas observações em geoestatística: o estimador subsemble espacial. O estimador subsemble espacial seleciona várias subamostras, espacialmente estruturadas, do conjunto completo de dados. Cada subamostra estima com facilidade os parâmetros do modelo e as estimativas resultantes são ponderadas através de um subconjunto de validação. Em estudos simulados, compara-se a metodologia proposta com outros métodos e os resultados apresentam sua acurácia e rapidez. Além disso, uma aplicação em um banco de dados reais, com 11.000 observações, confirma essas características.
publishDate 2016
dc.date.issued.fl_str_mv 2016-08-29
dc.date.accessioned.fl_str_mv 2019-08-13T00:14:54Z
dc.date.available.fl_str_mv 2019-08-13T00:14:54Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/1843/ICED-ALZRTV
url http://hdl.handle.net/1843/ICED-ALZRTV
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/ICED-ALZRTV/1/tese_marcia_barbian.pdf
https://repositorio.ufmg.br/bitstream/1843/ICED-ALZRTV/2/tese_marcia_barbian.pdf.txt
bitstream.checksum.fl_str_mv 888fe3bf62968238976cc05e84b0538c
8516cc8dc34d217d3380452dd517de72
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_ 1797971411899252736

Registros relacionados