Não foi possível enviar o arquivo. Será algum problema com as permissões?
Diferenças
Aqui você vê as diferenças entre duas revisões dessa página.
| Ambos lados da revisão anterior Revisão anterior Próxima revisão | Revisão anterior | ||
|
disciplinas:ce097-2015-01:historico2015 [2015/03/05 19:30] paulojus |
disciplinas:ce097-2015-01:historico2015 [2015/05/06 17:00] (atual) paulojus |
||
|---|---|---|---|
| Linha 5: | Linha 5: | ||
| | 25/02 |Apresentação do curso. Análise espacial e estatística espacial. Algumas questões envolvendo dados espaciais (sistemas de coordenadas, projeções, distâncias). Introdução a dados espaciais - tipos de dados e características dos processos espaciais (dados de áreas, geoestatísticos e processos pontuais). | | | | 25/02 |Apresentação do curso. Análise espacial e estatística espacial. Algumas questões envolvendo dados espaciais (sistemas de coordenadas, projeções, distâncias). Introdução a dados espaciais - tipos de dados e características dos processos espaciais (dados de áreas, geoestatísticos e processos pontuais). | | | ||
| | 02/03 |(Gabriel) Visualização de dados de área em mapas: cores, classes (número e critérios para divisão em classes) e variável a ser visualizada | | | | 02/03 |(Gabriel) Visualização de dados de área em mapas: cores, classes (número e critérios para divisão em classes) e variável a ser visualizada | | | ||
| - | | 04/03 |(Gabriel) Visualização de dados de área em mapas: cores, classes (número e critérios para divisão em classes) e variável a ser visualizada (cont). Pacotes e comandos do R | [[04/03]] | | + | | 04/03 |(Gabriel) Visualização de dados de área em mapas: cores, classes (número e critérios para divisão em classes) e variável a ser visualizada (cont). Pacotes e comandos do R | [[http://www.leg.ufpr.br/~paulojus/CE097/semana02|Arquivos de dados e comandos]] | |
| - | | | | | | + | | 09/03 |(Fernando) Método Bayesiano empírico para suavização espacial de taxas | | |
| + | | 11/03 |(Fernando) cont. | | | ||
| + | | 16/03 |(Eliane) I de Moran e outros medidas de associação espacial | | | ||
| + | | 18/03 |(Eliane) cont. | | | ||
| + | | 23/03 |(Daniel) Algorítmo SKATER para grupos espaciais | | | ||
| + | | 25/03 |(PJ) SKATER, cont. | | | ||
| + | | 30/03 |(Karin) Detecção de clusters - Kuldorff | | | ||
| + | | 01/04 |(Vanessa e Bruno) Modelos para dados espaciais de áreas - CAR e SAR | | | ||
| + | | 06/04 |(Vanessa e Bruno) cont. | | | ||
| + | | 08/04 |(Vanessa e Bruno) cont. | | | ||
| + | | 13/04 |(PJ) Idéias básicas sobre modelagem e predição geoestatística (modelo linear/Gaussiano) | [[#13/04|Ver abaixo]] | | ||
| + | | 15/04 |Idéias básicas sobre modelagem e predição geoestatística (modelo linear/Gaussiano) (cont) | [[#15/04|Ver abaixo]] | | ||
| + | | 20/04 |Discussão e scripts de análise com modelagem e predição geoestatística (modelo linear/Gaussiano) - explorando simulações condicionais | | | ||
| + | | 22/04 |Discussão e scripts de análise com modelagem e predição geoestatística (modelo linear/Gaussiano) - variogramas e métodos de estimação | | | ||
| + | | 27/04 |Discussão e scripts de análise com modelagem e predição geoestatística (modelo linear/Gaussiano) - escolha de modelos e predição com covariáveis | [[#27/04|Ver abaixo]] | | ||
| + | | 04/05 |Análise Bayesiana de modelos geoestatísticos | [[#04/05|Ver abaixo]] | | ||
| - | === 04/03 === | + | |
| + | |||
| + | |||
| + | === 13/04 === | ||
| + | Código visto em aula | ||
| + | <code R> | ||
| + | require(geoR) | ||
| + | ## conjunto da dados "bem comportado" a ser utilizado no exemplo desta aula | ||
| + | data(s100) | ||
| + | plot(s100) | ||
| + | plot(s100, low=T) | ||
| + | ## outros dados com comportamentos diferentes | ||
| + | plot(Ksat) | ||
| + | plot(ca20) | ||
| + | plot(parana) | ||
| + | ## | ||
| + | plot(s100, low=T) | ||
| + | points(s100) | ||
| + | ## estimação dos parâmetros por máxima verossimilhança | ||
| + | ml <- likfit(s100, ini=c(var(s100$data), 0.1)) | ||
| + | ml | ||
| + | ## definindo uma malha de pontos para predição espacial (mapa de predição) | ||
| + | ## uma malha "grossa"de predição | ||
| + | g1 <- expand.grid(seq(0,1, l=11), seq(0,1, l=11)) | ||
| + | points(s100) | ||
| + | points(g1, col=2, pch=19, cex=0.3) | ||
| + | ## uma malha "fina" de predição | ||
| + | g2 <- expand.grid(seq(0,1, l=51), seq(0,1, l=51)) | ||
| + | points(s100) | ||
| + | points(g, col=2, pch=19, cex=0.3) | ||
| + | ## predição na malha grossa: | ||
| + | kr1 <- krige.conv(s100, loc=g1, krige=krige.control(obj.m=ml)) | ||
| + | image(kr1) | ||
| + | points(s100, add=T) | ||
| + | ## predição na malha "fina" | ||
| + | kr2 <- krige.conv(s100, loc=g2, krige=krige.control(obj.m=ml)) | ||
| + | image(kr2) | ||
| + | ## pode-se usar outras palhetes de cores | ||
| + | image(kr2, col=gray(seq(1, 0, l=50))) | ||
| + | image(kr2, col=gray(seq(1, 0.2, l=50))) | ||
| + | points(s100, add=T) | ||
| + | image(kr2, col=gray(seq(0, 1, l=50))) | ||
| + | points(s100, add=T) | ||
| + | image(kr2, col=rev(gray(seq(0, 1, l=50)))) | ||
| + | image(kr2, col=terrain.colors(21)) | ||
| + | ## mapa de erros padrão de predição | ||
| + | image(kr2, col=terrain.colors(21), val = sqrt(kr2$krige.var)) | ||
| + | points(s100, add=T) | ||
| + | </code> | ||
| + | |||
| + | === 15/04 === | ||
| + | - No exemplo da aula passada inspecione os objetos retornados pelas funções e em especial o retornado por krige.conv(). Para este último o resultado é uma lista na qual os dois primeiros elementos são e média e variãncia das distribuições condicionais (preditivas). Considere antão a obtenção dos seguintes tópicos adicionais: | ||
| + | - Obtenha um mapa de divida dos valores preditos nos intervalos [-Inf a -1,5), [-1,5 a 0], [0, a 1,5] e [1,5 a Inf]. | ||
| + | - Obtenha um mapa de probabilidades de P[Y > 1], P[Y > 1.5], P[Y > 2]. | ||
| + | - Obtenha um mapa do 1o quartil, um do 3o quantil e dos percentis 10 e 90. | ||
| + | - Como voce faria para obter a predição da proporção da área acima de um determinado limiar (por exemplo 1,2). | ||
| + | - Explore um segundo exemplo de análises | ||
| + | - {{:disciplinas:ce097-2015-01:wolf.r|Comandos do R}} | ||
| + | - {{:disciplinas:ce097-2015-01:wolfcamp.txt|Arquivo de dados}} | ||
| + | - Mais um exemplo:<code R> | ||
| + | class(Ksat) | ||
| + | names(Ksat) | ||
| + | summary(Ksat) | ||
| + | plot(Ksat) | ||
| + | plot(Ksat, lam=0) | ||
| + | |||
| + | par(mfrow=c(1,1)) | ||
| + | K.v <- variog(Ksat, max.dist=9, lam=0) | ||
| + | plot(K.v) | ||
| + | |||
| + | var(log(Ksat$dat)) | ||
| + | |||
| + | K.eye <- eyefit(K.v) | ||
| + | K.eye | ||
| + | |||
| + | gr <- expand.grid(seq(0, 22.5, by=0.2), seq(0,13, by=0.2)) | ||
| + | kr <- krige.conv(Ksat, loc=gr, krige=krige.control(cov.pars=c(2.3,2.35), lam=0)) | ||
| + | image(kr, col=gray(seq(1,0,l=21))) | ||
| + | image(kr, col=terrain.colors(16)) | ||
| + | </code> | ||
| + | Como ficariam perguntas semelhantes às feitas para o 1o exemplo neste último caso? | ||
| + | Por exemplo: mapa da P[Y > 1] , mapa de quantis etc | ||
| + | |||
| + | === 27/04 === | ||
| + | - Escolha de modelos | ||
| + | - {{:disciplinas:ce097-2015-01:modelos-pr.r|Análise dos dados de precipitação no Paraná}} | ||
| + | - {{:disciplinas:ce097-2015-01:modelo-ca20.r|Dados Ca20}} | ||
| + | - {{:disciplinas:ce097-2015-01:krigacamg.r|Uma análise mais completa com dados de ctc}} | ||
| /* Análises espaciais de propriedades de 1a e 2a ordem - suavização e padrões de dependência espacial. * | /* Análises espaciais de propriedades de 1a e 2a ordem - suavização e padrões de dependência espacial. * | ||
| Linha 14: | Linha 116: | ||
| /* | |Introdução a geoestatística. Interpolação por krigagem. Propriedades do processo e variograma teórico. O modelo geoestatístico básico. Estimação de parâmetros (verossimilhança e por variogramas). Representação e visualização de resultados. | * | /* | |Introdução a geoestatística. Interpolação por krigagem. Propriedades do processo e variograma teórico. O modelo geoestatístico básico. Estimação de parâmetros (verossimilhança e por variogramas). Representação e visualização de resultados. | * | ||
| + | === 04/05 === | ||
| + | - Exemplo com dados de salinidade | ||
| + | - {{:disciplinas:ce097-2015-01:sal.r|arquivos de comandos}} | ||
| + | - {{:disciplinas:ce097-2015-01:sal.dat|arquivo de dados}} | ||
| + | - Efetue análises Bayesiana de algum outro conjunto de dados (visto no curso ou outro) | ||
