2. Maestría
Permanent URI for this communityhttp://98.81.228.127/handle/20.500.12404/2
Tesis de la Escuela de Posgrado
Browse
Search Results
Item Modelo espacial bayesiano de Cox log-gaussiano usando SPDE para estimar la ocurrencia de incendios forestales en el Perú(Pontificia Universidad Católica del Perú, 2023-10-02) Salcedo Suarez, Omar Ivan; Quiroz Cornejo, Zaida JesusLos incendios forestales se han venido incrementando en las últimas cuatro décadas a nivel mundial. En el Perú de acuerdo a los datos del INDECI, en los últimos 10 años se evidencia una tendencia creciente. La ocurrencia de estos eventos representa la degradación de la calidad del aire, de la flora y pone en grave riesgo a muchas personas y zonas agrícolas. Para una adecuada evaluación de uno de los componentes del riesgo generado por estos eventos, se requiere analizar la intensidad de su ocurrencia a través de herramientas flexibles. En este contexto se estudia el patrón puntual de estos eventos, a través del modelo espacial bayesiano de Cox log-gaussiano (LGCP) bajo el enfoque de ecuaciones diferenciales parciales estocásticas (SPDE). Los distintos modelos que se evalúan corresponden a la clase de modelos gaussianos latentes y jerárquicos, lo cual nos permite realizar su estimación bajo inferencia bayesiana empleando la aproximación de Laplace anidada integrada (INLA), en tiempos que posibilitan una respuesta rápida y eficiente ante el riesgo generado por estos eventos.Item Modelos geoestadísticos utilizando cópulas gaussianas(Pontificia Universidad Católica del Perú, 2023-08-31) Gavidia Pantoja, Luis Alfredo; Quiroz Cornejo, Zaida JesúsLa presente tesis busca aplicar una alternativa para el modelamiento de dependencia espacial de puntos georeferenciados o también conocido como datos geoestadísticos. La metodología con la que se busca abordar la autocorrelación espacial se basa en el uso de cópulas. En particular, las cópulas gaussianas brindan un marco matemático que permite definir una función de distribución conjunta acumulada a partir de la distribución marginal de la variable respuesta cuya distribución no es normal. A través de simulaciones se estudió la bondad de ajuste de los modelos geoestadísticos usando cópulas gaussianas para datos no normales. Finalmente, se aplicaron los modelos a dos bases de datos reales: i) para detectar yacimientos petrolíferos y ii) para estimar el nivel de contaminación en el aire.