Banca de DEFESA: CLAUDIO FRANCISCO CHIPENETE

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: CLAUDIO FRANCISCO CHIPENETE
DATA: 31/03/2022
HORA: 14:00
LOCAL: meet.google.com/ohr-sfpm-qtd
TÍTULO:

PREDIÇÃO DE DADOS DE ÁREA POR KRIGAGEM NA PRODUÇÃO DE MILHO UTILIZANDO SEMENTES MELHORADAS EM MOÇAMBIQUE

PALAVRAS-CHAVES:

Modelos autorregressivos espaciais, Preditor BLUP, Matriz de ponderação espacial, Erro quadrático médio

PÁGINAS: 80
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Probabilidade e Estatística
RESUMO:

Ao se analisar os dados espaciais de área, um dos principais objetivos é avaliar a presença ou não de agrupamentos em um determinado fenómeno. Pode-se dizer que tem sido o principal foco em diversas áreas de pesquisa. Mas, além desse objetivo, um outro não menos importante é estimação dos parâmetros envolvidos por se ajustar um modelo de regressão que incorpore um componente de dependência espacial, uma vez que, não raro, essa dependência estar presente e, por fim, a predição de valores não observados através de preditores próprios nessa área. Pode se dizer que, este último tem sido raro, uma vez que, em dados de área, tem-se trabalhado com informações presentes em cada área de estudo. Um dos desafios imposto, é a especificação da matriz de ponderação espacial, um componente essencial sempre presente. Ela estabelece a vizinhança entre um par ou conjunto de áreas, existindo para tal, diferentes critérios na sua especificação que, de algum modo, pode contribuir para uma especificação não assertiva, comprometendo a qualidade do ajuste do modelo. Portanto, um dos objetivos nesta tese, é avaliar o efeito da matriz de ponderação espacial na qualidade de predição. Associado a esse objetivo, um outro é a proposta de um preditor baseando-se em técnicas de krigagem da geoestatística, uma técnica já bem documentada, além de possuir o melhor preditor linear não viesado (BLUP). Alguns estudos demonstraram que, ao se utilizar esse preditor baseando-se em modelos autorregressivos do erro espacial (SEM), foi possível obter bons resultados na qualidade de predição. Portanto, nesta tese, em vez de se utilizar o modelo SEM com mesmo objetivo, utilizar o modelo espacial autorregressivo de defasagem espacial (SAR) e avaliar o poder predito, com base em duas matrizes de ponderação espacial.

MEMBROS DA BANCA:
Interno - THELMA SAFADI (Suplente)
Presidente - RENATO RIBEIRO DE LIMA (Membro)
Externo à Instituição - PETER DE MATOS CAMPOS - UFSJ (Suplente)
Interno - PAULO HENRIQUE SALES GUIMARAES (Membro)
Interno - JOAO DOMINGOS SCALON (Membro)
Externo à Instituição - ELIAS SILVA DE MEDEIROS - FUFGD (Membro)
Externo à Instituição - DENISMAR ALVES NOGUEIRA - UNIFAL (Membro)