Inferencia bayesiana aproximada del modelo espacio-temporal usando NNGP

Descripción del Articulo

Los modelos espacio-temporales nos permiten estudiar la distribución espacial de una variable en el tiempo. Por ejemplo, se puede estudiar la distribución espacial del material particulado en un país a través de los años, dado que las concentraciones de material particulado en estaciones cercanas pu...

Descripción completa

Detalles Bibliográficos
Autor: Benites Alfaro, Omar Eduardo
Formato: tesis de maestría
Fecha de Publicación:2023
Institución:Pontificia Universidad Católica del Perú
Repositorio:PUCP-Tesis
Lenguaje:español
OAI Identifier:oai:tesis.pucp.edu.pe:20.500.12404/25759
Enlace del recurso:http://hdl.handle.net/20.500.12404/25759
Nivel de acceso:acceso abierto
Materia:Estadística bayesiana
Geografía matemática
Modelos matemáticos
https://purl.org/pe-repo/ocde/ford#5.05.01
id PUCP_03296f280f589342d498f5c63049d52b
oai_identifier_str oai:tesis.pucp.edu.pe:20.500.12404/25759
network_acronym_str PUCP
network_name_str PUCP-Tesis
repository_id_str .
dc.title.es_ES.fl_str_mv Inferencia bayesiana aproximada del modelo espacio-temporal usando NNGP
title Inferencia bayesiana aproximada del modelo espacio-temporal usando NNGP
spellingShingle Inferencia bayesiana aproximada del modelo espacio-temporal usando NNGP
Benites Alfaro, Omar Eduardo
Estadística bayesiana
Geografía matemática
Modelos matemáticos
https://purl.org/pe-repo/ocde/ford#5.05.01
title_short Inferencia bayesiana aproximada del modelo espacio-temporal usando NNGP
title_full Inferencia bayesiana aproximada del modelo espacio-temporal usando NNGP
title_fullStr Inferencia bayesiana aproximada del modelo espacio-temporal usando NNGP
title_full_unstemmed Inferencia bayesiana aproximada del modelo espacio-temporal usando NNGP
title_sort Inferencia bayesiana aproximada del modelo espacio-temporal usando NNGP
author Benites Alfaro, Omar Eduardo
author_facet Benites Alfaro, Omar Eduardo
author_role author
dc.contributor.advisor.fl_str_mv Quiroz Cornejo, Zaida Jesús
dc.contributor.author.fl_str_mv Benites Alfaro, Omar Eduardo
dc.subject.es_ES.fl_str_mv Estadística bayesiana
Geografía matemática
Modelos matemáticos
topic Estadística bayesiana
Geografía matemática
Modelos matemáticos
https://purl.org/pe-repo/ocde/ford#5.05.01
dc.subject.ocde.es_ES.fl_str_mv https://purl.org/pe-repo/ocde/ford#5.05.01
description Los modelos espacio-temporales nos permiten estudiar la distribución espacial de una variable en el tiempo. Por ejemplo, se puede estudiar la distribución espacial del material particulado en un país a través de los años, dado que las concentraciones de material particulado en estaciones cercanas pueden ser similares y la concentración en una estación en un año puede depender de la concentración en la misma estación el año anterior anterior. En esta tesis se propone usar un modelo espacio-temporal a través del proceso gaussiano de vecinos más cercanos. Para implementar este modelo y aplicarlo en grandes bases de datos se propone usar inferencia bayesiana a través del método de integración aproximada de Laplace (INLA). La bondad de ajuste del modelo y su eficiencia se estudia a través de simulaciones. Finalmente se aplica el modelo implementado a una base de datos reales.
publishDate 2023
dc.date.accessioned.none.fl_str_mv 2023-08-23T17:21:38Z
dc.date.available.none.fl_str_mv 2023-08-23T17:21:38Z
dc.date.created.none.fl_str_mv 2023
dc.date.issued.fl_str_mv 2023-08-23
dc.type.es_ES.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12404/25759
url http://hdl.handle.net/20.500.12404/25759
dc.language.iso.es_ES.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_ES.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by/2.5/pe/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/2.5/pe/
dc.publisher.es_ES.fl_str_mv Pontificia Universidad Católica del Perú
dc.publisher.country.es_ES.fl_str_mv PE
dc.source.none.fl_str_mv reponame:PUCP-Tesis
instname:Pontificia Universidad Católica del Perú
instacron:PUCP
instname_str Pontificia Universidad Católica del Perú
instacron_str PUCP
institution PUCP
reponame_str PUCP-Tesis
collection PUCP-Tesis
bitstream.url.fl_str_mv https://tesis.pucp.edu.pe/bitstreams/2b436266-2017-4d5e-9382-82dfe64cbcb7/download
https://tesis.pucp.edu.pe/bitstreams/2ca55101-8192-4f17-a908-42a9d238d485/download
https://tesis.pucp.edu.pe/bitstreams/42854830-7807-4d56-b3e9-d5b84456d28a/download
https://tesis.pucp.edu.pe/bitstreams/4f708b80-b7a2-4497-8b06-0d34d66e1efb/download
https://tesis.pucp.edu.pe/bitstreams/f182b331-f579-4db9-9a17-6d58ce895233/download
https://tesis.pucp.edu.pe/bitstreams/cca2658a-48f0-4d7d-aeb6-30ae9562572f/download
bitstream.checksum.fl_str_mv 57cbb08562e75e17dd7458939ef29464
21913eb27b9b4f75c7390aff960abdf2
5a4ffbc01f1b5eb70a835dac0d501661
8a4605be74aa9ea9d79846c1fba20a33
ee85ecba85d1598f856bf505486e909b
a263816c2d7d4b8888648809f74df7d9
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio de Tesis PUCP
repository.mail.fl_str_mv raul.sifuentes@pucp.pe
_version_ 1834737110673784832
spelling Quiroz Cornejo, Zaida JesúsBenites Alfaro, Omar Eduardo2023-08-23T17:21:38Z2023-08-23T17:21:38Z20232023-08-23http://hdl.handle.net/20.500.12404/25759Los modelos espacio-temporales nos permiten estudiar la distribución espacial de una variable en el tiempo. Por ejemplo, se puede estudiar la distribución espacial del material particulado en un país a través de los años, dado que las concentraciones de material particulado en estaciones cercanas pueden ser similares y la concentración en una estación en un año puede depender de la concentración en la misma estación el año anterior anterior. En esta tesis se propone usar un modelo espacio-temporal a través del proceso gaussiano de vecinos más cercanos. Para implementar este modelo y aplicarlo en grandes bases de datos se propone usar inferencia bayesiana a través del método de integración aproximada de Laplace (INLA). La bondad de ajuste del modelo y su eficiencia se estudia a través de simulaciones. Finalmente se aplica el modelo implementado a una base de datos reales.Spatio-temporal models allow us to study the spatial distribution of a variable over time. For example, we can study the spatial distribution of particulate matter in a country through the years, given that the concentrations of particulate matter in nearby stations can be similar and the concentration in a station in a year can depend on the concentration in the same station in the previous year. In this thesis, we proposed to use a spatio-temporal model through the nearest neighbor Gaussian process. In order to implement and apply the hierarchical model in large databases, it is proposed to use Bayesian inference through Integrated nested Laplace approximation(INLA). The goodness of fit and efficiency of the model is studied through simulations. Finally, the model is applied to real data set.spaPontificia Universidad Católica del PerúPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/2.5/pe/Estadística bayesianaGeografía matemáticaModelos matemáticoshttps://purl.org/pe-repo/ocde/ford#5.05.01Inferencia bayesiana aproximada del modelo espacio-temporal usando NNGPinfo:eu-repo/semantics/masterThesisreponame:PUCP-Tesisinstname:Pontificia Universidad Católica del Perúinstacron:PUCPSUNEDUMaestro en EstadísticaMaestríaPontificia Universidad Católica del Perú. Escuela de Posgrado.Estadística43704124https://orcid.org/0000-0003-3821-081570429849542037Bayes Rodriguez, Cristian LuisQuiroz Cornejo, Zaida JesusValdivieso Serrano, Luis Hilmarhttps://purl.org/pe-repo/renati/level#maestrohttps://purl.org/pe-repo/renati/type#tesisORIGINAL2023_BENITES_ALFARO_OMAR_EDUARDO_INFERENCIA_BAYESIANA_APROXIMADA_TESIS.pdf2023_BENITES_ALFARO_OMAR_EDUARDO_INFERENCIA_BAYESIANA_APROXIMADA_TESIS.pdfTexto completoapplication/pdf1381570https://tesis.pucp.edu.pe/bitstreams/2b436266-2017-4d5e-9382-82dfe64cbcb7/download57cbb08562e75e17dd7458939ef29464MD51trueAnonymousREAD2023_BENITES_ALFARO_OMAR_EDUARDO_INFERENCIA_BAYESIANA_APROXIMADA_T.pdf2023_BENITES_ALFARO_OMAR_EDUARDO_INFERENCIA_BAYESIANA_APROXIMADA_T.pdfReporte de originalidadapplication/pdf6583778https://tesis.pucp.edu.pe/bitstreams/2ca55101-8192-4f17-a908-42a9d238d485/download21913eb27b9b4f75c7390aff960abdf2MD52falseAnonymousREAD2500-01-01CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8914https://tesis.pucp.edu.pe/bitstreams/42854830-7807-4d56-b3e9-d5b84456d28a/download5a4ffbc01f1b5eb70a835dac0d501661MD53falseAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://tesis.pucp.edu.pe/bitstreams/4f708b80-b7a2-4497-8b06-0d34d66e1efb/download8a4605be74aa9ea9d79846c1fba20a33MD54falseAnonymousREADTHUMBNAIL2023_BENITES_ALFARO_OMAR_EDUARDO_INFERENCIA_BAYESIANA_APROXIMADA_TESIS.pdf.jpg2023_BENITES_ALFARO_OMAR_EDUARDO_INFERENCIA_BAYESIANA_APROXIMADA_TESIS.pdf.jpgIM Thumbnailimage/jpeg8891https://tesis.pucp.edu.pe/bitstreams/f182b331-f579-4db9-9a17-6d58ce895233/downloadee85ecba85d1598f856bf505486e909bMD55falseAnonymousREAD2023_BENITES_ALFARO_OMAR_EDUARDO_INFERENCIA_BAYESIANA_APROXIMADA_T.pdf.jpg2023_BENITES_ALFARO_OMAR_EDUARDO_INFERENCIA_BAYESIANA_APROXIMADA_T.pdf.jpgIM Thumbnailimage/jpeg9398https://tesis.pucp.edu.pe/bitstreams/cca2658a-48f0-4d7d-aeb6-30ae9562572f/downloada263816c2d7d4b8888648809f74df7d9MD56falseAnonymousREAD2500-01-0120.500.12404/25759oai:tesis.pucp.edu.pe:20.500.12404/257592024-05-29 10:29:33.591http://creativecommons.org/licenses/by/2.5/pe/info:eu-repo/semantics/openAccessopen.accesshttps://tesis.pucp.edu.peRepositorio de Tesis PUCPraul.sifuentes@pucp.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
score 13.948354
Inferencia bayesiana aproximada del modelo espacio-temporal usando NNGP
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares