Show simple item record

dc.contributor.advisorPineda Rios, Wilmerspa
dc.contributor.authorSánchez Quiroga, Leandrospa
dc.date.accessioned2020-04-07T23:34:53Zspa
dc.date.available2020-04-07T23:34:53Zspa
dc.date.issued2020-04-07spa
dc.identifier.citationSánchez, L. (2020). Estimación e imputación de datos faltantes mediante métodos de interpolación espacial para precipitación mensual acumulada en el departamento de Antioquia durante el periodo 2014-2018. (Trabajo de pregrado de Estadística). Universidad Santo Tomás. Bogotá, Colombia.spa
dc.identifier.urihttp://hdl.handle.net/11634/22341
dc.descriptionLos valores faltantes son comunes en las bases de datos que trabajamos a diario, el saber que hacer con esos datos faltantes es fundamental, en algunas ocasiones la solución inmediata es quitar los registros y perder información que puede ser de gran valor, el propósito es aprovechar la información que se tiene disponible en la mayor posibilidad, para ello se disponen de varias técnicas que permiten imputar de manera eficiente los valores faltantes. El presente trabajo busca contrastar métodos de interpolación espacial en la imputación de valores faltantes de precipitación mensual acumulada en el departamento de Antioquia durante el periodo 2014-2018, con datos suministrados por el Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM), para ello se utiliza la distancia inversa ponderada(IDW, por sus siglas en inglés), Spline de placa delgada (TPS, por sus siglas en inglés) y kriging ordinario, como métodos evaluados a través de la raíz del error cuadrático medio(RMSE, por sus siglas en ingles). El Kriging ordinario fue efectivo cunado se tiene más del 10% de los valores faltantes, el método de la distancia inversa ponderada fue el que arrojó mejores resultados cuando se tienen 5% de los valores faltantes. Se aplicaron los resultados obtenidos a los datos correspondientes al año 2018.spa
dc.description.abstractMissing values are common in the databases we work on a daily basis, knowing what to do with those missing data is essential, sometimes the immediate solution is to remove the records and lose information that can be of great value, the purpose is to take advantage of the information that is available in the greatest way, for this objective, there are several techniques that allow the efficient imputation of the missing values. This paper seeks to contrast methods of spatial interpolation in the imputation of missing values of accumulated monthly precipitation in the department of Antioquia during the 2014-2018 period, with data provided by the Institute of Hydrology, Meteorology and Environmental Studies (IDEAM), to achieve this goal, weighted inverse distance (IDW), thin plate spline (SPT) and ordinary kriging are used as evaluated methods through the root of the mean square error (RMSE). Ordinary Kriging was effective when you have more than 10% of the missing values, the weighted inverse distance method was the one that yielded the best results when you have 5% of the missing values. The results obtained were applied to the data corresponding to the year 2018spa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.publisherUniversidad Santo Tomásspa
dc.titleEstimación e imputación de datos faltantes mediante métodos de interpolación espacial para precipitación mensual acumulada en el departamento de Antioquia durante el periodo 2014-2018spa
dc.typebachelor thesis
dc.description.degreenameProfesional en estadísticaspa
dc.publisher.programPregrado Estadísticaspa
dc.publisher.facultyFacultad de Estadísticaspa
dc.subject.keywordKrigingspa
dc.subject.keywordGeostatisticsspa
dc.subject.lembKrigeajespa
dc.subject.lembGeoestadisticaspa
dc.type.localTesis de pregradospa
dc.rights.localAbierto (Texto Completo)spa
dc.type.versioninfo:eu-repo/semantics/acceptedVersion
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.coverage.campusCRAI-USTA Bogotáspa
dc.description.domainhttp://unidadinvestigacion.usta.edu.cospa
dc.relation.referencesCastaño, E. (2007). Reconstrucción de datos de series de tiempo: una aplicación a la demanda horaria de la electricidad.Revista Colombiana de Estadística, 247-263.spa
dc.relation.referencesCastro, M. (2015). Imputación de datos faltantes en un modelo de tiempo de fallo acelerado.(tesis Maestría). Universidad Santiago De Compostela, La Coruña, España.spa
dc.relation.referencesBihrmann, E. (2015). Estimación del rango de influencia en caso de que falten datos espaciales: un estudio de simulación sobre datos binarios. International Journal of Health Geographics, 1-14.spa
dc.relation.referencesCruz, A., Barrios,M. (2018). Estimación de datos faltantes de lluvia mensual a través de la asimilación de información satelital y pluviométrica en una cuenca andina tropical. (tesis Pregrado). Idesia, 1-7.spa
dc.relation.referencesGiraldo, R. (2002). Introducción a la geoestadística: Teoría y aplicación. Bogotá: Universidad Nacional de Colombia.spa
dc.relation.referencesDepartamento administrativo de planeación de Antioquia. (2019). Obtenido de http://www.antioquiadatos.gov.co/.spa
dc.relation.referencesHancock , P., Hutchinson , M. (2005). Spatial interpolation of large climate data sets using bivariate thin plate smoothing splines. Environmental Modelling Software 21 (2005) 1684-1694.spa
dc.relation.referencesInstituto de Hidrología, Meteorología y Estudios Ambientales. (2019). Obtenido de http://www.ideam.gov.co/.spa
dc.relation.referencesLondono, L. (2015). Imputation of spatial air quality data using gis-spline and the index of agreement in sparse urban monitoring networks. Revista Facultad de Ingeniería, Universidad de Antioquia, 73-81.spa
dc.relation.referencesMedina, F. (2007). CEPAL. Recuperado el 22 de Febrero de 2018, de http://repositorio.cepal.org/bitstream/handle/11362/4755/S0700590es.pdf.spa
dc.relation.referencesRoshan , J., Lulu, K (2011). Regression-Based Inverse Distance Weighting With Applications to Computer Experiments. Technometrics, Vol. 53, No. 3, pp. 254-265.spa
dc.relation.referencesSalgado, C., Largo, J. (2018). Imputación de datos faltantes de temperatura máxima media mensual mediante métodos geoestadísticos en estaciones climáticas del valle del Cauca en el periodo 2013-2014 . (tesis Pregrado). Universidad Del Valle, Santiago De Cali, Colombia.spa
dc.relation.referencesTovar, L. (2017). Elaboración de tesis estructura y metodología. Ciudad De México: Trillas.spa
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.subject.proposalValores faltantesspa
dc.subject.proposalInterpolación espacialspa
dc.subject.proposalPrecipitaciónspa
dc.subject.proposalIDWspa
dc.subject.proposalTPSspa
dc.identifier.reponamereponame:Repositorio Institucional Universidad Santo Tomásspa
dc.identifier.instnameinstname:Universidad Santo Tomásspa
dc.type.categoryFormación de Recurso Humano para la Ctel: Trabajo de grado de Pregradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.description.degreelevelPregradospa
dc.identifier.repourlrepourl:https://repository.usta.edu.cospa
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.driveinfo:eu-repo/semantics/bachelorThesis


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Indexado por: