A Kronecker-based model for multivariate spatial data

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Ribeiro, Angélica Maria Tortola
Orientador(a): Ribeiro Junior, Paulo Justiniano, 1967-
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Analise de covariancia
Geologia - Métodos estatísticos
Estatística matemática
Análise Numérica
Link de acesso: https://hdl.handle.net/1884/75018
Resumo: Orientador: Prof. Dr. Paulo Justiniano Ribeiro Jr
id UFPR_bd7964e830fc8cf2c246f163dc21065a
oai_identifier_str oai:acervodigital.ufpr.br:1884/75018
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str
spelling Ribeiro, Angélica Maria TortolaUniversidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em EngenhariaRibeiro Junior, Paulo Justiniano, 1967-2022-10-27T12:50:34Z2022-10-27T12:50:34Z2022https://hdl.handle.net/1884/75018Orientador: Prof. Dr. Paulo Justiniano Ribeiro JrTese (doutorado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa : Curitiba, 21/02/2022Inclui referênciasÁrea de concentração: Programação Matemática: Métodos EstatísticosResumo: Neste trabalho apresentamos uma proposta de especificação de função de covariância para dados multivariados espacialmente contínuos. Este modelo é baseado no produto de Kronecker de matrizes de covariância para campos aleatórios gaussianos. A estrutura é válida para diferentes funções de covariância marginais, possibilitando que diferentes variáveis tenham diferentes estruturas de dependência espacial, o que faz dele mais flexível. O modelo permite que seus parâmetros variem em seus domínios usuais, o que torna a estimação menos restrita quando comparada com outras abordagens clássicas. O tempo computacional para estimação e a fácil generalização para dimensões maiores decorrem de estrutura do modelo. São apresentados resultados teóricos para a função de verossimilhança e as derivadas da matriz de covariância. São relatados resultados de um estudo de simulação, considerando diferentes cenários paramétricos para avaliar as propriedades assintóticas dos estimadores de máxima verossimilhança. Ilustramos o uso do modelo proposto em dois conjuntos de dados da literatura. Para os dados soil250, medidas de adequação, erros de previsão e tempos de estimação são comparados com os obtidos com base em modelos clássicos. O conjunto de dados meuse é utilizado para ilustrar a flexibilidade do modelo em uma análise para quatro variáveis. A estrutura simples do modelo, aliada à interpretabilidade de seus parâmetros e tempos computacionais para inferência fazem deste modelo um candidato promissor para a análise de dados espaciais multivariados.Abstract: In this work we present a proposal for a covariance function specification for spatially continuous multivariate data. This model is based on the Kronecker product of covariance matrices for Gaussian random fields. The structure is valid for different marginal covariance functions, allowing different variables to have different spatial dependence structures, which makes it more flexible. Our model allows its parameters to vary in its usual domains, which makes the estimation less constrained when compared to other classical approaches. The reduced computational times and easy generalization to larger dimensions follows from the model definition. Theoretical results for the likelihood function and the derivatives of the covariance matrix are presented. A simulation study considering different parametric scenarios to evaluate the asymptotic properties of the maximum likelihood estimators, is conducted. We illustrate the proposed model in the literature datasets: soil250, for which adequacy measures, forecast errors and estimation times are compared with those obtained based on classical models, and meuse, for illustrate the flexibility of the model in a four-variate analysis. The simple structure of the model, combined with the interpretability of the parameters and computational time for inference make this model a promising candidate for modeling spatially continuous multivariate data.1 recurso online : PDF.application/pdfAnalise de covarianciaGeologia - Métodos estatísticosEstatística matemáticaAnálise NuméricaA Kronecker-based model for multivariate spatial datainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisengreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - T - ANGELICA MARIA TORTOLA RIBEIRO.pdfapplication/pdf1469607https://acervodigital.ufpr.br/bitstream/1884/75018/1/R%20-%20T%20-%20ANGELICA%20MARIA%20TORTOLA%20RIBEIRO.pdf7c7d7c438bee10c1ca1fe00df0c9c14dMD51open access1884/750182022-10-27 09:50:34.279open accessoai:acervodigital.ufpr.br:1884/75018Repositório InstitucionalPUBhttp://acervodigital.ufpr.br/oai/requestinformacaodigital@ufpr.bropendoar:3082022-10-27T12:50:34Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv A Kronecker-based model for multivariate spatial data
title A Kronecker-based model for multivariate spatial data
spellingShingle A Kronecker-based model for multivariate spatial data
Ribeiro, Angélica Maria Tortola
Analise de covariancia
Geologia - Métodos estatísticos
Estatística matemática
Análise Numérica
title_short A Kronecker-based model for multivariate spatial data
title_full A Kronecker-based model for multivariate spatial data
title_fullStr A Kronecker-based model for multivariate spatial data
title_full_unstemmed A Kronecker-based model for multivariate spatial data
title_sort A Kronecker-based model for multivariate spatial data
author Ribeiro, Angélica Maria Tortola
author_facet Ribeiro, Angélica Maria Tortola
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em Engenharia
dc.contributor.author.fl_str_mv Ribeiro, Angélica Maria Tortola
dc.contributor.advisor1.fl_str_mv Ribeiro Junior, Paulo Justiniano, 1967-
contributor_str_mv Ribeiro Junior, Paulo Justiniano, 1967-
dc.subject.por.fl_str_mv Analise de covariancia
Geologia - Métodos estatísticos
Estatística matemática
Análise Numérica
topic Analise de covariancia
Geologia - Métodos estatísticos
Estatística matemática
Análise Numérica
description Orientador: Prof. Dr. Paulo Justiniano Ribeiro Jr
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-10-27T12:50:34Z
dc.date.available.fl_str_mv 2022-10-27T12:50:34Z
dc.date.issued.fl_str_mv 2022
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 https://hdl.handle.net/1884/75018
url https://hdl.handle.net/1884/75018
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 1 recurso online : PDF.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/75018/1/R%20-%20T%20-%20ANGELICA%20MARIA%20TORTOLA%20RIBEIRO.pdf
bitstream.checksum.fl_str_mv 7c7d7c438bee10c1ca1fe00df0c9c14d
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv informacaodigital@ufpr.br
_version_ 1847526060720128000

Registros relacionados