Spatial product partition model through spanning trees

• Ano de defesa: 2015
• Autor(a) principal: Leonardo Vilela Teixeira
• Orientador(a): Renato Martins Assuncao
• Banca de defesa: Fabio Gagliardi Cozman, Pedro Olmo Stancioli Vaz de Melo, Rosangela Helena Loschi
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Minas Gerais
• Palavras-chave em Português: Latent Models; Bayesian Structure Learning; Spatial Clustering; Partition Models
• Link de acesso: http://hdl.handle.net/1843/ESBF-9XYGYD

Ao analisar dados espaciais, muitas vezes há a necessidade de agregar áreas geográficas em regiões maiores, um processo chamado de regionalização ou agrupamento com restrições espaciais. Este tipo de agregação pode ser útil para tornar a análise de dados tratável, reduzir o efeito de diferentes populações levando a uma melhor manipulação estatística dos dados ou até mesmo para facilitar a visualização.Neste trabalho, apresentamos um novo método de regionalização que incorpora o conceito de árvores geradoras a um modelo estatístico, formando um novo tipo de modelo partição produto espacial. Ao condicionar as partições em quebras de árvores geradoras, reduz-se o espaço de busca, possibilitando a construção de um algoritmo eficaz para amostragem da distribuição a posteriori das partições.Nós mostramos que, ao usar um modelo estatístico Bayesiano, é possível acomodar melhor a variação natural dos dados e diminuir o efeito de valores extremos, produzindo assim melhores resultados quando comparado com as abordagens tradicionais. Nós também mostramos como nosso modelo é flexível o suficiente para acomodar dados com diferentes distribuições. Finalmente, nós avaliamos o nosso método através de experimentos com dados simulados, bem como através de dois estudos de caso.