Docsity
Docsity

Prepare-se para as provas
Prepare-se para as provas

Estude fácil! Tem muito documento disponível na Docsity


Ganhe pontos para baixar
Ganhe pontos para baixar

Ganhe pontos ajudando outros esrudantes ou compre um plano Premium


Guias e Dicas
Guias e Dicas

Fundamentos de Geoestatística, Manuais, Projetos, Pesquisas de Estatística

estudo complementar da estatista convencional, explora de forma aprofundada modelos e métodos específicos para a área de solos

Tipologia: Manuais, Projetos, Pesquisas

2019

Compartilhado em 20/08/2019

luis-paulo-neves-6
luis-paulo-neves-6 🇧🇷

3

(1)

1 documento

1 / 96

Toggle sidebar

Esta página não é visível na pré-visualização

Não perca as partes importantes!

bg1
CE-056:
Fundamentos de Geoestat´
ıstica
Paulo Justiniano Ribeiro Junior
Departamento de Estat´
ıstica
Universidade Federal do Paran ´
a
Segundo semestre de 2004
Enderec¸o para correspondˆ
encia: Departamento de Estat´
ıstica, Universidade Federal do Paran ´
a, E-
mail: Paulo.Ribeiro@est.ufpr.br
1
pf3
pf4
pf5
pf8
pf9
pfa
pfd
pfe
pff
pf12
pf13
pf14
pf15
pf16
pf17
pf18
pf19
pf1a
pf1b
pf1c
pf1d
pf1e
pf1f
pf20
pf21
pf22
pf23
pf24
pf25
pf26
pf27
pf28
pf29
pf2a
pf2b
pf2c
pf2d
pf2e
pf2f
pf30
pf31
pf32
pf33
pf34
pf35
pf36
pf37
pf38
pf39
pf3a
pf3b
pf3c
pf3d
pf3e
pf3f
pf40
pf41
pf42
pf43
pf44
pf45
pf46
pf47
pf48
pf49
pf4a
pf4b
pf4c
pf4d
pf4e
pf4f
pf50
pf51
pf52
pf53
pf54
pf55
pf56
pf57
pf58
pf59
pf5a
pf5b
pf5c
pf5d
pf5e
pf5f
pf60

Pré-visualização parcial do texto

Baixe Fundamentos de Geoestatística e outras Manuais, Projetos, Pesquisas em PDF para Estatística, somente na Docsity!

CE-056:

Fundamentos de Geoestat´ıstica

Paulo Justiniano Ribeiro Junior ∗

Departamento de Estat´ıstica Universidade Federal do Paran ´a

Segundo semestre de 2004

∗Enderec¸o para correspondˆencia: Departamento de Estat´ıstica, Universidade Federal do Paran ´a, E- mail: Paulo.Ribeiro@est.ufpr.br

PARTE I:

INTRODUC¸ ˜AO

  1. Exemplos B´asicos de dados espaciais
  2. Terminologia para estat´ıstica espacial
  3. Outros exemplos de dados geoestat´ısticos
  4. Caracter´ısticas de Problemas Geoestat´ısticos
  5. Quest˜oes Centrais em Geoestat´ıstica

(b) Precipitac¸ ˜ao no Estado do Paran´a

Medidas de chuva em 143 postos meteo- rol ´ogicos. M´edias hist ´oricas para o per´ıodo de Maio- Junho (estac¸ ˜ao seca). Maiores detalhes: tese de Jacinta L. Zamboti (2001).

200 300 400 500 600 700 800

0

100

200

300

400

500

600

(c) Infecc¸ ˜oes bacterianas no sul da Inglaterra

Localizac¸ ˜oes das residˆencias de 651 casos notificados num per ´ıodo de 1 ano na regi˜ao central do sul da Inglaterra.

  • •••••••• ••••••••••
  • •••••••••••••••••••••••••••• ••• ••••• ••• ••••••••••• • •••• •
  • •••••
  • ••
  • • •••
  • ••••
  • ••• • •
  • ••••••••
  • •••••
  • •••••• • •• ••••• ••••
  • •• ••••••

••• •••••••••

  • ••
  • ••••^ • ••••••••••
  • •••••••••••••••••••••••
  • ••• ••••
  • •••••••••^ • •••••••
  • ••••••••••••••••
  • •••
  • ••••••••
  • ••
  • ••••
  • ••• •••
  • ••••••••••••••••• (^) • ••••••••••
  • •••
  • •••• ••••••••••••• •••••••••••••••••••••
  • ••
  • ••
  • ••
  • •••••••••••••••
  • ••••
  • ••••••••• • • •
  • •••••••
  • •••••••••
  • ••• •
  • •• •••••• •••••••

••••••

  • ••••••

••

  • •••••••••••• ••••
  • •^ •^ • •
  • ••
  • • •••••••••••••••

••••••••

  • •• •••••••••••
  • •• •••••••••
  • ••
  • • •
  • • •• ••••
  • •••••• •^ •

E-W (km)

N-S (km)

380 400 420 440 460

80

100

120

140

Estat´ıstica espacial e a selec´ ¸ ˜ao de m´etodos es- tat´ısticos nos quais a localizac¸ ˜ao espacial tem papel expl´ıcito na an ´alise dos dados.

Dois temas estrat´egicos

  • n˜ao confundir formato dos dados com o pro- cesso subjacente.
  • a escolha do modelo pode ser influenciada pelos objetivos cient´ıficos do estudo

3. Outros Exemplos de Problemas Geo-

estat´ısticos

(a) Dados de chuva na Su´ıc¸ a

E-W (km)

N-S (km)

0 100 200 300

0

50

100

150

200

Localizac¸ ˜oes com tamanhos dos pontos proporcionais aos valo- res observados de precipitac¸ ˜ao

  • 467 postos na Su´ıc¸a
  • medidas di ´arias de chuva em 8 de Maio de 1986
  • dados do projeto: Spatial Interpolation Comparison 97 ftp://ftp.geog.uwo.ca/SIC97/.

(c) Esp´ecies de l´ıquens

  • fatores associados a distribuic¸ ˜ao espacial da presenc¸a de l´ıquens em troncos de avores´
  • resposta 0/1: presenc¸a ou ausˆencia
  • covari ´aveis: diˆametro, umidade, sombrea- mento, cobertura do tronco, viva

4000 5000 6000 7000

9000

10000

11000

12000

XCOORD

YCOORD

(d) Mal´aria em Gambia

  • na vila i, dado Yij = 0/ 1 denota ausˆencia ou presenc¸a de mal ´aria no sangue da crianc¸a j
  • covari ´aveis ao n´ıvel de vilas: - localizac¸ ˜ao (coordenadas), presenc¸a de centro de sa ´ude, ´ındice de vegetac¸ ˜ao de- rivado de sat´elite
  • covari ´aveis ao n´ıvel de crianc¸as: - idade, uso e tratamento de mosquiteiro
  • interesses: efeito das covari ´aveis e padr˜ao espacial da variac¸ ˜ao residual

E-W (km)

N-S (km)

300 400 500 600

1400

1500

1600

o o

o ooo

oo o o^ o

o o o (^) o oo

o oo (^) o o o

o o ooo

oo o

o o o ooo o o o

oo^ o o o o o oo oo oooo

o o

o o o

o o oo o

Western Eastern

300 400 500 600

1400

1500

1600

o

o o

o o o oo ooo

oo o

o ooo^ oo oo o o

o

300 400 500 600

1400

1500

1600 Central

oooooooo ooooo oo

300 400 500 600

1400

1500

1600

o o

o o o^ o^ oooooooooooo o

oo oooo

Exemplo b´asico: chuva no Paran´a

200 300 400 500 600 700 800

0

100

200

300

400

500

600

Coord X

Coord Y

100 200 300 400 500 600 700 800^150

200

250

300

350

400

450

0100

200300

400500

Coord X

Coord Y

data

200 300 400 500 600 700

200

250

300

350

400

Coord X

data

100 200 300 400

200

250

300

350

400

Coord Y

data

(^0 0 100 200 300 )

1000

2000

3000

4000

5000

6000

distance

semivariance

(^0 0 100 200 300 )

200

400

600

800

1000

1200

distance

semivariance

variogramas para dados originais (esquerda) e ap ´os retirada de tendˆencia, com modelo ajustado (direita).

200 300 400 500 600 700 800

0

100

200

300

400

500

600

Coord X

Coord Y

160 218 277 336 395 200 300 400 500 600 700 800

0

100

200

300

400

500

600

Coord X

Coord Y

135 310 485 660 834

Krigagem: mapas de valores preditos (esquerda) e variˆancias de predic¸ ˜ao (direita).

Geostat´ıstica Tradicional:

  • evita referˆencia expl´ıcita `a especificac¸ ˜ao pa- ram´etrica dos modelos
  • variogramas como instrumento de inferˆencia (Matheron: “estimac¸ ˜ao e escolha”)
  • em geral usa-se estruturas complexas de va- riogramas
  • concentra-se em estimadores lineares
  • m´etodos e paradigmas espec´ıficos para: - predic¸ ˜ao pontual (SK, OK, KTE, UK) - predic¸ ˜ao de funcionais n˜ao lineares (IK, DK, ...) - estimac¸ ˜ao de densidades preditivas (IK, DK) - simulac¸ ˜oes das preditivas (SGSIM, SISIM, ...)
  • “kriging menu”

PARTE II:

ESPECIFICAC¸ ˜AO DO MODELO

GEOESTAT´ISTICO

  1. “Model based geostatistics”
  2. A Caminho de um Modelo Espacial
  3. O Modelo Gaussiano em Detalhes
  4. Func¸ ˜ao de Correlac¸ ˜ao
  5. Efeitos Direcionais
  6. Modelos N˜ao-Estacion´arios

2. A caminho da especificac¸ ˜ao de um

modelo especial

Perspectiva hist ´orica - paradigmas para in- ferˆencia

(a) Modelos estat´ısticos:

  • reduc¸ ˜ao de dados
  • escolha, estimac¸ ˜ao e predic¸ ˜ao

(b) Gauss e Legendre

  • estudos de astronomia
  • erros normais
  • discrepˆancia dados e modelo: min. qua- drados
  • 1 o^ e 2 o^ momentos

(c) Fisher e verossimilhanc¸a

  • uso e interpretac¸ ˜ao da verossimilhanc¸a
  • relac¸ ˜ao com min. quad.: − 2 l = (^) σ^12 (yi − μi)^2
  • m ´aximo, curvaturas, inferˆencia, etc
  • Royall, 1997
  • pragmatismo e delineamentos

(d) Inferˆencia: “Model-based” vs “design-based”

Perspectiva hist ´orica - Modelos Lineares Genera- lizados

  • Modelo linear Y = Xβ + ε
  • pode ser escrito como: Y ∼ N (μ, σ^2 ) μ = Xβ
  • e generalizado de 2 formas Y ∼ Q(μ, ...) η = g(μ) = Xβ
  • n˜ao mais requer - normalidade - variˆancia constante - preocupac¸ ˜ao com escala
  • verossimilanc¸a em destaque
  • deviance: D(θ) = l(y, y) − l(y, θ)
  • extens˜oes - modelagem de superdispers˜ao - modelos mixtos - modelos hier ´arquicos (multin´ıvel) - inferˆencia Bayesiana