Estimador subsemble espacial para dados massivos em Geoestatística
Autor(a) principal: | |
---|---|
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 |