Return to search

Influência local em modelos geoestatísticos T-Student com aplicações a dados agrícolas / Local influence in geoestatistic T-Student models applied to agricultural data

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: 2010-12-16 / 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. / 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.

Identiferoai:union.ndltd.org:IBICT/oai:tede.unioeste.br:tede/2833
Date16 December 2010
CreatorsAssumpção, Rosangela Aparecida Botinha
ContributorsOpazo, Miguel Angel Uribe
PublisherUniversidade Estadual do Oeste do Parana, Programa de Pós-Graduação "Stricto Sensu" em Engenharia Agrícola, UNIOESTE, BR, Engenharia
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguageEnglish
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis
Formatapplication/pdf
Sourcereponame:Biblioteca Digital de Teses e Dissertações do UNIOESTE, instname:Universidade Estadual do Oeste do Paraná, instacron:UNIOESTE
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0023 seconds