Modelando dados geoestatísticos através da função de covariância exponencial sob enfoque bayesiano

Abstract

Diversos fenômenos, tais como precipitação, ocorrências de doencas, entre outros, são espacialmente correlacionados e, por isso, este trabalho consiste em modelar dados geoestatísticos impondo uma estrutura de dependência espacial. Diferentes funções na literatura permitem fazer essa estrutura. Esse trabalho concentra-se na função de covariância exponencial. Os parâmetros desconhecidos são estimados sob o enfoque Bayesiano. Na estatística Bayesiana, a amostra e a crença do pesquisador são levadas em consideração na estimação paramétrica através da distribuição a posteriori. Porém, a avaliação direta dessa distribuição muitas vezes é custosa ou não é possível. Uma alternativa nesses casos é a utilização dos métodos de MCMC e, em especial, o amostrador de Gibbs e o algoritmo de Metropolis-Hasting. Dados simulados são gerados para analisar a eficiência do modelo proposto de convergir para o valor verdadeiro e analisar a sensibilidade que a estimação possui com diferentes distribuições a priori. Finaliza-se o trabalho aplicando um conjunto de dados reais ao modelo proposto.