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.
34variância <strong>do</strong> erro. Em uma coordenada arbitrária x 0 , as estimativas serão dadas por:ŷ(x 0 ) =n∑ω i y(x i )i=1onde os x 0 são as coordenadas onde se deseja efetuar uma estimativa e ω i é o peso associa<strong>do</strong> ài-ésima observação y(x i ), sujeito à restrição ∑ ni=1 ω i = 1, que garante a não tendenciosidade <strong>do</strong>preditor.Journel e Huijbregts (1978) também salientaram que, no caso de processos nãoestacionários,serão necessárias algumas condições de ausência de viés. Para eles a limitação àclasse de estima<strong>do</strong>res lineares é natural, uma vez que são necessários somente os momentos desegunda ordem da função de covariância.Schabenberger e Gotway (2005) fazem distinção entre estimação e predição, pois sãoprocedimentos muitas vezes ti<strong>do</strong>s como equivalentes. Em um modelo básico de regressão linearsimples os erros não são correlaciona<strong>do</strong>s (são independentes) e os coeficientes são estima<strong>do</strong>spor méto<strong>do</strong>s de mínimos quadra<strong>do</strong>s, conforme Equação 2.16 e então se prediz um valor deinteresse. Não fica claro se o preditor é uma “resposta” em x 0 ou é um estima<strong>do</strong>r de E[Y(X 0 )].Apesar da estimação de uma quantidade fixa ou predição de uma quantidade aleatória ser umaquestão menor, sua importância fica clara ao se considerar uma incerteza associada a essasquantidades. No caso da geoestatística, apesar <strong>do</strong> total desconhecimento <strong>do</strong> processo S(x),aplicações com predição são frequentemente mais empregadas <strong>do</strong> que aquelas que buscam aestimação de uma média.O modelo de predição linear, sinônimo de krigagem, dependen<strong>do</strong> se a média <strong>do</strong> processoé ou não conhecida, proposto por esses autores é da<strong>do</strong> por:Ŷ(x 0 ) = ˆµ + r ′ Σ −1 (Y(x) − ˆµ)onde r = Cov(Y(x),Y(x 0 )) e Σ é a matriz de variâncias e covariâncias das variáveis observadas.A variância da predição, segun<strong>do</strong> eles, será:Var(Ŷ(x 0 )) = σ 2 − r ′ Σ −1 r+ (1 − 1′ Σ −1 r) 21 ′ Σ −1 1Segun<strong>do</strong> Goovaerts (1997), o estima<strong>do</strong>r de krigagem é um estima<strong>do</strong>r de regressãolinear Ŝ(x) e é defini<strong>do</strong> como: