Interpolación espacio-temporal de la temperatura en Reino Unido 2017 con datos faltantes

Vista sencilla de ítem
dc.contributor.advisorPineda Ríos, Wilmer Darío
dc.contributor.authorLópez Sarmiento, Daniela
dc.contributor.cvlachttp://scienti.colciencias.gov.co:8081/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001454199
dc.contributor.googlescholarhttps://scholar.google.es/citations?user=5KmOl5oAAAAJ&hl=es
dc.contributor.gruplachttps://scienti.minciencias.gov.co/gruplac/jsp/visualiza/visualizagr.jsp?nro=00000000007553
dc.contributor.orcidhttps://orcid.org/0000-0001-7774-951X
dc.date.accessioned2020-01-20T15:43:56Z
dc.date.available2020-01-20T15:43:56Z
dc.date.issued2020-01-19
dc.descriptionEl análisis de correlación espacial y temporal es útil para conocer la estructura de dependencia en ambas dimensiones, las causas de la variabilidad y realizar la predicción de puntos de la variable de interés, ubicados en sitios cercanos a los observados, o incluso ubicados en el mismo lugar pero en distintos periodos de tiempo. El método de kriging es uno de los métodos más utilizados en interpolación, sin embargo este no admite la presencia de datos incompletos. En este trabajo se realiza una aplicación que permite interpolar datos faltantes en el espacio y el tiempo. En primer lugar se identifica el modelo de covariograma que mejor explica la dependencia espacio-temporal presente en los datos observados descartando los datos faltantes. Después se predicen estos datos con el modelo escogido para completar la información y finalmente se implementa el algoritmo ya conocido de kriging ordinario, como un acercamiento inicial, para interpolar la variable de interés en todo el dominio espacial y temporal. Como aplicación, se utilizan los datos de la temperatura media diaria en Reino Unido durante el año 2017.spa
dc.description.abstractThe spatial and temporal correlation analysis is useful to know the structure of the dependency in both dimensions, the causes of the variability and the prediction of the points of the variable of interest, in places close to those observed, or even located in the same place but in different periods of time. The kriging method is one of the most used methods in interpolation, however this does not admit the presence of incomplete data. In this work an application is proposed that allows interpolating missing data in space and time. First, the covariogram model is identified that best explains the spatio-temporal dependency present in the observed data, discarding the missing data. After this data is predicted with the chosen model to complete the information and finally the algorithm already known for ordinary kriging is implemented, to interpolate the variable of interest throughout the spatial and temporal domain. As an application, the data of the average daily temperature in the United Kingdom is used during the year 2017.spa
dc.description.degreelevelMaestríaspa
dc.description.degreenameMagister en estadística aplicadaspa
dc.description.domainhttp://unidadinvestigacion.usta.edu.cospa
dc.format.mimetypeapplication/pdf
dc.identifier.citationLópez Sarmiento, D. (2019). Interpolación espacio-temporal de la temperatura en Reino Unido 2017 con datos faltantes. [Tesis de maestría, Universidad Santo Tomás Colombia]. Repositorio Institucionalspa
dc.identifier.repourlrepourl:https://repository.usta.edu.cospa
dc.identifier.urihttp://hdl.handle.net/11634/20831
dc.publisherUniversidad Santo Tomás
dc.publisher.branchCRAI-USTA Bogotáspa
dc.publisher.facultyFacultad de Estadística
dc.publisher.programMaestría Estadística Aplicada
dc.relation.referencesBevilacqua, M. (2008), Composite likelihood inference for space-time covariance models.spa
dc.relation.referencesBrenes, A. & Saborío, V. F. (1995), Elementos de climatología: su aplicación didáctica a Costa Rica, number 1, EUNED.spa
dc.relation.referencesCarrera-Hernández, J. & Gaskin, S. (2007), Spatio temporal analysis of daily precipitation and temperature in the basin of mexico, Journal of Hydrology 336(3-4), 231-249.spa
dc.relation.referencesCressie, N. A. (1993), Statistics for spatial data: Wiley series in probability and mathematical statistics, Find this article online.spa
dc.relation.referencesGiraldo, R., Pacheco, Ó. & Orozco, A. (2017), `Geoestadística aplicada a series de tiempo autorregresivas: un estudio de simulación', Integración: Temas de matemáticas 35(1), 83-102.spa
dc.relation.referencesKondrashov, D. & Ghil, M. (2006), `Spatio-temporal lling of missing points in geophysical data sets', Nonlinear Processes in Geophysics 13(2), 151-159.spa
dc.relation.referencesLe, N. D., Sun, W. & Zidek, J. V. (1997), `Bayesian multivariate spatial interpolation with data missing by design', Journal of the Royal Statistical Society: Series B (Statistical Methodology) 59(2), 501-510.spa
dc.relation.referencesLi, L. & Revesz, P. (2002), A comparison of spatio-temporal interpolation methods, in `International Conference on Geographic Information Science', Springer, pp. 145-160.spa
dc.relation.referencesLi, L. & Revesz, P. (2004), `Interpolation methods for spatio-temporal geographic data', Computers, Environment and Urban Systems 28(3), 201-227.spa
dc.relation.referencesMa, C. (2004), `Spatial autoregression and related spatio-temporal models', Journal of multivariate analysis 88(1), 152-162.spa
dc.relation.referencesMas, J. F. (2016), `An introduction to r for spatial analysis & mapping', GeoFocus. Revista Internacional de Ciencia y Tecnología de la Información Geográfi ca (17), 185-186.spa
dc.relation.referencesMatheron, G. (1989), `Estimating and choosing. an essay on probability in practice. translated from the french and with a preface by am hasofer'.spa
dc.relation.referencesMelo Martínez, C. E. (2012), `Análisis geoestadístico espacio tiempo basado en distancias y splines con aplicaciones'.spa
dc.relation.referencesMelo, O. O. (2013), Estadística Espacial, Pro-Offset Editorial S.A.spa
dc.relation.referencesMillano, J., Paredes, F. & Vivas, I. (2017), `Efecto de la oscilación meridional (enso) y la temperatura super cial del océano atlántico sobre la distribución espacio-temporal de las lluvias en el estado cojedes', Revista Agrollania de Ciencia y Tecnología 4, 103-116.spa
dc.relation.referencesMin, W. & Wynter, L. (2011), `Real-time road traffic prediction with spatio-temporal correlations', Transportation Research Part C: Emerging Technologies 19(4), 606-616.spa
dc.relation.referencesMontero, J. M., Mateu, J. et al. (2015), Spatial and spatio-temporal geostatistical modeling and kriging, Vol. 998, John Wiley & Sons.spa
dc.relation.referencesPebesma, E. J. (2001), `Gstat user's manual', Dept. of Physical Geography, Utrecht University, Utrecht, The Netherlands.spa
dc.relation.referencesPeña Angulo, D., Gonzalez Hidalgo, J. C. & Brunetti, M. (2016), `Variabilidad espacio temporal de las temperaturas mensuales en la españa Peninsular'. Presentado: 12 12 2016.spa
dc.relation.referencesPorcu, E., Mateu, J., Zini, A. & Pini, R. (2007), `Modelling spatio-temporal data: A new variogram and covariance structure proposal', Statistics & probability letters 77(1), 83-89.spa
dc.relation.referencesRodríguez, J. S. (2005), Variabilidad espacio-temporal de la temperatura del aire en Cataluña, PhD thesis, Universitat Rovira i Virgili.spa
dc.relation.referencesRouhani, S. & Hall, T. J. (1989), Space-time kriging of groundwater data, in `Geostatistics', Springer, pp. 639-650.spa
dc.relation.referencesSchabenberger, O. & Gotway, C. A. (2017), Statistical methods for spatial data analysis, CRC press.spa
dc.relation.referencesSherman, M. (2011), Spatial statistics and spatio-temporal data: covariance functions and directional properties, John Wiley & Sons.spa
dc.relation.referencesSibanda, S., Grab, S. & Ahmed, F. (2018), `Spatio-temporal temperature trends and extreme hydroclimatic events in southern zimbabwe', South African Geographical Journal 100(2), 210-232.spa
dc.relation.referencesSto er, D. S. (1986), `Estimation and identi cation of space-time armax models in the presence of missing data', Journal of the American Statistical Association 81(395), 762-772.spa
dc.relation.referencesSubba Rao, T. (2013), `Spatial statistics and spatio-temporal data', Journal of Time Series Analysis 34(2), 280.spa
dc.relation.referencesTeegavarapu, R. S. & Chandramouli, V. (2005), `Improved weighting methods, deterministic and stochastic data-driven models for estimation of missing precipitation records', Journal of Hydrology 312(1-4), 191-206.spa
dc.relation.referencesTorres, H. & Castaño, O. (1991), `Las series de tiempo en la investigación espacio-temporal sobre descargas eléctricas atmosféricas en Colombia', Revista Colombiana de Estadística 12(23-24).spa
dc.relation.referencesAbad Encalada, I. O. (2014), Estimación de precipitación espacial mediante correlación con variables secundarias y la ayuda de tecnologías de información geográficas, Master's thesis.spa
dc.relation.referencesCressie, N. & Hawkins, D. (1980), `Robust estimation of the variogram', Journal of the International Association for the Mathematical Geology, 2(12), 1330-40.spa
dc.rightsAtribución 2.5 Colombia
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by/2.5/co/
dc.subject.keywordInterpolationspa
dc.subject.keywordSpatio-temporal modelsspa
dc.subject.keywordOrdinary krigingspa
dc.subject.keywordMissing dataspa
dc.subject.keywordGaussian processesspa
dc.subject.keywordStochastic processesspa
dc.subject.lembInterpolación (Matemáticas) -- Reino Unido -- 2017spa
dc.subject.lembProcesos de Gauss -- Reino Unido -- 2017spa
dc.subject.lembProcesos estocásticos -- Reino Unido -- 2017spa
dc.subject.proposalInterpolaciónspa
dc.subject.proposalModelos espacio-temporalesspa
dc.subject.proposalKriging ordinariospa
dc.subject.proposalDatos faltantesspa
dc.titleInterpolación espacio-temporal de la temperatura en Reino Unido 2017 con datos faltantesspa
dc.typemaster thesis
dc.type.categoryFormación de Recurso Humano para la Ctel: Trabajo de grado de Maestríaspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.driveinfo:eu-repo/semantics/masterThesis
dc.type.localTesis de maestríaspa
dc.type.versioninfo:eu-repo/semantics/acceptedVersion

Archivos

Bloque original

Mostrando 1 - 3 de 3
Miniatura
Nombre:
2019danielalopez.pdf
Tamaño:
688.06 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Miniatura
Nombre:
carta derechos autor.pdf
Tamaño:
340.37 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Miniatura
Nombre:
carta aprobación facultad.pdf
Tamaño:
47.69 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
807 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría Estadística Aplicada