Utilize este link para identificar ou citar este item: http://bdm.unb.br/handle/10483/20533
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2017_WindersonRonielliSoaresJunior_tcc.pdf1,29 MBAdobe PDFver/abrir
Título: Estimação do variograma por meio da máxima verossimilhança
Autor(es): Soares Júnior, Winderson Ronielli
Orientador(es): Silva, Alan Ricardo da
Assunto: Máxima verossimilhança
Mínimos quadrados
Correlação (Estatística)
Data de apresentação: 2017
Data de publicação: 13-Ago-2018
Referência: SOARES JÚNIOR, Winderson Ronielli. Estimação do variograma por meio da máxima verossimilhança. 2017. 50 f., il. Trabalho de Conclusão de Curso (Bacharelado em Estatística)—Universidade de Brasília, Brasília, 2017.
Resumo: A geoestatística tem por objetivo caracterizar espacialmente uma variável com um atributo de interesse mediante o estudo de sua distribuição e variabilidade espacial, determinando desta forma, suas incertezas associadas. O variograma é o primeiro passo na busca do conhecimento sobre a distribuição e o comportamento dos dados e a krigagem é uma técnica de interpolação que auxilia no entendimento da variabilidade e que parte da premissa que pontos próximos tendem a ter valores mais homogêneos do que pontos mais distantes. Realizar o ajuste do variograma aos dados é, em geral, um trabalho subjetivo e que requer muita cautela na hora de escolher qual o melhor conjunto de parâmetros lag e lag distance. Este trabalho propõe implementar a técnica de máxima verossimilhança para estimação do variograma no software SAS 9.4 e comparar os resultados com a técnica de minimos quadrados. O método de Máxima Verossimilhança é uma técnica bastante difundida nos últimos anos, devido aos avanços computacionais, e é capaz de estimar a função de distribuição sem a necessidade de parâmetros subjetivos. Sua problemática estão no fato de ter um certo grau de sensibilidade na hora de convergência para o ponto ótimo e isso pode acarretar, dependendo das informações iniciais, na convergência para parâmetros não-ótimos. Além disso, é proposto um algoritmo em SAS/IML para a automatização da técnica. Os resultados obtidos mostram que os parâmetros estimados pela máxima verossimilhança se ajustam melhor aos dados do que os obtidos pelos mínimos quadrados, e além disso, os erros padrão de estimação da krigagem foram menores nessa técnica.
Informações adicionais: Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2017.
Aparece na Coleção:Estatística



Este item está licenciado na Licença Creative Commons Creative Commons