Análisis exploratorio de variables regionalizadas con métodos funcionales

• RAMÓN GIRALDO ^[1]
  1. [1] Universidad Nacional de Colombia

     Universidad Nacional de Colombia

     Colombia

     
• Localización: Revista Colombiana de Estadística, ISSN-e 2389-8976, ISSN 0120-1751, Vol. 30, Nº. 1, 2007, págs. 115-127
• Idioma: español
• Títulos paralelos:
  • Exploratory Analysis of Regionalized Variables with Functional Methods
• Enlaces
  • Texto completo
• Resumen
  • español

    Se muestra cómo las estadísticas descriptivas funcionales y el análisis en componentes principales funcional (ACPF) pueden emplearse en la evaluación empírica del supuesto de estacionariedad considerado en la modelación de variables regionalizadas. Se toma como ejemplo información georreferenciada correspondiente a mediciones de profundidad recogidas en 114 sitios de la Ciénaga Grande de Santa Marta, Colombia.

  • English

    It is shown how summary statistics of functional data and functional principal components analysis (FPCA) can be used to evaluate the stationarity assumption considered in modeling of regionalized variables. As an example is taken georeferenced information of depth measured at 114 locations at Ciénaga Grande de Santa Marta, Colombia.

• Referencias bibliográficas
  • Cardot, H.,Ferraty, F.,Sarda, P.. (1999). ‘Functional Linear Model’. Statistics and Probability Letters. 45.
  • Christakos, G.. (2000). Modern Spatio Temporal Geostatistics. Oxford University Press. New York.
  • Cressie, N.. (1993). Statistic for Spatial Data. John Wiley & Sons. New York..
  • Cuevas, A.,Febrero, M.,Fraiman, R.. (2004). ‘An ANOVA Test for Functional Data’. Computational Statistics and Data Analysis. 47.
  • Delicado, P.. (2007). ‘Functional k-Sample Problem when Data are Density Functions’. Computational Statistics.
  • Deville, J.. (1974). ‘Méthodes statistiques et numeriques de l’analyse harmonique’. Ann. Insee. 15.
  • Escabias, M.,Aguilera, A.,Valderrama, M.. (2004). ‘Principal Components Estimation of Functional Logistic Regression: Discussion of Two Different...
  • Ferraty, F.,Vieu, P.. (2006). Non Parametric Functional Data Analysis. Theory and Practice. Springer. New York..
  • Giraldo, R.,Troncoso, W.,Mancera, J.,Méndez, N.. (2000). ‘Geoestadística: una herramienta para la modelación en estuarios’. Rev. Acad. Col....
  • He, G.,Muller, G.,Wang, J.. (2000). ‘Asymptotics in Statistics and Probability’. Brill Academic Publisher. Leiden.
  • Isaaks, E.,Srivastava, M.. (1987). Applied Geostatistics. Oxford University Press. New York..
  • Journel, A.,Huijbregts, C.. (1978). Mining Geostatistics. Academic Press. London..
  • Pezulli, S.,Silverman, B.. (1993). ‘Some Properties of Smoothed Components Analysis for Functional Data’. Computational Statistics. 8. 116
  • (2006). R Development Core Team R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. Vienna.
  • Ramsay, J.. (1998). ‘Estimating Smooth Monotone Functions’. Journal Royal Statistical Society, Series B. 60.
  • Ramsay, J.,Dalzell, C.. (1991). ‘Some Tools for Functional Data Analysis’. Journal Royal Statistical Society. 53.
  • Ramsay, J.,Silverman, B.. (1997). Functional Data Analysis. Springer..
  • Ramsay, J.,Silverman, B.. (2005). Functional Data Analysis. Springer..
  • Samper, F.,Carrera, J.. (1993). Geoestadística. Aplicaciones a la hidrogeología subterránea. Centro Internacional de Métodos Numéricos en...
  • Simonoff, J.. (1996). Smoothing Methods in Statistics. Springer..