Estrutura de covariação em modelos bayesianos espaciais

Página do item simplificado
dc.creatorErica Castilho Rodrigues
dc.date.accessioned2019-08-09T19:27:44Z
dc.date.accessioned2025-09-09T01:17:00Z
dc.date.available2019-08-09T19:27:44Z
dc.date.issued2012-12-07
dc.identifier.urihttps://hdl.handle.net/1843/ICED-9ASP59
dc.languagePortuguês
dc.publisherUniversidade Federal de Minas Gerais
dc.rightsAcesso Aberto
dc.subjectEstatística
dc.subjectAnálise espacial (Estatística) Doenças
dc.subjectMarkov, processos de
dc.subjectCampos aleatórios
dc.subjectTeoria bayesiana de decisão estatistica
dc.subjectAnálise espacial (Estatística)
dc.subject.othercampos aleatórios de Markov
dc.subject.otherNaive Bayes
dc.subject.othermodelos hierárquicos espaciais
dc.subject.otherTwitter
dc.subject.othermapeamento de doenças
dc.titleEstrutura de covariação em modelos bayesianos espaciais
dc.typeTese de doutorado
local.contributor.advisor1Renato Martins Assuncao
local.contributor.referee1Marcos Oliveira Prates
local.contributor.referee1Rosangela Helena Loschi
local.contributor.referee1Wagner Meira Junior
local.contributor.referee1Alexandre Loureiros Rodrigues
local.contributor.referee1Thaís Cristina Oliveira da Fonseca
local.description.resumoNo mapeamento de doenças, é necessário especificar uma estrutura de vizinhanhança para fazer inferências sobre a distribuição geográfica dos riscos relativos, Essa estrutura pode ser usada para modelar a dependência espacial dos dados. Um ponto importante é como modelar essadependência, qual tipo de covariância será definida entre os pares de áreas. Nesste trabalho é feita uma análise da estrutura de covariância para dados de áareas. Em partes desse trabalho novos modelos são propostos e, outras, modelos presentes na literatura são analisados cuidadosamente. Em um contexto um pouco diferente, a depensência entre os dados pode ser utilizada para recuperar outros tipos de informação, como por exemplo, a localização dos eventos. Resovemos esse tipo de problema para o caso especiífico de uma rede social, o twitter. As arestas do grafo agora não representammais vizinhnça geográfica, mas sim relações de amizades entre os usuários.Mostramos como essa informação associada ao tipode publicação de cada usuáario pode ser utilizada para inferir sua localização.
local.publisher.initialsUFMG

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
teseerica.pdf
Tamanho:
3.22 MB
Formato:
Adobe Portable Document Format
Baixar

Coleções

Pós-Graduação em Estatística - Teses

Logo UFMG