14 - PPGMNE - Universidade Federal do Paraná
14 - PPGMNE - Universidade Federal do Paraná
14 - PPGMNE - Universidade Federal do Paraná
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
30[(l(φ,ν 2 ) = − 1 (Y − Dβ) ′ V −1 )(Y − Dβ)φ,νnlog(2π)+nlog2 + log|V |2n⎤+ (Y − Dβ)′ V −1 (Y − Dβ)( Y − Dβ) ′ V −1 ) ⎥(Y − Dβ ⎦ ,nAssim,[(l(φ,ν 2 ) = − 1 (Y − Dβ) ′ V −1 ) ](Y − Dβ)φ,νnlog(2π)+nlog2 + log|V |+n .2nlogol(φ,ν 2 ) = − 1 ()2 [nlog(2π) + nlog (Y − Dβ) ′ V −1 (Y − Dβ) − nlognφ,ν 2+ log|V |+n]. (2.28)Para um modelo estacionário, a menos das constantes, a função l(φ,ν 2 ) fica:l(φ,ν 2 ) ∝ − n 2()(Y − µ) ′ V −1 (Y − µ) − log|V | . (2.29)φ,ν 2 2Esta função recebe como argumentos, o vetor das observações <strong>do</strong> processo Y e a matrizdas distâncias de cada coordenada com as demais, que permite obter V pela escolha convenientede uma função de correlação ρ(u i j ). A maximização dessa função, segun<strong>do</strong> os parâmetrosenvolvi<strong>do</strong>s, fornecerá a estimativa <strong>do</strong>s parâmetros <strong>do</strong> modelo de correlação espacial.Funções côncavas são aquelas cujo gráfico está sempre acima ou sobre qualquer cordatraçada numa região entre seus pontos, ou, equivalentemente, seu gráfico está abaixo da retatangente ao seu ponto de máximo. Neste senti<strong>do</strong>, tanto a função de verossimilhança quanto ologaritmo da função de verossimilhança são funções côncavas, garantin<strong>do</strong> assim a existência deum ponto de máximo local.Para se obter a melhor estimativa para os parâmetros, deve-se encontrar simultaneamenteo valor <strong>do</strong>s parâmetros que irão maximizar essa função. Muitos programas computacionais,incluin<strong>do</strong> o geoR (RIBEIRO JR; DIGGLE, 2001), possuem algoritmos eficientes paraestimar esses parâmetros. A questão importante a se destacar aqui é que esse méto<strong>do</strong>, usa<strong>do</strong>para aderir um modelo teórico com a melhor estimativa de seus parâmetros, envolvem todasas observações amostrais, sem a necessidade <strong>do</strong>s agrupamentos feito nos ajustes através de