Tópicos de Estatística Espacial Geoestatística
|
|
- Zilda Brezinski
- 5 Há anos
- Visualizações:
Transcrição
1 Tópicos de Estatística Espacial Geoestatística Anderson Castro Soares de Oliveira
2 Geoestatística A geoestatística é uma análise espacial que considera que a variável em estudo se distribui continuamente na região de estudo. Os dados de geoestatística são dados que poderiam, em princípio, ser medidos em qualquer região, mas que normalmente vêm como medições em um número limitado de locais de observação O padrão dos locais de observação geralmente não é de interesse primário, o interesse é geralmente na inferência de aspectos da variável que em locais onde não foram medidos
3 Geoestatística Os principais objetivos da geoestatística são: Descrever o comportamento espacial dos dados Estimar o valor médio de uma variável numa área Estimar o valor desconhecido numa dada localização Quantificar a incerteza associada à estimação Usar os valores conhecidos de uma variável para estimar os valores de outra variável Estimar a distribuição de valores de uma variável numa área
4 Análise Exploratória Para começar uma análise geoestatística é importante fazer uma análise exploratória dos dados Uma análise importante é a verificação de tendência espacial Três gráficos podem ser utilizados para verificar tendência Grafico de quantis Gráfico coordenada X Gráfico coordenada Y
5 Análise Exploratória O Grafico de quantis é um gráfico de distribuição espacial dos dados, em que os dados são identificados de acordo o quantil ao qual pertencem Este gráfico permite verificar excesso de observações em determinado local e ocorrência de valores discrepantes
6 Análise Exploratória Figura 1: Grafico de quantis - azul Z Q1, verde - Q1 < Z Q2, amarelo Q2 < Z Q3, vermelho Z > Q3
7 Análise Exploratória Os gráficos coordenada X e coordenada Y são gráficos de dispersão dos dados versus suas coordenadas Estes gráfico permitem detectar a existência (ou não) de tendência
8 Análise Exploratória Figura 2: Gráficos coordenada X e coordenada Y - verifica-se tendência linear na coordenada Y
9 Análise Exploratória Figura 3: Gráficos coordenada X e coordenada Y - verifica-se ausência de tendência
10 Processo Estocástico Considere-se a existência de um processo estocástico Z (s 1 ), Z (s 2 ),..., Z (s n ) em que {s 1, s 2,..., s n } são as localizações espaciais Considerando dois pontos, se o processo for estacionário de segunda ordem temos que E[Z (s)] = E[Z (s + h)] = µ Var[Z (s)] = C(0) = σ 2 Cov[Z (s), Z (s + h)] = C(h) h distância Quando a covariância é uma função somente da distância tem-se um processo isotropico
11 Processo Estocástico A estacionariedade intrínseca requer que os incrementos Z (s + h) Z (s), ao invés das variáveis aleatórias Z (s), sejam estacionários de segunda ordem Assim, temos que: E[Z (s + h) Z (s)] = 0 Var[Z (s + h) Z (s)] = 2γ(h) em que γ(h) é o semi-variograma ou função intrínseca
12 Semivariograma O variograma é um função que descreve a relação entre distância e dependência espacial Esta função visa analisar a estrutura de variação das variáveis aleatórias no espaço. Sendo um processo estácionario e h = s i s j a distancias que separa dois pontos O variograma é dado por 2γ(h) = Var[Z (s + h) Z (s)] O semi-variograma é dado por γ(h) = 1 Var[Z (s + h) Z (s)] = C(0) C(h) 2
13 Semivariograma O semivariograma é uma medida de dissimilaridade, o seu valor é maior à medida que as variáveis estão menos associadas O semivariograma tem as seguintes propriedades γ(h) 0 γ(0) = 0 lim h γ(h) = σ 2 γ(h) = γ( h)
14 Semivariograma Existem três tipos de semivariograma observado ou experimental, que é obtido a partir do conjunto de dados disponíveis das variáveis locais; variograma verdadeiro, que é o real, e representa o verdadeiro comportamento da variável regionalizada, o qual é sempre desconhecido; variograma teórico, o qual é descrito por funções matemáticas, e é utilizado para ajustar o variograma experimental.
15 Semivariograma O semivariograma apresenta quatro parâmetros característicos: alcance, patamar, efeito pepita, contribuição Alcance (a): é a distancia h dentro da qual existe dependência espacial entre as observações. A partir do alcance o semivariograma tende a um valor constante, e a observações com distâncias maiores que a são consideradas independentes entre si Patamar C - é o valor do semivariograma correspondente ao alcance Efeito pepita C 0 - é valor do semivariograma quando h = 0 O variograma deveria iniciar no valor zero γ(0) = 0, na prática temos γ(0) 0 Contribuição C 1 - é a diferença entre o patamar e o efeito pepita
16 Semivariograma Figura 4: Representação do semivariograma
17 Semivariograma O semivariograma experimental é representado por uma nuvem de pontos obtidos por meio de um estimador, e podem apresentar diferentes padrões de dados O estimador para o semivariograma é dado por: ˆγ(h) = 1 2n(h) n(h) [Z (s + h) Z (s)] 2 s=0 em que n(h) é o número de pares separados pela distância h.
18 Semivariograma Efeito pepita puro - se o semivariograma apresentar apenas valores constante e iguais ao patamar para qualquer valor de h Este efeito indica a ausência de dependência espacial, ou se existir ela deverá ocorrer em distância menores que a menor distância entre as amostras. Figura 5: Semivariograma com efeito pepita puro
19 Semivariograma Semivariograma sem patamar - um tipo de semivariograma que cresce sem limites para todos os valores de h Este semivariograma indica que a hipótese de estacionaridade de segunda ordem não foi atendida Também pode indicar que a máxima distância h entre as amostras não foi capaz de exibir toda a variância do dados. Figura 6: Semivariograma sem patamar
20 Semivariograma Semivariograma ciclico - um tipo de semivariograma que apresenta flutuações cíclicas ou periódicas Este semivariograma indica a periodicidade nos dados. Ele pode indicar ainda a necessidade de se amostrar a maiores distâncias, ou a existência de tendência nos dados. Figura 7: Semivariograma sem patamar
21 Semivariograma semivariogramas com estruturas entrelaçadas - semivariograma com mais de uma estrutura de variância Este semivariograma indica que a presença de mais de uma população, sendo que até uma distância h teria uma população e partir desta distância outra população. Figura 8: Semivariograma sem patamar
22 Semivariograma O semivariograma pode ser utilizado para testar a hipotese de aleatoriedade espacial Para isso calcula-se as semivariâncias para cada possível arranjo com as mesmas distâncias utilizadas para calcular as semivariâncias dos dados Em seguida é construído um envelope simulado para o semivariograma Para cada distância é obtido a maior e a menor semivariância calculada para os arranjos e, então constroem-se intervalos de confiança (envelopes) para as semivariâncias dos dados
23 Semivariograma Se todos os pontos do semivariograma estiverem dentro do envelope simulado a hipótese nula de aleatoriedade espacial é verdadeira, ou seja, não existe um padrão espacial associado ao fenômeno estudado Caso contrário, uma vez detectado o padrão espacial, o passo seguinte é tentar descrever tal padrão por algum modelo, usualmente assumido como estocástico.
24 Modelos Teóricos de Semivariograma O modelo teórico, diferentemente do semivariograma experimental, representa a estrutura de dependência espacial de forma contínua, fornecendo as estimativas de semivariância para todas as possíveis distâncias h Modelos teóricos de semivariogramas são superpostos à seqüência de pontos obtidos no semivariograma experimental, de modo que a curva que melhor se ajusta aos pontos obtidos represente a magnitude, o alcance e a intensidade da variabilidade espacial da variável estudada Os modelos teóricos podem ser divididos em dois tipo: com e sem patamar
25 Modelos Teóricos de Semivariograma O modelo linear sem patamar, é um modelo de semivariograma infinito A existência de um semivariograma linear sugere uma tendência nos dados γ(h) = { 0 se h = 0 C 0 + Ah se h 0 em que C0 é o efeito pepita A é um parâmetro positivo h é a distância
26 Modelos Teóricos de Semivariograma Figura 9: Representação do modelo linear
27 Modelos Teóricos de Semivariograma O modelo de potência sem patamar, é um modelo de semivariograma infinito A existência deste semivariograma sugere a existência de tendência nos dados γ(h) = { 0 se h = 0 C 0 + Ah B se h 0 em que C0 é o efeito pepita A e B são parâmetros positivos, em que 0 < B < 2 h é a distância
28 Modelos Teóricos de Semivariograma Figura 10: Representação do modelo de potência
29 Modelos Teóricos de Semivariograma O Modelo esférico é o modelo mais comumente utilizado nas variáveis em geociências. Apresenta um crescimento rápido na origem, onde tem um comportamento linear.
30 Modelos Teóricos de Semivariograma O Modelo esférico é dado por: γ(h) = em que C 0 é o efeito pepita C1 é a contribuição a é o alcance h é a distância 0 [ se h = 0 C 0 + C 3 ( h ) ( 1 2 a 1 h 2 ] 2 a) se 0 < h a C 0 + C 1 se h > a
31 Modelos Teóricos de Semivariograma Figura 11: Representação do modelo esferico
32 Modelos Teóricos de Semivariograma O modelo exponecial apresenta um comportamento linear na origem, alcança seu patamar apenas assintoticamente e é representado por γ(h) = { 0 se h = 0 C 0 + C 1 [1 e ( 3 h a) ] se h 0 em que C0 é o efeito pepita C1 é a contribuição a é o alcance h é a distância
33 Modelos Teóricos de Semivariograma Figura 12: Representação do modelo exponencial
34 Modelos Teóricos de Semivariograma O modelo gaussiano tem comportamento parabólico nas vizinhanças da origem e reflete uma grande continuidade da variável estudada, devido ao seu crescimento suave e é representado por 0 se h = 0 ( γ(h) = 3( C 0 + C 1 [1 e h a) 2)] se h 0 em que C0 é o efeito pepita C1 é a contribuição a é o alcance h é a distância
35 Modelos Teóricos de Semivariograma Figura 13: Representação do modelo gaussiano
36 Modelos Teóricos de Semivariograma O modelo de Cauchy é um modelo de semivariograma com patamar, dado por: 0 se h = 0 γ(h) = ( C 0 + C 1 [1 1 + ( ) h 2 ) ] k a se h 0 em que C0 é o efeito pepita C1 é a contribuição a é o alcance h é a distância k é um parâmetro positivo
37 Modelos Teóricos de Semivariograma Figura 14: Representação do modelo de cauchy
38 Modelos Teóricos de Semivariograma O modelo Matern é um modelo de semivariograma flexível em torno do efeito pepita, sendo considerado o melhor para modelar variáveis com comportamentos complicados em torno do efeito pepita e é representados por γ(h) = { 0 se h = 0 ( 1 C 0 + C 1 [1 h ) k ( h ) ] 2 k 1 Γ(k) a Kk a se h 0 em que C0 é o efeito pepita C 1 é a contribuição a é o alcance h é a distância k é um parâmetro positivo ( K h ) k a = Γ(a) ( h k 2 2a)
39 Modelos Teóricos de Semivariograma Figura 15: Representação do modelo de Matérn
40 Modelos Teóricos de Semivariograma O ajuste dos modelos de semivariograma é feito pelo método dos quadrados mínimos (OLS) e método dos quadrados mínimos ponderados (WLS) O modelo pode ser selecionado por vários critérios: Menor soma dos quadrados dos resíduos ou critério de Akaike (AIC) Razão de verossimilhança
41 Anisotropia A anisotropia pode ser facilmente constatada através da observação dos semivariogramas direcionais. Os semivariogramas direcionais são semivariogramas calculados para mesmas distâncias mas em diferentes direções As direções mais comumentes utilizadas são 0 o, 45 o, 90 o, 135 o
42 Anisotropia Calculado os semivariogramas direcionais verifica-se a similaridade entre eles, se os semivariogramas não são iguais em todas as direções, a distribuição é denominada anisotrópica, caso contrário é isotrópica. Se a anisotropia é observada temos: Anisotropia geométrica - os semivariogramas apresentam os mesmos Patamares (C) com diferentes Alcances (a) Anisotropia zonal -os semivariogramas apresentam os mesmos Alcances (a) e diferentes Patamares (C) Anisotropia combinada - é a combinações da anisotropia zonal e geométrica
43 Anisotropia
44 Anisotropia A anisotropia geométrica pode ser corrigida, para isso é necessário definir o ângulo de anisotropia e a taxa de anisotropia O ângulo de anisotropia α é ângulo da direção de máxima continuidade espacial, e este define a matriz de rotação [ ] cosα senα M R = senα cosα A taxa de anisotropia F a é definida como a razão entre o alcance na direção de menor continuidade (a 2 ) e o alcance na direção de maior continuidade (a 1 ), e esta define a matriz de dilatação [ ] 1 0 M D = 1 0 F a
45 Anisotropia Para corrigir a anisotropia geometrica utiliza-se a transformação linear por transformações lineares dada por: (x, y ) = (x, y)m R M D em que: x e y são coordenadas M R é a matriz de rotação M D é matriz de dilatação
46 Anisotropia A anisotropia zonal pode ser modelada por meio de um semivariograma direcional equivalente com a distância reduzida, considerando como patamar o maior valor de patamar apresentado entre os semivariogramas direcionais O modelo de semivariograma corrigido descrito por γ (h) = wγ(h ) em que: w de patamar do semivariograma na direção que apresentou a anisotropia zonal. h = h a, sendo a o alcance do do semivariograma na direção que apresentou a anisotropia zonal.
47 Anisotropia A anisotropia combinada pode ser corrigida em duas etapas Na primeira é modelada a anisotropia geométrica Na segunda é modelada a anisotropia zonal pela seguinte expressão: γ (h) = w 1 γ 1 (h ) + w 2 γ 2 (h ) em que: w 1 e w 2 representam o patamar do semivariograma direcional que apresentou maior e menor alcance, respectivamente. h x a x h = + h y a y, sendo: h x e h y são a projeções de h na direção de x e y a x e a y são os alcances na direção x e y
48 Krigagem Um dos objetivos é predizer os valores da variável em pontos não amostrados. A interpolação é uma técnica para obter estimativa dos valores da variável em pontos não amostrados O semivariograma permite verificar e modelar a dependência espacial Uma aplicação imediata do semivariograma é sua utilização na interpolação O interpolador que utiliza o semivariograma em sua modelagem é chamado de krigagem
49 Krigagem O termo krigagem é uma homenagem ao engenheiro de minas Daniel G. Krige, que foi o pioneiro a introduzir o uso de médias móveis para evitar a superestimativa sistemática de reservas de mineração A Krigagem utiliza o semivariograma para expressar a relação tanto a distância como de variabilidade Os pesos são atribuídos de acordo com a variabilidade espacial expressa no semivariograma.
50 Krigagem Sejam as realizações conhecidas Z (s 1 ), Z (s 2 ),..., Z (s n ) no locais s 1, s 2,..., s n em que o semivariograma já foi especificado Seja Ẑ (s 0) a estimativa da variável num localização arbitrária s 0 Assim, o preditor de Krigagem será dado por: Ẑ (s 0 ) = n λ i Z (s i ) em que, n é o numero de locais medidos λi são os pesos associados a cada valor medido Z (s i ), obtido de acordo com a variabilidade espacial expressa pelo semivariograma i=1
51 Krigagem A melhor estimativa Ẑ (s 0) é obtida quando O estimador é não tendencioso E[Ẑ (s 0) Z (s 0 )] = 0 A variância da estimativa é mínima V [Ẑ (s 0) Z (s 0 )] = E[(Ẑ (s 0) Z (s 0 )) 2 ] = σ 2 minima Para que Ẑ (s 0) seja uma estimativa não tendenciosa de Z (s 0 ), a soma dos pesos tem que ser igual a 1 n λ i = 1 i=1
52 Krigagem Para obter a variância mínima sob a condição de n λ i = 1, é introduzido o multiplicador de Lagrange para a dedução das equações e o sistema de krigagem é dado por: n λ i γ(s i, s j ) + µ γ(s i, s 0 ) i=1 em que µ é o multiplicador de lagrange γ(.,.) é o semivariograma A variância de Ẑ (s 0) é dada por: n σe 2 = µ + λ i γ(s i, s 0 ) i=1 i=1
53 Krigagem Deste modo, para descrever o sistema de Krigagem utilizase n + 1 equações para estimar n pesos e µ (Multiplicador de Lagrange) Em notação matricial temos: A matriz de semivariâncias entre valores amostrados b vetor de semivariância entre os valores amostrados e o ponto a ser estimado λ vetor de pesos e do multiplicador de Lagrange
54 Krigagem Assim, o sistema é dado por: Aλ = b E os pesos são obtidos por: λ = A 1 b A variância da estimativa é dada por: σe 2 = bt λ
55 Krigagem A, b e λ são dados por: γ(s 1, s 1 ) γ(s 1, s 2 ) γ(s 1, s n ) 1 γ(s 1, s 0 ) γ(s 2, s 1 ) γ(s 2, s 2 ) γ(s 2, s n ) 1 γ(s 2, s 0 ) A = , b =. γ(s n, s 1 ) γ(s n, s 2 ) γ(s n, s n ) 1 γ(s n, s 0 ) λ = λ 1 λ 2. λ n µ A matriz A é simétrica e possui diagonal principal igual a zero, ou igual ao valor do efeito pepita. Os valores 1 aparecem em A e b em consequência do multiplicador de Lagrange. O sistema deve ser resolvido para cada estimativa Ẑ e para cada variação do número de amostras envolvidos na estimativa.
Laboratório Nº 5. A geoestatística permite descrever a continuidade espacial, a qual é uma característica
Laboratório Nº 5 INTRODUÇAO A geoestatística permite descrever a continuidade espacial, a qual é uma característica essencial de muitos fenómenos naturais. Modelos inferenciais para este objetivo vêm sendo
Leia maisCURSO A DISTÂNCIA DE GEOESTATÍSTICA
CURSO A DISTÂNCIA DE GEOESTATÍSTICA Aula 7: Semivariograma: Definição, Estimativa, Cálculo, Dependência espacial, Parâmetros do semivariograma, Componentes de um semivariograma, Criando (gráfico) um semivariograma,
Leia maisANÁLISE VARIOGRÁFICA. A Geoestatística é baseada nos seguintes conceitos: Funções aleatórias. Variável regionalizada.
ANÁLISE VARIOGRÁFICA A Geoestatística é baseada nos seguintes conceitos: Funções aleatórias Variável regionalizada Estacionariedade 1 2 No espaço (2D) ocorrem infinitos valores de uma variável. Por amostragem
Leia maisGeoestatística aplicada à agricultura de precisão
Geoestatística aplicada à agricultura de precisão José P. Molin ESALQ/USP jpmolin@usp.br www.agriculturadeprecisao.org.br Objetivo Abordar os conceitos fundamentais relacionados à geoestatistica aplicada
Leia maisInterpolação. Interpolação. Padrões de amostragem. Autocorrelação. Padrões de amostragem. Padrões de amostragem
Sistemas de Informação Geográfica II Interpolação 1. Interpolação Autocorrelação Padrões de amostragem Validação de resultados Interpolação Predição do valor de atributos em pontos não-amostrados Tempo
Leia maisINSTITUTO NACIONAL DE PESQUISAS ESPACIAIS. Divisão de Sensoriamento Remoto. Geoprocessamento. Relatório do Laboratório 5: Geoestatistica Linear
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS Divisão de Sensoriamento Remoto Geoprocessamento Relatório do Laboratório 5: Geoestatistica Linear Fátima Lorena Benítez Ramírez Professores Responsáveis: Dr.
Leia maisIntrodução Variograma Modelos básicos de correlação espacial Modelação Interpolação espacial & Simulação. Geoestatística.
Geoestatística Susana Barbosa Mestrado em Ciências Geofísicas 2012-2013 Geoestatística conjunto de técnicas matemáticas e numéricas para caracterizar fenómenos espaciais contínuos tendo em conta a correlação
Leia maisINSTITUTO NACIONAL DE PESQUISAS ESPACIAIS PROGRAMA DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO DIVISÃO DE PROCESSAMENTO DE IMAGENS
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS PROGRAMA DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO DIVISÃO DE PROCESSAMENTO DE IMAGENS SER-300: INTRODUÇÃO AO GEOPROCESSAMENTO Laboratório V: Geoestatística Henrique
Leia maisINTRODUÇÃO À ESTATÍSTICA ESPACIAL. Prof. Anderson Rodrigo da Silva
INTRODUÇÃO À ESTATÍSTICA ESPACIAL Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Métodos Índices de agregação Métodos de quantificação da dependência especial Correlograma Variograma Métodos
Leia maisAutor Eduardo C. G. Camargo Versão 1.0 Data DEZ / 2000
Ministério da Ciência e Tecnologia Instituto Nacional de Pesquisas Espaciais Análise Espacial de Dados Geográficos Laboratório Módulo: Geoestatística Linear Referência Banco de dados São Carlos Doc LAB_Geo.doc
Leia maisCOKRIGAGEM. Aplicação da cokrigagem
COKRIGAGEM Procedimento geoestatístico segundo o qual diversas variáveis regionalizadas podem ser estimadas em conjunto, com base na correlação espacial entre si. É uma extensão multivariada do método
Leia maisANÁLISE GEOESTATÍSTICA: UMA INTRODUÇÃO. Célia Regina Grego
ANÁLISE GEOESTATÍSTICA: UMA INTRODUÇÃO Célia Regina Grego crgrego@cnpm.embrapa.br CONTEÚDO 1. INTRODUÇÃO 2. ANÁLISE EXPLORATÓRIA 3. SEMIVARIOGRAMA 4. INTERPOLAÇÃO 5. CONSTRUÇÃO DE MAPAS 1. INTRODUÇÃO SURGIMENTO
Leia maisGEOESTATÍSTICA APLICADA NA AGRICULTURA DE PRECISÃO UTILIZANDO O VESPER
Empresa Brasileira de Pesquisa Agropecuária Embrapa Solos Ministério da Agricultura, Pecuária e Abastecimento Secretaria de Desenvolvimento Agropecuário e Cooperativismo Departamento de Propriedade Intelectual
Leia maisVariabilidade espacial de propriedades físico químicas do estuário Ciénaga Grande de Santa Marta - CGSM Colômbia.
Variabilidade espacial de propriedades físico químicas do estuário Ciénaga Grande de Santa Marta - CGSM Colômbia. Omar Felipe Chaparro Saavedra São José dos Campos, 2014 Motivação No processo de avaliação
Leia maisINTRODUÇÃO À ANÁLISE GEOESTATÍSTICA
CICLO DE CAPACITAÇÃO TÉCNICA INTERNA INTRODUÇÃO À ANÁLISE GEOESTATÍSTICA Responsáveis Célia Regina Grego Fernando A P. Paim Alex de Oliveira Outubro - 2011 ITENS ABORDADOS 1- Introdução 2- Amostragem e
Leia maisAnálise de variância para experimentos com dependência espacial entre parcelas: abordagem autoregressiva e Geoestatística
Análise de variância para experimentos com dependência espacial entre parcelas: abordagem autoregressiva e Geoestatística Diogo Francisco Rossoni (DES/UEM) Cristina Henriques Nogueira (DEX/UFLA) Renato
Leia maisProf: Felipe C. V. dos Santos
Prof: Felipe C. V. dos Santos Goiânia 04, 03 2016 PONTIFICIA UNIVERSIDADE CATÓLICA DE GOIÁS DEPARTAMENTO DE ENGENHARIA CURSOS DE ENGENHARIA CIVIL E AMBIENTAL HIDROLOGIA APLICADA Prof. M. Sc. Felipe Corrêa
Leia maisGEOESTATíSTICA: FUNDAMENTOS E APLICAÇÕES. Qual o tamanho ideal do domínio ou da janela de estimação?
5 GEOESTATíSTICA: FUNDAMENTOS E APLICAÇÕES 5.1 INTRODUÇÃO Eduardo Celso Gerbi Camargo Como nos ensina Burrough (1998), quando os dados são abundantes, a maior parte dos métodos de interpolação produz valores
Leia maisARTIGO 2. KRIGAGEM E INVERSO DO QUADRADO DA DISTÂNCIA PARA INTERPOLAÇÃO DOS PARÂMETROS DA EQUAÇÃO DE CHUVAS INTENSAS
ARTIGO 2. KRIGAGEM E INVERSO DO QUADRADO DA DISTÂNCIA PARA INTERPOLAÇÃO DOS PARÂMETROS DA EQUAÇÃO DE CHUVAS INTENSAS Análise conceitual de dados 1. Estrutura de dados: Xi: coordenadas das 140 estações
Leia maisNivelamento: conceitos básicos sobre geoestatística. Dr. Diego Silva Siqueira Colaborador no Grupo de Pesquisa CSME
Nivelamento: conceitos básicos sobre geoestatística Dr. Diego Silva Siqueira Colaborador no Grupo de Pesquisa CSME Panorama atual: conhecimento da variabilidade Tecnologia de sementes OK Insumos OK Engenharia
Leia maisCURSO DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO SER-300 Introdução ao Geoprocessamento
CURSO DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO SER-300 Introdução ao Geoprocessamento Laboratório 5 Aluno: Eufrásio João Sozinho Nhongo INPE São José dos Campos 2015 1. Carregamento de dados no sistema
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisAnálise da variação espacial do teor de argila sobre a Fazenda Canchim.
SER - 300 - INTRODUÇÃO AO GEOPROCESSAMENTO Laboratório 5 Geoestatística Linear Análise da variação espacial do teor de argila sobre a Fazenda Canchim. Professor(es) coordenador(es): Dr. Antonio Miguel
Leia maisReferência Banco de dados FioCruz Doc LAB1_GEO.doc. Autor Eduardo C. G. Camargo Versão 1.0 Data DEZ / Revisão Versão Data
Ministério da Ciência e Tecnologia Instituto Nacional de Pesquisas Espaciais Análise Espacial de Dados Geográficos Laboratório Módulo: Geoestatística Linear Referência Banco de dados FioCruz Doc LAB_GEO.doc
Leia maisLaboratório 5 Geoestatística Linear. Disciplina. Introdução ao Geoprocessamento SER 300. Prof. Antonio Miguel Vieira Monteiro
Laboratório 5 Geoestatística Linear Disciplina Introdução ao Geoprocessamento SER 300 Prof. Antonio Miguel Vieira Monteiro Aluno: Matheus Caetano Rocha de Andrade INPE, São José dos Campos. Junho, 2013.
Leia maisUso da inferência bayesiana para obtenção de mapas de probabilidades para o Trimestre Chuvoso no Estado da Paraíba
Uso da inferência bayesiana para obtenção de mapas de probabilidades para o Trimestre Chuvoso no Estado da Paraíba Elias Silva de Medeiros a,1, Paulo Justiniano Ribeiro Jr. a a Departamento de Ciências
Leia maisUTILIZAÇÃO DE GEOESTATÍSTICA PARA O ESTUDO DO ATRIBUTO COBRE NO SOLO. Gabriel Tambarussi Avancini 1 RESUMO
UTILIZAÇÃO DE GEOESTATÍSTICA PARA O ESTUDO DO ATRIBUTO COBRE NO SOLO Gabriel Tambarussi Avancini 1 RESUMO Este trabalho teve como objetivo estudar a espacialização do atributo cobre, Cu, do solo utilizando
Leia maisTT64 COMPARAÇÃO DE MODELOS INFERENCIAIS TRADICIONAIS E ESPACIAIS UTILIZANDO DIFERENTES VARIÁVEIS DE LOCALIZAÇÃO.
TT64 COMPARAÇÃO DE MODELOS INFERENCIAIS TRADICIONAIS E ESPACIAIS UTILIZANDO DIFERENTES VARIÁVEIS DE LOCALIZAÇÃO. CARLOS ALBERTO PERUZZO TRIVELLONI ENGENHEIRO CIVIL (UNIVERSIDAD DE LA REPÚBLICA, MONTEVIDÉU,
Leia maisProcessos Hidrológicos CST 318 / SER 456. Tema 9 -Métodos estatísticos aplicados à hidrologia ANO 2016
Processos Hidrológicos CST 318 / SER 456 Tema 9 -Métodos estatísticos aplicados à hidrologia ANO 2016 Camilo Daleles Rennó Laura De Simone Borma http://www.dpi.inpe.br/~camilo/prochidr/ Caracterização
Leia maisPONTIFICIA UNIVERSIDADE CATÓLICA DE GOIÁS ESCOLA DE ENGENHARIA HIDROLOGIA APLICADA. Estatística aplicada a hidrologia. Prof.
PONTIFICIA UNIVERSIDADE CATÓLICA DE GOIÁS ESCOLA DE ENGENHARIA HIDROLOGIA APLICADA Estatística aplicada a hidrologia Prof. Felipe Corrêa Considerações Iniciais As variáveis hidrológicas são aleatórias
Leia maisFundação Oswaldo Cruz Escola Nacional de Saúde Pública Departamento de Epidemiologia. Estatística espacial. Áreas
Fundação Oswaldo Cruz Escola Nacional de Saúde Pública Departamento de Epidemiologia Estatística espacial Áreas Áreas Na análise de áreas o atributo estudado é em geral resultando de uma contagem ou um
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S Silva http://wwwimufrjbr/ralph/multivariadahtml Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Revisão:
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 9
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 9 Data Mining Equação básica: Amostras finitas + muitos modelos = modelo equivocado. Lovell (1983, Review
Leia maisLABORATÓRIO 5 ANÁLISE ESPACIAL DE DADOS GEOGRÁFICOS
LABORATÓRIO 5 ANÁLISE ESPACIAL DE DADOS GEOGRÁFICOS João Bosco Coura dos Reis Registro nº: 130.362 Exercícios para avaliação parcial na disciplina de Introdução ao Geoprocessamento (SER-300) do Curso de
Leia maisINTERPOLAÇÃO DE DADOS BATIMÉTRICOS DO RESERVATÓRIO DE TUCURUÍ: COMPARAÇÃO DE INTERPOLADORES E DO NÚMERO DE PONTOS AMOSTRADOS.
INTERPOLAÇÃO DE DADOS BATIMÉTRICOS DO RESERVATÓRIO DE TUCURUÍ: COMPARAÇÃO DE INTERPOLADORES E DO NÚMERO DE PONTOS AMOSTRADOS. David de Andrade Costa Monografia para disciplina de Introdução ao Geoprocessamento
Leia maisRAFAEL LEMOS BASTOS MÉTODOS PARA SELEÇÃO DE MODELOS DE SEMIVARIOGRAMA EM CAMPOS ALEATÓRIOS GAUSSIANOS
RAFAEL LEMOS BASTOS MÉTODOS PARA SELEÇÃO DE MODELOS DE SEMIVARIOGRAMA EM CAMPOS ALEATÓRIOS GAUSSIANOS LAVRAS - MG 2017 RAFAEL LEMOS BASTOS MÉTODOS PARA SELEÇÃO DE MODELOS DE SEMIVARIOGRAMA EM CAMPOS ALEATÓRIOS
Leia maisArtigo 2 Rafaelly Suzanye da Silva Santos
Artigo 2 Rafaelly Suzanye da Silva Santos Artigo: Bolfe, E.L.; Gomes, J.B.V.; Fontes, H.R. Variabilidade espacial de atributos do solo como subsídio para produção integrada de frutas em perímetro irrigado
Leia maisESTIMATIVA E DISTRIBUIÇÃO ESPACIAL DA BIOMASSA NA FLORESTA OMBRÓFILA MISTA
ESTIMATIVA E DISTRIBUIÇÃO ESPACIAL DA BIOMASSA NA FLORESTA OMBRÓFILA MISTA Henrique Luis Godinho Cassol SER301 - Análise Espacial de Dados Geográficos INTRODUÇÃO MATERIAIS E MÉTODOS RESULTADOS CONCLUSÕES
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisEconometria IV Modelos Lineares de Séries Temporais. Fernando Chague
Econometria IV Modelos Lineares de Séries Temporais Fernando Chague 2016 Estacionariedade Estacionariedade Inferência estatística em séries temporais requer alguma forma de estacionariedade dos dados Intuição:
Leia maisAutocorrelação Espacial. Sistemas de Informação Geográfica II. Estatística espacial MAUP. Estatísticas espaciais. Estatística espacial
Sistemas de Informação Geográfica II Estatística espacial Alexandre Gonçalves DECivil - IST alexandre.goncalves@tecnico.ulisboa.pt Autocorrelação Espacial Os dados de locais próximos entre si tendem a
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.
Leia maisTrabalho final da disciplina de Introdução ao Geoprocessamento (SER-300)
Mapeamento da distribuição espacial de sólidos suspensos totais no reservatório de Barra Bonita via inferência estatística versus uso de dados orbitais do sensor OLI Trabalho final da disciplina de Introdução
Leia maisGeoestatística Para as Ciências da Terra e do Ambiente - 3ª ed.
Geoestatística Para as Ciências da Terra e do Ambiente - 3ª ed. 1 INTRODUÇÃO 1.1 A Geoestatística: Objecto e Evolução 1.2 Organização do Livro 2 A ABORDAGEM GEOESTATÍSTICA NA MODELIZAÇÃO DE FENÓMENOS ESPACIAIS
Leia maisJoão Marcos Louzada 1, Marcelo Silva de Oliveira 2, Marcelo de Carvalho Alves 3
COMPONENTES PRINCIPAIS E GEOESTATÍSTICA PARA CARACTERIZAR A VARIABILIDADE ESPACIAL DA PRODUTIVIDADE DE SOJA NO ESTADO DE MINAS GERAIS EM ESCALA MUNICIPAL João Marcos Louzada 1, Marcelo Silva de Oliveira
Leia maisSER Introdução ao Geoprocessamento. Relatório sobre o Laboratório 5
CURSO DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO SER-300 - Introdução ao Geoprocessamento Relatório sobre o Laboratório 5 Acadêmico: Gabriel de Oliveira Docentes: Dr. Antônio Miguel Vieira Monteiro Dr. Cláudio
Leia maisProf. Dr. Marcone Augusto Leal de Oliveira UFJF CURSO INTRODUTÓRIO DE 12 HORAS OFERECIDO PARA A PÓS-GRADUAÇÃO DA UFABC EM NOVEMBRO DE 2017
Prof. Dr. Marcone Augusto Leal de Oliveira UFJF CURSO INTRODUTÓRIO DE 2 HORAS OFERECIDO PARA A PÓS-GRADUAÇÃO DA UFABC EM NOVEMBRO DE 207 SUMÁRIO - BREVE DESCRIÇÃO, FUNDAMENTOS, CONCEITOS, CARACTERÍSTICAS,
Leia mais7 Conclusões e desenvolvimentos futuros
7 Conclusões e desenvolvimentos futuros 7.1 Conclusões Este trabalho apresentou novas soluções para a determinação da posição de terminais de comunicações móveis com base em medidas de ToA. Nos métodos
Leia mais3 INTERVALOS DE CONFIANÇA
3 INTEVALOS DE CONFIANÇA 3.1 Introdução A estimativa de intervalos de confiança é utilizada para se obter medidas de incerteza dos dados analisados. A análise da incerteza de uma previsão, por exemplo,
Leia maisProcessamento de erros grosseiros - Identiمحcaچcﷺao
Processamento de erros grosseiros - Identiمحcaچcﷺao Método ˆb Base: variável ˆβ interpretada como uma estimativa do erro associado à medida; verificação da magnitude do erro com relação a faixa esperada
Leia maisTratamento Estatístico de dados em Física Experimental
Tratamento Estatístico de dados em Física Experimental Prof. Zwinglio Guimarães 2 o semestre de 2017 Tópico 6 - Testes estatísticos (Chi-quadrado, z e t ) O método dos mínimos quadrados (revisão) O método
Leia mais2 Medida de Incertezas: Fundamentos
2 Medida de Incertezas: Fundamentos 2. Introdução O resultado de um processo de medição fornece uma determinada informação que usualmente é chamada de conhecimento. A fim de quantificar quão completo é
Leia maisKRIGAGEM INDICATIVA APLICADA À ELABORAÇÃO DE MAPAS PROBABILÍSTICOS DE RISCOS
KRIGAGEM INDICATIVA APLICADA À ELABORAÇÃO DE MAPAS PROBABILÍSTICOS DE RISCOS Paulo M. Barbosa Landim Professor Emérito Universidade Estadual Paulista/UNESP José Ricardo Sturaro Professor Assistente Doutor
Leia maisSER-301: ANÁLISE ESPACIAL DE DADOS GEOGRÁFICOS
SER-301: ANÁLISE ESPACIAL DE DADOS GEOGRÁFICOS Bárbara Maria Giaccom Ribeiro RELATÓRIO DE ATIVIDADES LABORATÓRIO Nº 1: ANÁLISE DE PADRÕES DE PONTOS INPE São José dos Campos 2008 1 INTRODUÇÃO O Laboratório
Leia maisPROCESSO SELETIVO DE MESTRADO 2019 PROVA DE CONHECIMENTOS ESPECÍFICOS 22/01/2019 ÁREA DE CONCENTRAÇÃO: LAVRA DE MINAS CHAVE DE RESPOSTAS
Universidade Federal de Ouro Preto PROCESSO SELETIVO DE MESTRADO 2019 PROVA DE CONHECIMENTOS ESPECÍFICOS 22/01/2019 ÁREA DE CONCENTRAÇÃO: LAVRA DE MINAS CHAVE DE RESPOSTAS Instruções aos candidatos: 1)
Leia maisSELEÇÃO DE MODELOS DE VARIABILIDADE ESPACIAL E ELABORAÇÃO DE MAPAS TEMÁTICOS DO TEOR DE CARBONO NO SOLO. Rodrigo de Almeida Muniz
SELEÇÃO DE MODELOS DE VARIABILIDADE ESPACIAL E ELABORAÇÃO DE MAPAS TEMÁTICOS DO TEOR DE CARBONO NO SOLO Rodrigo de Almeida Muniz RESUMO: O estudo do carbono orgânico no solo constitui-se um desafio através
Leia maisIncerteza local e incerteza espacial SIMULAÇÃO
Incerteza local e incerteza espacial SIMULAÇÃO Situações em que o interesse na avaliação da incerteza não se resume a um ponto, mas a um conjunto de pontos simultaneamente. Com a krigagem é possível a
Leia maisModelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
Leia maisKRIGAGEM (Krigeage, Kriging)
A Teoria das Variáveis Regionalizadas tornou possível a Geoestatística KRIGAGEM (Krigeage, Kriging) Qualquer variável dependente do espaço e/ou tempo em que, além do caráter aleatório, apresente um caráter
Leia maisUNIVERSIDADE ESTADUAL DO OESTE DO PARANÁ CAMPUS DE CASCAVEL CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA AGRÍCOLA
UNIVERSIDADE ESTADUAL DO OESTE DO PARANÁ CAMPUS DE CASCAVEL CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA AGRÍCOLA AUTOCORRELAÇÃO ESPACIAL DIRECIONAL PARA ANÁLISE DA
Leia maisSeleção e ajuste de modelos espaciais de semivariograma aplicados a dados do ph do solo
Seleção e ajuste de modelos espaciais de semivariograma aplicados a dados do ph do solo Kuang Hongyu 1 1 Programa de Pós graduação em Estatística e Experimentação Agronômica Departamento de Ciência Exatas,
Leia maisAPLICAÇÃO DA GEOESTATÍSTICA NA ANÁLISE DE EXPERIMENTOS COM MAMONA (Ricinus communis L.)
APLICAÇÃO DA GEOESTATÍSTICA NA ANÁLISE DE EXPERIMENTOS COM MAMONA (Ricinus communis L.) Verônica Yumi Kataoka 1, Vânia Corrêa Mota 1, Marcelo Silva de Oliveira 1, Antônio Lucrécio Santos Neto 1, Luis Felipe
Leia maisTratamento Estatístico de Dados em Física Experimental
Tratamento Estatístico de Dados em Física Experimental Prof. Zwinglio Guimarães o semestre de 06 Tópico 7 - Ajuste de parâmetros de funções (Máxima Verossimilhança e Mínimos Quadrados) Método da máxima
Leia maisANÁLISE COMPARATIVA DA ESPACIALIZAÇÃO DO RISCO CLIMÁTICO PELA MÉDIA PONDERADA, KRIGEAGEM ORDINÁRIA E KRIGEAGEM POR INDICAÇÃO
ANÁLISE COMPARATIVA DA ESPACIALIZAÇÃO DO RISCO CLIMÁTICO PELA MÉDIA PONDERADA, KRIGEAGEM ORDINÁRIA E KRIGEAGEM POR INDICAÇÃO MARIZA ALVES DE MACEDO 1 JULIO CESAR DE OLIVEIRA 2 ALDA MONTEIRO BARBOSA 3 GILBERTO
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisGeoestatística Aplicada em Ciências Agrárias: WebTreinamento.
09/10/014 Geoestatística Aplicada em Ciências Agrárias: WebTreinamento. 1 Professor Paulo M. Barbosa Landim Modelagem dos fenômenos naturais Na jogada de um dado, o resultado ser 1,, 3, 4, 5 ou 6 tem a
Leia maisLaboratório 5 Analise Espacial de Dados Geográficos Geoestatística Linear
0 INPE-SER-300- Introdução ao Geoprocessamento Dr. Antônio Miguel Vieira Monteiro e Dr. Claudio Barbosa Laboratório 5 Analise Espacial de Dados Geográficos Geoestatística Linear Thamy Barbara Gioia INPE
Leia maisMinistério da Ciência e Tecnologia INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS
Ministério da Ciência e Tecnologia INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS VARIABILIDADE ESPACIAL NA DISTRIBUIÇÃO DE MICROCYSTIS AERUGINOSA NO ESTUÁRIO DA LAGOA DOS PATOS, RS: UMA ABORDAGEM GEOESTATÍSTICA.
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS quantidade São Paulo (j = 1) Rio de Janeiro (j = 2) Minas Gerais (j = 3) Rio Grande do Sul (j = 4) total casos novos (X, em milhões) casos pendentes (Y, em milhões) processos
Leia maisUNIVERSIDADE ESTADUAL DO OESTE DO PARANÁ CAMPUS DE CASCAVEL CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA AGRÍCOLA
UNIVERSIDADE ESTADUAL DO OESTE DO PARANÁ CAMPUS DE CASCAVEL CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA AGRÍCOLA EFEITOS DA AMOSTRAGEM NA ANÁLISE DA VARIABILIDADE ESPACIAL
Leia maisProbabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo
Leia maisDisciplina SER 300 Introdução ao Geoprocessamento Relatório - Laboratório 5 : Geoestatística Linear
Disciplina SER 300 Introdução ao Geoprocessamento Relatório - Laboratório 5 : Geoestatística Linear Aluna: Camille Lanzarotti Nolasco Junho/ 2011 1 INTRODUÇÃO No presente laboratório foi possível aplicar
Leia maisAjustamento de Observações
Ajustamento de Observações Teoria dos Erros Prof. Dr. Marcos Aurélio Basso IFSULDEMINAS Campus Incondentes MG Teoria dos Erros - Introdução Observações e erros de observação; Factores que caracterizam
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia maisINSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA MODELAGEM GEOESTATÍSTICA DA DISTRIBUIÇÃO ESPACIAL DA GASOMETRIA DE SUPERFÍCIE NA ATIVIDADE DE E&P DE PETRÓLEO
Leia maisSumário. Introdução, 9. 1 Conceitos Básicos, Cálculo e Modelagem de Variogramas Experimentais, Estimativas Geoestatísticas, 55
Sumário Introdução, 9 Breve histórico da Geoestatística, 9 Objetivos, 12 Organização do livro, 12 1 Conceitos Básicos, 19 1.1 Fenômeno espacial, 19 1.2 Amostra e métodos de amostragem, 1.3 Inferência espacial,
Leia mais3 Filtro de Kalman Discreto
3 Filtro de Kalman Discreto As medidas realizadas por sensores estão sujeitas a erros, como pode ser visto no Capítulo 2. Os filtros são aplicados aos sinais medidos pelos sensores para reduzir os erros,
Leia maisBIBLIOTECA DIGITAL DE TESES E DISSERTAÇÕES UNESP RESSALVA. Alertamos para ausência do Capítulo 3 não incluídos pelo(a) autor(a) no arquivo original.
BIBLIOTECA DIGITAL DE TESES E DISSERTAÇÕES UNESP RESSALVA Alertamos para ausência do Capítulo 3 não incluídos pelo(a) autor(a) no arquivo original. UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS
Leia maisAnálise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais. Eraylson Galdino
Análise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais egs@cin.ufpe.br Agenda Séries Temporais: Definições Exemplos Modelos simples com média zero: Ruído I.I.D Processo Binário Random
Leia maisIncerteza local e incerteza espacial SIMULAÇÃO
Incerteza local e incerteza espacial SIMULAÇÃO Situações em que o interesse na avaliação da incerteza não se resume a um ponto, mas a um conjunto de pontos simultaneamente. Com a krigagem é possível a
Leia maisA Importância da Modelagem da Anisotropia na Distribuição Espacial de Variáveis Ambientais Utilizando Procedimentos Geoestatísticos
A Importância da Modelagem da Anisotropia na Distribuição Espacial de Variáveis Ambientais Utilizando Procedimentos Geoestatísticos EDUARDO CELSO GERBI CAMARGO 1 CARLOS ALBERTO FELGUEIRAS 2 ANTONIO MIGUEL
Leia maisMetodologia de Box-Jenkins. Metodologia de Box-Jenkins. Metodologia de Box-Jenkins
Programa de Pós-graduação em Engenharia de Produção Análise de séries temporais: Modelos de Box-Jenkins Profa. Dra. Liane Werner Metodologia de Box-Jenkins Para os modelos de decomposição e os modelos
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
1 Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 27 de Setembro de 2016 2 3 O modelo de regressão linear é dado por 3 O modelo de regressão linear é dado por Y i = β
Leia maisA Metodologia de Box & Jenkins
A Metodologia de Box & Jenins Aula 03 Bueno, 0, Capítulo 3 Enders, 009, Capítulo Morettin e Toloi, 006, Capítulos 6 a 8 A Metodologia Box & Jenins Uma abordagem bastante utilizada para a construção de
Leia mais3 Metodologia. resenha de VAN DIJK et al. (2002). 12 Para uma exposição extensiva do uso do modelo STR aplicado a séries macroeconômicas, ver a
3 Metodologia Como explicado acima, o modelo novo-keynesiano não fornece bases teóricas que motivem a existência de não-linearidades na CPNKH. Por isso, optamos por utilizar uma estratégia empírica flexível
Leia maisAGA Análise de Dados em Astronomia I 7. Modelagem dos Dados com Máxima Verossimilhança: Modelos Lineares
1 / 0 AGA 0505- Análise de Dados em Astronomia I 7. Modelagem dos Dados com Máxima Verossimilhança: Modelos Lineares Laerte Sodré Jr. 1o. semestre, 018 modelos modelagem dos dados dado um conjunto de dados,
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro
Leia maisUniversidade de Brasília Instituto de Ciências Exatas Departamento de Estatística. Dissertação de Mestrado
Universidade de Brasília Instituto de Ciências Exatas Departamento de Estatística Dissertação de Mestrado Discussão sobre a obtenção de funções semivariograma a partir de distribuições de probabilidade
Leia maisINFERÊNCIA EM MODELOS LINEARES GENERALIZADOS ANÁLISE DE DEVIANCE
INFERÊNCIA EM MODELOS LINEARES GENERALIZADOS ANÁLISE DE DEVIANCE A análise de deviance é uma generalização, para modelos lineares generalizados, da análise de variância. No caso de modelos lineares, utiliza-se
Leia maisINCORPORARAÇÃO DA GEOESTATÍSTICA A PREVISÕES DE ESCOLHA MODAL
INCORPORARAÇÃO DA GEOESTATÍSTICA A PREVISÕES DE ESCOLHA MODAL Viviani Antunes Gomes Cira Souza Pitombo INCORPORARAÇÃO DA GEOESTATÍSTICA A PREVISÕES DE ESCOLHA MODAL Viviani Antunes Gomes Cira Souza Pitombo
Leia maisTESTES DE HIPÓTESES E INTERVALOS DE CONFIANÇA EM MODELOS LINEARES GENERALIZADOS
TESTES DE HIPÓTESES E INTERVALOS DE CONFIANÇA EM MODELOS LINEARES GENERALIZADOS Antes de apresentar alguns dos testes de hipóteses e intervalos de confiança mais usuais em MLG, segue a definição de modelos
Leia mais5 Apresentação e Discussão dos Resultados
5 Apresentação e Discussão dos Resultados Os resultados serão apresentados de acordo com os procedimentos de análise dos dados descritos no Capítulo 4. 5.1. Estatística Descritiva Clássica Os resultados
Leia maisAnálise espacial da espécie Prosopis juliflora consorciada com o Cenchrus ciliaris L. no bioma caatinga. 0.1 Introdução. 0.2 Material e métodos
Análise espacial da espécie Prosopis juliflora consorciada com o Cenchrus ciliaris L. no bioma caatinga Marystella Duarte Correia 1 Ricardo Alves de Olinda 2 Rômulo Simões Cezar Menezes 3 0.1 Introdução
Leia mais1 Probabilidade - Modelos Probabilísticos
1 Probabilidade - Modelos Probabilísticos Modelos probabilísticos devem, de alguma forma, 1. identificar o conjunto de resultados possíveis do fenômeno aleatório, que costumamos chamar de espaço amostral,
Leia mais4 Modelos de Regressão Dinâmica
4 Modelos de Regressão Dinâmica Nos modelos de regressão linear (Johnston e Dinardo, 1998) estudados comumente na literatura, supõe-se que os erros gerados pelo modelo possuem algumas características como:
Leia maisAnálise de Dados Longitudinais Aula
1/35 Análise de Dados Longitudinais Aula 08.08.2018 José Luiz Padilha da Silva - UFPR www.docs.ufpr.br/ jlpadilha 2/35 Sumário 1 Revisão para dados transversais 2 Como analisar dados longitudinais 3 Perspectiva
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia mais