Escudo de la República de Colombia
Sistema Nacional de Biliotecas - Repositorio Institucional Universidad Nacional de Colombia Biblioteca Digital - Repositorio Institucional UN Sistema Nacional de Bibliotecas UN

Modelo de regresión Birnbaum-Saunders con datos geoestadísticos

Martínez Martínez, Sergio Daniel (2016) Modelo de regresión Birnbaum-Saunders con datos geoestadísticos. Maestría thesis, Universidad Nacional de Colombia - Sede Bogotá.

Texto completo

[img]
Vista previa
PDF - Versión Aceptada
Available under License Creative Commons Attribution Non-commercial No Derivatives.

19MB

Resumen

En diferentes áreas del conocimiento, con el avance de la tecnología una gran cantidad de datos se graban de forma continua e instantánea, por ejemplo, la respuesta bio-eléctrica del cerebro (Aristizabal & Giraldo, 2011), la resistencia mecánica a la penetración del suelo (Giraldo, 2009a) o la reflectancia por espectrometría (Giraldo et al., 2015). Desde principio de los años noventa, se ha considerado abordar este tipo de información a través del análisis de datos funcionales (Ramsay & Silverman, 2005; Giraldo et al., 2010), en el cual cada curva corresponde a la observación de una función aleatoria. Usualmente, se cuenta a su vez con variables escalares, medidas con el objetivo de establecer si existe una relación con la variable funcional observada. De manera particular, en ciencias de la tierra, ambientales y climáticas, áreas en las cuales la geoestadística es una herramienta primordial, el manejo de datos funcionales es cada vez más frecuente. Por esta razón, es de interés desarrollar metodologías que permitan el trabajo con datos funcionales espacialmente correlacionados (Giraldo, 2009a). Adicionalmente, en estas áreas es común que las variables sean por naturaleza positivas y asimétricas, por ejemplo, las obtenidas en estudios de concentración de elementos químicos en el suelo o en el aire (Reimman et al., 2008) y por lo tanto, los supuestos clásicos usuales en geoestadística de normalidad o de al menos de simetría no resultan apropiados (Schabenberger & Gotway, 2005; Garcia-Papani et al., 2016). Este tipo de variables, en contextos no espaciales, se han abordado con éxito a través de la distribución Birnbaum-Saunders (BS) (Birnbaum & Saunders, 1969b), convirtiendo la modelación BS en un tema de investigación muy activo en los últimos años (Leiva, Marchant, Ruggeri & Saulo, 2015). Sin embargo, el uso de esta distribución en el tratamiento de datos geoestadísticos solo se ha realizado bajo estacionariedad (Garcia-Papani et al., 2016). En este trabajo se propone un modelo de regresión BS para datos geoestadísticos, que considera la inclusión de una covariable funcional para el caso de un proceso no estacionario. Después de obtener los estimadores máximo verosímiles, se evalúa su desempeño a través de un proceso de simulación, que considera diferentes escenarios de tamaño de muestra y asimetría. La aplicación del modelo propuesto se realiza a datos georreferenciados de concentración de sodio y de resistencia mecánica a la penetración. Luego, se muestra su aplicación a observaciones independientes a partir de mediciones de concentración de CO2 y de curvas de reflectancia en palmas de aceite. Finalmente, en ambos casos se muestra que el modelo desarrollado tiene un mejor desempeño que el modelo con errores Gaussianos., In many studies, with the advancement of technology, a lot of data are recorded continuously and instantaneously; for example, the bio-electrical brain response (Aristizabal & Giraldo, 2011), mechanical resistance of soil (Giraldo, 2009a) or reflectance spectrophotometry (Giraldo et al., 2015). Since the early nineties, it has been considered this type of information through the analysis of functional data (Ramsay & Silverman, 2005; Giraldo et al., 2010), where each curve corresponds to the observation of a random function. Usually, there are also scalar variables, measures in order to establish whether exist a relationship with the observed functional variable. In particular, earth, environmental and climatic sciences where geostatistics is a primary tool, functional data management is becoming more frequent. For this reason, it is of interest to develop methodologies to work with spatially correlated functional data (Giraldo, 2009a). Besides, in these areas is common that the variables have a positive and asymmetric nature, e.g. those obtained in studies of the concentration of chemical elements in soil or air (Reimman et al., 2008), and therefore, the classical geostatistical assumptions of Gaussian error or at least erros with a symmetry distribution are not appropriate (Schabenberger & Gotway, 2005; Garcia-Papani et al., 2016). This type of variables in non-spatial contexts, have successfully worked through the Birnbaum-Saunders distribution (BS) (Birnbaum & Saunders, 1969b), becoming the BS modeling in a very active research topic in recent years (Leiva, Marchant, Ruggeri & Saulo, 2015). However, the use of this distribution in the treatment of geostatistical data has performed under stationarity (Garcia-Papani et al., 2016). This thesis develop a BS model for geostatistical data for non-stationary process, it considers the inclusion of a functional covariate. The maximum likelihood estimators are obtained and their performance are evaluated through a simulation process, which considers different scenarios of sample size and level of asymmetry. The application of the proposed model is performed on georeferenced data corresponding to concentration of sodium and curves of mechanical resistance. The methodology is applied to independent observations from measurements of CO2 concentration and reflectance curves of palm oil. At the end, in both cases, we show that the model developed has a better performance than the model with Gaussian errors.

Tipo de documento:Tesis/trabajos de grado - Thesis (Maestría)
Colaborador / Asesor:Giraldo Henao, Ramón
Información adicional:Magister en Estadística. Línea de investigación: Datos funcionales espaciales
Palabras clave:Distribución Birnbaum-Saunders, Distribución Log-Birnbaum-Saunders, Geoestadística, Datos funcionales, Birnbaum-Saunders Distribution, Log-Birnbaum-Saunders Distribution, Geostatistics, Functional data
Temática:3 Ciencias sociales / Social sciences > 31 Colecciones de estadística general / Statistics
5 Ciencias naturales y matemáticas / Science > 51 Matemáticas / Mathematics
Unidad administrativa:Sede Bogotá > Facultad de Ciencias > Departamento de Estadística > Estadística
Código ID:55033
Enviado por : Sr Sergio Daniel Martínez Martínez
Enviado el día :19 Dec 2016 15:26
Ultima modificación:19 Dec 2016 15:26
Ultima modificación:19 Dec 2016 15:26
Exportar:Clic aquí
Estadísticas:Clic aquí
Compartir:

Solamente administradores del repositorio: página de control del ítem

Vicerrectoría de Investigación: Número uno en investigación
Indexado por:
Indexado por Scholar Google WorldCat DRIVER Metabiblioteca OAIster BASE BDCOL Registry of Open Access Repositories SNAAC Red de repositorios latinoamericanos eprints Open archives La referencia Tesis latinoamericanas OpenDOAR CLACSO
Este sitio web se ve mejor en Firefox