Modelos mixtos en el análisis estadístico de imágenes
Objetivo general. Establecer los fundamentos del análisis estadístico de las imágenes usando las técnicas de modelación de efectos mixtos para medidas repetidas y, en dependencia del nivel de complejidad de las imágenes, desarrollar modelos lineales de efectos mixtos y modelos lineales generalizados...
| Autor: | |
|---|---|
| Formato: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2019 |
| País: | México |
| Recursos: | Benemérita Universidad Autónoma de Puebla |
| Repositorio: | Repositorio Institucional de Acceso Abierto RIAA-BUAP |
| Idioma: | español |
| OAI Identifier: | oai:repositorioinstitucional.buap.mx:20.500.12371/30434 |
| Acesso em linha: | https://hdl.handle.net/20.500.12371/30434 |
| Access Level: | acceso abierto |
| Palavra-chave: | Modelos lineales mixtos--Modelos estadísticos--Efectos fijos--Aleatorios--Presentan precisión Circuitos de señal mixta Circuitos integrados de modo mixto Modelos mixtos--Herramientas avanzadas--Analizan datos--Tienen una estructuta jerarquica en grupos |
| Resumo: | Objetivo general. Establecer los fundamentos del análisis estadístico de las imágenes usando las técnicas de modelación de efectos mixtos para medidas repetidas y, en dependencia del nivel de complejidad de las imágenes, desarrollar modelos lineales de efectos mixtos y modelos lineales generalizados de efectos mixtos. Objetivos específicos. Profundizar en la teoría de los modelos mixtos y sus aspectos estadísticos en lo que se refiere, en particular, a la metodología de las medidas repetidas cómo aplicarla el análisis estadístico de imágenes. Desarrollar los problemas de estimación, bondad de ajuste, diagnostico de las suposiciones y selección de modelos en la modelación estadística. Utilizar el entorno R en las aplicaciones planeadas, investigando diferentes comandos y paqueterías disponibles de modelos de efectos mixtos. Desarrollar aplicaciones donde se requiere la utilización de la modelación estadística en el tratamiento de imágenes no satélites y satelitales. La tesis mantiene la siguiente estructura en el capítulo 1. Se trata de aspectos de los modelos estadísticos básicos que permiten tener una base de la modelación estadística. En el capítulo 2. Se describen modelos más flexibles modelo lineal generalizado (GLM): modelo lineal generalizado mixto (GLMM) los cuales permiten otro tipo de distribución en la variable respuesta. Capitulo 3. Se representa una aplicación con imágenes del pez cebra usando la prueba de kolmogorow smirnov, para comparar imágenes. Capitulo 4. Desarrolla los aspectos conceptuales sobre tele tensión y como estos pueden utilizarse en la modelación estadística. Se desarrollan aplicaciones de dos zonas geográficas en el Estado de Puebla, México una es la zona sur de la presa de Valsequillo y otra en la región terrestre prioritaria RTP105. |
|---|