Optimal sampling design for functional and spatio-temporal random fields
Esta tesis extiende los diseños de muestreo óptimos a la predicción espacial univariada y multivariada de datos funcionales. En ambos casos, se presentan predictores insesgados con sus respectivas varianzas. En el caso univariado, se propone usar cokriging simple sobre el campo aleatorio escalar for...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Estado: | Versión aceptada para publicación |
| Fecha de publicación: | 2015 |
| País: | Colombia |
| Institución: | Universidad Nacional de Colombia |
| Repositorio: | Repositorio UN |
| Idioma: | español |
| OAI Identifier: | oai:repositorio.unal.edu.co:unal/56622 |
| Acceso en línea: | https://repositorio.unal.edu.co/handle/unal/56622 http://bdigital.unal.edu.co/52477/ |
| Access Level: | acceso abierto |
| Palabra clave: | 51 Matemáticas / Mathematics Functional data Geostatistics Optimal sampling Spatio-temporal data Datos funcionales Geostadística Muestreo óptimo Datos espacio-temporales |
| Sumario: | Esta tesis extiende los diseños de muestreo óptimos a la predicción espacial univariada y multivariada de datos funcionales. En ambos casos, se presentan predictores insesgados con sus respectivas varianzas. En el caso univariado, se propone usar cokriging simple sobre el campo aleatorio escalar formado por los puntajes asociados con la representación de los datos funcionales en términos de sus componentes principales funcionales empíricos. En el caso multivariado, se desarrolla la predicción espacial de una variable funcional en sitios no muestreados, usando covariables funcionales, es decir, se presenta el cokriging funcional. Se demuestra que a través de la representación de cada función en términos de sus componentes principales funcionales empíricos, el cokriging funcional solo depende de la auto-covarianza y de la covarianza cruzada de los vectores de puntajes asociados, los cuales son campos aleatorios escalares. Se proponen criterios de diseño para todos los predictores desarrollados en esta tesis. Adicionalmente, se construye una metodología para diseños de muestreo espacial dinámicos que permitan encontrar la estimación óptima de la media espacial y la predicción espacial óptima en un tiempo futuro, basados en la variación temporal de la estructura de dependencia espacial. Las metodologías son aplicadas a las redes de calidad del aire de Bogotá y México. |
|---|