Influência local em modelos geoestatísticos T-Student com aplicações a dados agrícolas
| Ano de defesa: | 2010 |
|---|---|
| Autor(a) principal: |
Assumpção, Rosangela Aparecida Botinha
 |
| Orientador(a): |
Opazo, Miguel Angel Uribe
|
| Banca de defesa: | |
| Tipo de documento: | Tese |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Universidade Estadual do Oeste do Parana
|
| Programa de Pós-Graduação: |
Programa de Pós-Graduação "Stricto Sensu" em Engenharia Agrícola
|
| Departamento: |
Engenharia
|
| País: |
BR
|
| Palavras-chave em Português: | |
| Palavras-chave em Inglês: | |
| Área do conhecimento CNPq: | |
| Link de acesso: | http://tede.unioeste.br:8080/tede/handle/tede/2833 |
Resumo: | The presence of inconsistent observations make it improper to consider the gaussian process, as it is found in the literature. This process should be replaced by models of the symmetric distribution classes, such as the t-student distribution, which incorporates additional parameters to reduce the influence of inconsistent points. This work has developed the EM algorithm for estimating the structure of the spatial dependence of the parameters and of the spatial linear model, assuming that the process shows t-student n-varied distribution. This distribution has the degree of freedom v as the additional parameter, which has been considered to be fixed in this research. Techniques to diagnose influence are used after the estimation of parameters, in order to assess the quality of the adjustment of the model by the assumptions made and for the robustness of the results of the estimates when there are disturbances in the model or data. In the present work, diagnostic techniques for the assessment of local influence in linear spatial models have been developed, considering the process with t-student n-varied distribution. The usual diagnostic technique evaluates the withdrawing of the likelihood rate by the function of the likelihood logarithm. In this proposal, in addition to considering the usual technique, we use the withdrawing of the likelihood by Q-displacement of the complete likelihood. The application of the usual technique and of the one proposed here are illustrated through the analyses of both simulated and real data, provenient of agricultural experiments. |
| id |
UNIOESTE-1_75a8f1f2866e3acdd6ba02292edc51cd |
|---|---|
| oai_identifier_str |
oai:tede.unioeste.br:tede/2833 |
| network_acronym_str |
UNIOESTE-1 |
| network_name_str |
Biblioteca Digital de Teses e Dissertações do UNIOESTE |
| repository_id_str |
|
| spelling |
Opazo, Miguel Angel UribeCPF:13761312857http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4746318E8CPF:90336321600http://lattes.cnpq.br/5532192685456247Assumpção, Rosangela Aparecida Botinha2017-07-10T19:25:00Z2012-02-012010-12-16ASSUMPÇÃO, Rosangela Aparecida Botinha. Local influence in geoestatistic T-Student models applied to agricultural data. 2010. 148 f. Tese (Doutorado em Engenharia) - Universidade Estadual do Oeste do Parana, Cascavel, 2010.http://tede.unioeste.br:8080/tede/handle/tede/2833The presence of inconsistent observations make it improper to consider the gaussian process, as it is found in the literature. This process should be replaced by models of the symmetric distribution classes, such as the t-student distribution, which incorporates additional parameters to reduce the influence of inconsistent points. This work has developed the EM algorithm for estimating the structure of the spatial dependence of the parameters and of the spatial linear model, assuming that the process shows t-student n-varied distribution. This distribution has the degree of freedom v as the additional parameter, which has been considered to be fixed in this research. Techniques to diagnose influence are used after the estimation of parameters, in order to assess the quality of the adjustment of the model by the assumptions made and for the robustness of the results of the estimates when there are disturbances in the model or data. In the present work, diagnostic techniques for the assessment of local influence in linear spatial models have been developed, considering the process with t-student n-varied distribution. The usual diagnostic technique evaluates the withdrawing of the likelihood rate by the function of the likelihood logarithm. In this proposal, in addition to considering the usual technique, we use the withdrawing of the likelihood by Q-displacement of the complete likelihood. The application of the usual technique and of the one proposed here are illustrated through the analyses of both simulated and real data, provenient of agricultural experiments.A presença de observações discrepantes torna imprópria a análise do processo gaussiano, sendo assim, como é encontrado na literatura, esse processo deve ser substituído por modelos da classe das distribuições simétricas, tal como a distribuição t-student, que incorpora parâmetros adicionais para reduzir a influência dos pontos discrepantes. Neste trabalho, assumiu-se que o processo apresenta distribuição t-student n-variada. Essa distribuição tem como parâmetro adicional o grau de liberdade v, que aqui considerou-se fixo. Dessa forma, desenvolveu-se o algoritmo EM e o algoritmo de NR para a estimação dos parâmetros da estrutura de dependência espacial e do modelo espacial linear. Após a estimação dos parâmetros, utilizou-se duas técnicas de diagnósticos de influência local, ambas com o intuito de avaliar a qualidade do ajuste do modelo pelas suposições feitas e pela robustez dos resultados das estimativas quando há perturbações no modelo ou nos dados. A primeira técnica, denominada "usual", já utilizada por diversos autores, avalia o afastamento da verossimilhança pela função do logaritmo da verossimilhança e a segunda técnica que aqui apresentamos propõe a análise de influência local pelo Q-afastamento da função de verossimilhança para dados completos. Essas técnicas permitiram verificar a influência no afastamento da verossimilhança, na matriz de covariância, no preditor linear e nos valores preditos por meio da análise gráfica. Para ilustrar a aplicação da técnica usual e da nossa proposta, realizou-se a análise de dados simulados e dados reais provenientes de experimentos agrícolas.Made available in DSpace on 2017-07-10T19:25:00Z (GMT). No. of bitstreams: 1 Rosangela_texto.pdf: 2310887 bytes, checksum: d9e69eaef22ee697283c66446001b19e (MD5) Previous issue date: 2010-12-16application/pdfporUniversidade Estadual do Oeste do ParanaPrograma de Pós-Graduação "Stricto Sensu" em Engenharia AgrícolaUNIOESTEBREngenhariaGeoestatísticaAlgoritmo EMMáxima verossimilhançaGeostatisticsEM AlgorithmMaximum LikelihoodCNPQ::CIENCIAS AGRARIAS::ENGENHARIA AGRICOLAInfluência local em modelos geoestatísticos T-Student com aplicações a dados agrícolasLocal influence in geoestatistic T-Student models applied to agricultural datainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações do UNIOESTEinstname:Universidade Estadual do Oeste do Paraná (UNIOESTE)instacron:UNIOESTEORIGINALRosangela_texto.pdfapplication/pdf2310887http://tede.unioeste.br:8080/tede/bitstream/tede/2833/1/Rosangela_texto.pdfd9e69eaef22ee697283c66446001b19eMD51tede/28332017-07-11 10:02:18.637oai:tede.unioeste.br:tede/2833Biblioteca Digital de Teses e Dissertaçõeshttp://tede.unioeste.br/PUBhttp://tede.unioeste.br/oai/requestbiblioteca.repositorio@unioeste.bropendoar:2017-07-11T13:02:18Biblioteca Digital de Teses e Dissertações do UNIOESTE - Universidade Estadual do Oeste do Paraná (UNIOESTE)false |
| dc.title.por.fl_str_mv |
Influência local em modelos geoestatísticos T-Student com aplicações a dados agrícolas |
| dc.title.alternative.eng.fl_str_mv |
Local influence in geoestatistic T-Student models applied to agricultural data |
| title |
Influência local em modelos geoestatísticos T-Student com aplicações a dados agrícolas |
| spellingShingle |
Influência local em modelos geoestatísticos T-Student com aplicações a dados agrícolas Assumpção, Rosangela Aparecida Botinha Geoestatística Algoritmo EM Máxima verossimilhança Geostatistics EM Algorithm Maximum Likelihood CNPQ::CIENCIAS AGRARIAS::ENGENHARIA AGRICOLA |
| title_short |
Influência local em modelos geoestatísticos T-Student com aplicações a dados agrícolas |
| title_full |
Influência local em modelos geoestatísticos T-Student com aplicações a dados agrícolas |
| title_fullStr |
Influência local em modelos geoestatísticos T-Student com aplicações a dados agrícolas |
| title_full_unstemmed |
Influência local em modelos geoestatísticos T-Student com aplicações a dados agrícolas |
| title_sort |
Influência local em modelos geoestatísticos T-Student com aplicações a dados agrícolas |
| author |
Assumpção, Rosangela Aparecida Botinha |
| author_facet |
Assumpção, Rosangela Aparecida Botinha |
| author_role |
author |
| dc.contributor.advisor1.fl_str_mv |
Opazo, Miguel Angel Uribe |
| dc.contributor.advisor1ID.fl_str_mv |
CPF:13761312857 |
| dc.contributor.advisor1Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4746318E8 |
| dc.contributor.authorID.fl_str_mv |
CPF:90336321600 |
| dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/5532192685456247 |
| dc.contributor.author.fl_str_mv |
Assumpção, Rosangela Aparecida Botinha |
| contributor_str_mv |
Opazo, Miguel Angel Uribe |
| dc.subject.por.fl_str_mv |
Geoestatística Algoritmo EM Máxima verossimilhança |
| topic |
Geoestatística Algoritmo EM Máxima verossimilhança Geostatistics EM Algorithm Maximum Likelihood CNPQ::CIENCIAS AGRARIAS::ENGENHARIA AGRICOLA |
| dc.subject.eng.fl_str_mv |
Geostatistics EM Algorithm Maximum Likelihood |
| dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS AGRARIAS::ENGENHARIA AGRICOLA |
| description |
The presence of inconsistent observations make it improper to consider the gaussian process, as it is found in the literature. This process should be replaced by models of the symmetric distribution classes, such as the t-student distribution, which incorporates additional parameters to reduce the influence of inconsistent points. This work has developed the EM algorithm for estimating the structure of the spatial dependence of the parameters and of the spatial linear model, assuming that the process shows t-student n-varied distribution. This distribution has the degree of freedom v as the additional parameter, which has been considered to be fixed in this research. Techniques to diagnose influence are used after the estimation of parameters, in order to assess the quality of the adjustment of the model by the assumptions made and for the robustness of the results of the estimates when there are disturbances in the model or data. In the present work, diagnostic techniques for the assessment of local influence in linear spatial models have been developed, considering the process with t-student n-varied distribution. The usual diagnostic technique evaluates the withdrawing of the likelihood rate by the function of the likelihood logarithm. In this proposal, in addition to considering the usual technique, we use the withdrawing of the likelihood by Q-displacement of the complete likelihood. The application of the usual technique and of the one proposed here are illustrated through the analyses of both simulated and real data, provenient of agricultural experiments. |
| publishDate |
2010 |
| dc.date.issued.fl_str_mv |
2010-12-16 |
| dc.date.available.fl_str_mv |
2012-02-01 |
| dc.date.accessioned.fl_str_mv |
2017-07-10T19:25:00Z |
| 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.citation.fl_str_mv |
ASSUMPÇÃO, Rosangela Aparecida Botinha. Local influence in geoestatistic T-Student models applied to agricultural data. 2010. 148 f. Tese (Doutorado em Engenharia) - Universidade Estadual do Oeste do Parana, Cascavel, 2010. |
| dc.identifier.uri.fl_str_mv |
http://tede.unioeste.br:8080/tede/handle/tede/2833 |
| identifier_str_mv |
ASSUMPÇÃO, Rosangela Aparecida Botinha. Local influence in geoestatistic T-Student models applied to agricultural data. 2010. 148 f. Tese (Doutorado em Engenharia) - Universidade Estadual do Oeste do Parana, Cascavel, 2010. |
| url |
http://tede.unioeste.br:8080/tede/handle/tede/2833 |
| 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.format.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidade Estadual do Oeste do Parana |
| dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação "Stricto Sensu" em Engenharia Agrícola |
| dc.publisher.initials.fl_str_mv |
UNIOESTE |
| dc.publisher.country.fl_str_mv |
BR |
| dc.publisher.department.fl_str_mv |
Engenharia |
| publisher.none.fl_str_mv |
Universidade Estadual do Oeste do Parana |
| dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações do UNIOESTE instname:Universidade Estadual do Oeste do Paraná (UNIOESTE) instacron:UNIOESTE |
| instname_str |
Universidade Estadual do Oeste do Paraná (UNIOESTE) |
| instacron_str |
UNIOESTE |
| institution |
UNIOESTE |
| reponame_str |
Biblioteca Digital de Teses e Dissertações do UNIOESTE |
| collection |
Biblioteca Digital de Teses e Dissertações do UNIOESTE |
| bitstream.url.fl_str_mv |
http://tede.unioeste.br:8080/tede/bitstream/tede/2833/1/Rosangela_texto.pdf |
| bitstream.checksum.fl_str_mv |
d9e69eaef22ee697283c66446001b19e |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
| repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações do UNIOESTE - Universidade Estadual do Oeste do Paraná (UNIOESTE) |
| repository.mail.fl_str_mv |
biblioteca.repositorio@unioeste.br |
| _version_ |
1794618466068594688 |