Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/RFFO-7UCM3R
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor1 | Renato Martins Assuncao | pt_BR |
dc.contributor.referee1 | Paulo Justiniano Ribeiro Júnior | pt_BR |
dc.contributor.referee2 | Lourdes Coral Contreras Montenegro | pt_BR |
dc.creator | Elias Teixeira Krainski | pt_BR |
dc.date.accessioned | 2019-08-10T09:47:03Z | - |
dc.date.available | 2019-08-10T09:47:03Z | - |
dc.date.issued | 2008-03-07 | pt_BR |
dc.identifier.uri | http://hdl.handle.net/1843/RFFO-7UCM3R | - |
dc.description.resumo | Este trabalho está dividido em três Capítulos. Em todo o trabalho nós utilizamos o mapa dos EUA para facilitar a referência ao trabalho de Wall (2004), que foi o principal motivador deste trabalho. No primeiro Capítulo nós introduzimos os modelos SAR e CAR e fazemos uma análise de dados. Nós consideramos dados de Renda per Capita, Expectativa de vida e Percentual de Graduados nos EUA. O capítulo 2 é um artigo submetido. Nesse Capítulo, nós mostramos mais detalhadamente os resultados não intuitivos. Nós consideramos resultados de álgebra linear e obtemos uma expressão simples e intuitiva para a matriz de covariância que explica os resultados não intuitivos. Nós obtemos termos para aproximações da matriz de covariância e estudamos algumas aproximações para a matriz de covariância. Nós também estudamos o segundo autovalor da matriz de vizinhança utilizada pelos modelos SAR e CAR e sua relação com os termos da expressão obtida para a matriz de covariância. Também estudamos o impacto da conectividade e do tamanho do mapa no segundo autovalor. No Capítulo 3 nós consideramos um modelo espacial Bayesiano para dados gaussianos. Nesse modelo, consideramos um efeito aleatório com distribuição a priori CAR. Obtemos a distribuição a posteriori e uma expressão simples e intuitiva para a matriz de covariância a posteriori dos efeitos aleatórios. Nós avaliamos o impacto da informação a priori em relação a informação dos dados em termos da precisão da priori e da precisão dos dados. Obtemos também a expressão da covariância a distribuição posteriori dos efeitos aleatórios quando a distribuição à priori é CAR intrinsica. Nesse Capítulo, fazemos referência ao Capítulo 2 como um artigo submetido. No Capítulo 4 nós tiramos algumas conclusões e colocamos algumas linhas de pesquisa para trabalhos futuros | pt_BR |
dc.language | Português | pt_BR |
dc.publisher | Universidade Federal de Minas Gerais | pt_BR |
dc.publisher.initials | UFMG | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Dados | pt_BR |
dc.subject | Estrutura | pt_BR |
dc.subject | Áreas | pt_BR |
dc.subject | Covariância | pt_BR |
dc.subject | Modelos | pt_BR |
dc.subject.other | Estatística | pt_BR |
dc.subject.other | Analise de covariancia | pt_BR |
dc.subject.other | Análise espacial (Estatística) | pt_BR |
dc.title | Estrutura de covariância de modelos espaciais para dados de área | pt_BR |
dc.type | Dissertação de Mestrado | pt_BR |
Appears in Collections: | Dissertações de Mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
dissertacaoelias.pdf | 1.7 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.