Show simple item record

dc.rights.licenseAtribución-NoComercial 4.0 Internacional
dc.contributorGiraldo Henao, Ramón
dc.contributor.authorHerrera Pérez, Luis Antonio
dc.date.accessioned2019-06-24T23:57:50Z
dc.date.available2019-06-24T23:57:50Z
dc.date.issued2012
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/11375
dc.description.abstractEn geoestadística se resuelve el problema de predicción espacial de una variable aleatoria, vector aleatorio o variable aleatoria funcional cuando se tiene la información de un proceso estocástico (o campo aleatorio) univariado, multivariado o funcional, respectivamente. En este trabajo se combinan algunas técnicas geoestadísticas multivariadas y funcionales con el objetivo de proponer un predictor espacial de una variable aleatoria escalar cuando se dispone simultáneamente de realizaciones de campos aleatorios univariados y funcionales. En particular se propone un predictor similar al cokriging (Myers, 1982; ver Hoef and Cressie, 1993), pero tomando como información auxiliar una variable aleatoria funcional. Para establecer la estimación de los parámetros, se sigue el criterio clásico de minimización de la varianza del error de predicción sujeto a la condición de insesgamiento del predictor y el supuesto de estacionariedad de segundo orden para las variables consideradas. Para desarrollar la metodología propuesta, se asume que los datos de la variable funcional pueden ser suavizados mediante la combinación lineal de un conjunto de funciones que constituyen una base funcional (Fourier para series periódicas y B-splines para no periódicas). La metodología propuesta en el trabajo se ilustra a través de una aplicación a datos reales. Se realiza la predicción del máximo promedio horario de material particulado (PM10) en Bogotá a partir de su información y la de velocidad del viento (variable funcional). / Abstract. In geostatistic we solve the problem of spatial prediction of a random variable, a random vector or functional random variable when you have the information of a stochastic process (or random field) univariate, multivariate or functional, respectively. In this paper we combine some multivariate geostatistical techniques and functional to propose a spatial predictor of a scale random variable when we have simultaneously realizations of univariate and functional random fields. In particular we propose a predictor similar to cokriging (Myers, 1982; see Hoef and Cressie, 1993), but using as auxiliary information a functional random variable. To find the parameters estimation, we follow the classical approach of minimizing the prediction error variance subject to the condition of unbiasedness of the predictor and the assumption of second order stationarity of the variables considered. To develop the proposed methodology, it is assumed that the functional variable data can be smoothed by the linear combination of a set of functions that constitute a functional basis (Fourier for periodic series and B-splines for no periodic). The proposed methodology is illustrated in the work through a real data. We makes the prediction of maximum hourly average of particulate matter (PM10) in Bogota from their information and wind speed.
dc.format.mimetypeapplication/pdf
dc.language.isospa
dc.relation.ispartofUniversidad Nacional de Colombia Sede Bogotá Facultad de Ciencias Departamento de Estadística
dc.relation.ispartofDepartamento de Estadística
dc.rightsDerechos reservados - Universidad Nacional de Colombia
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0/
dc.subject.ddc51 Matemáticas / Mathematics
dc.titleUna metodología para la predicción espacial de una variable escalar georeferenciada basada en su información y la de una variable funcional / A methodology for the spatial prediction of a scalar variable geographically referenced based on its information and a functional variable
dc.typeTrabajo de grado - Maestría
dc.type.driverinfo:eu-repo/semantics/masterThesis
dc.type.versioninfo:eu-repo/semantics/acceptedVersion
dc.identifier.eprintshttp://bdigital.unal.edu.co/8796/
dc.description.degreelevelMaestría
dc.relation.referencesHerrera Pérez, Luis Antonio (2012) Una metodología para la predicción espacial de una variable escalar georeferenciada basada en su información y la de una variable funcional / A methodology for the spatial prediction of a scalar variable geographically referenced based on its information and a functional variable. Maestría thesis, Universidad Nacional de Colombia.
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.subject.proposalAnálisis de datos funcionales
dc.subject.proposalBase de Fourier
dc.subject.proposalBase de B-splines
dc.subject.proposalCokriging
dc.subject.proposalKriging funcional
dc.subject.proposalPM10 / Functional data analysis, Fourier basis
dc.subject.proposalB-splines basis
dc.subject.proposalCokriging
dc.subject.proposalFunctional kriging
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.contentText
dc.type.redcolhttp://purl.org/redcol/resource_type/TM
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial 4.0 InternacionalThis work is licensed under a Creative Commons Reconocimiento-NoComercial 4.0.This document has been deposited by the author (s) under the following certificate of deposit