Kriging Universal para Datos Funcionales

Abstract

En diversos ámbitos de la ciencia con gran frecuencia los resultados suelen reflejarse por medio de curvas (datos funcionales). Con este trabajo se pretende dar una solución al problema de la predicción espacial de datos funcionales cuando no se evidencia estacionariedad. El predictor propuesto tiene la misma forma matemática de un predictor kriging clásico, pero teniendo en cuenta curvas en lugar de datos univariados. Luego, a través de un procedimiento similar al del kriging universal de la geoestadística en una dimensión se deducen los sistemas matriciales que permiten determinar los pesos de cada una de las variables funcionales medidas en los sitios visitados. La metodología propuesta se valida mediante el análisis conjunto de datos reales de temperaturas tomadas en estaciones meteorológicas de Canadá. / Abstract. In various fields of science very often the results of certain measurements are usually reflected by curves (functional data).In this paper we give a solution to the problem of spatial prediction of functional data stationarity when there is no evidence. The predictor proposed has the same mathematical expresion of a classic kriging predictor, but considering curves instead of univariate data. Using a procedure similar to the universal kriging in geostatistical onedimensional a matrix system is derived for determining the weights of each of the functional variables measured in the sites visited. The proposed methodology is validated by analyzing a real data set corresponding to temperature curves obtained in several weather stations of Canada.