Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/331612
Type: TESE DIGITAL
Degree Level: Mestrado
Title: Prediction and diagostics in spatial censored regression models using the CensSpatial package : Previsão e diagnostico em modelos de regressão espacial censurados usando o pacote CensSpatial
Title Alternative: Previsão e diagnostico em modelos de regressão espacial censurados usando o pacote CensSpatial
Author: Ordoñez Cuastumal, José Alejandro, 1993-
Advisor: Lachos Dávila, Víctor Hugo, 1973-
Abstract: Resumo: Em ciências ambientais e geoestatística, as repostas referenciadas espacialmente que sãorecolhidas estão frequentemente sujeitas a limites de detecção onde as medidas não podem serquantificadas. Isto leva a que sejam rotineiramente utilizados a censura (esquerda, direita, etc.)e vários métodos estatísticos ad hoc (como limites de detecção arbitrários ou aumento de dados)para a analise subsequente, inferência e previsão. No entanto, a inferência pode ser imprecisae sensível aos pressupostos e aproximações envolvidas nessas escolhas ad-hoc. Neste trabalhosão desenvolvidos métodos de previsão e diagnóstico em dados espaciais censurados usando oalgoritmo SAEM. As ferramentas obtidas foram implementadas no pacoteCensSpatialqueoferece aos usuários um conjunto de rotinas para simular, estimar, fazer previsões e detectaroutliers neste tipo de dados através de modelos lineares. A biblioteca tem disponível quatroalgoritmos para estimação e previsão (SAEM, Seminaive, Naive 1 e Naive 2) e usa a matrizHessiana da esperança da função de verossimilhança para obter algumas medidas que são úteispara analisar a presença de observações atípicas

Abstract: In environmental sciences and geo-statistics, spatially-referenced responses that are col-lected are often subjected to detection limits where the measures cannot be quantified. Thisleads to censoring (left, right, etc), and various ad hoc statistical methods (such as arbitrary de-tection limits, or data augmentation) are routinely employed for subsequent analysis, inferenceand prediction. However, the inference may be imprecise and sensitive to the assumptions andapproximations involved in these ad hoc choices. In this work methods of prediction an diag-nostics in spatial censored data are developed using the SAEM algorithm. The obtained utilitieswere implemented in theCensSpatialpackage that provides the users with a set of tools tosimulate, estimate, make predictions and detect outliers through linear models. The library hasavailable four algorithms for estimation and prediction (SAEM, Seminaive, Naive 1 e Naive 2)and uses the Hessian matrix of the expected log-likelihood function to obtain some measuresuseful to analyze the presence of outliers
Subject: Observações censuradas (Estatística)
Análise espacial (Estatística)
SAEM algoritmo
Previsão estatística
Verossimilhança (Estatística)
Editor: [s.n.]
Date Issue: 2017
Appears in Collections:IMECC - Tese e Dissertação

Files in This Item:
File SizeFormat 
Cuastumal_JoseAlejandroOrdonez_M.pdf722.06 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.