INFLUÊNCIA LOCAL EM MODELOS ESPACIAIS LINEARES COM DISTRIBUIÇÃO DA FAMÍLIA DE CONTORNOS ELÍPTICOS

• Ano de defesa: 2012
• Autor(a) principal: BASTIANI, Fernanda de
• Orientador(a): CYSNEIROS, Audrey Helen Mariz de Aquino
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Pernambuco
• Palavras-chave em Português: máxima verossimilhança; geoestatística; variabilidade espacial
• Link de acesso: https://repositorio.ufpe.br/handle/123456789/10809

O estudo de modelos estatísticos que possam levar em consideração as diversas características de fenômenos cada vez mais complexos, são de grande importância. Os modelos espaciais lineares com distribuição da família de contornos elípticos constituem uma alternativa muito atrativa para explicar a estrutura de variabilidade espacial, além de ter a flexibilidade de estender a classe dos erros para outras distribuições além da normal, que podem acomodar melhor as observações atípicas. Apesar disto, os modelos ainda assim podem sofrer efeito de observações influentes, sendo necessário estudos de sensibilidade nesta classe. Esses procedimentos também permitem selecionar modelos dentro da classe de contornos elípticos que se comportam adequadamente de acordo com o tipo de perturbação considerada, o que é fundamental para a modelagem da estrutura de dependência espacial na área de geoestatística, estimando os parâmetros que a definem e que são utilizados na interpolação de valores em locais não amostrados pela técnica de krigagem possibilitando a construção de mapas temáticos. O objetivo deste trabalho foi desenvolver métodos de influência local em modelos espaciais lineares com distribuição da família de contornos elípticos para dois tipos de perturbação na variável resposta, bem como avaliar a influência na matriz de covariância, no preditor linear e a alavanca generalizada. Realizaram-se estudos de simulação e aplicação a dados reais utilizando diferentes distribuições e diferentes modelos na estrutura da matriz de covariância, possibilitando avaliar a importância da metodologia desenvolvida.