Published

2012-09-01

geofd: un paquete R para predicción geoestadística de datos funcionales

Keywords:

datos funcionales, datos espaciales, suavizado, variograma (es)

Downloads

Authors

  • Ramón Giraldo Universidad Nacional de Colombia, Bogotá
  • Jorge Mateu Department of Mathematics, Universitat Jaume I
  • Pedro Delicado 3Department of Statistics and Operations Research, Universitat Politècnica de Catalunya
Curvas espacialmente correlacionadas están presentes en un amplio rango de disciplinas aplicadas. En este trabajo se describe el paquete R geofd que implementa predicción por kriging ordinario para este tipo de datos. Inicialmente las curvas son suavizadas usando bases de funciones de Fourier o Bsplines. Posteriormente la dependencia espacial entre las curvas es estimada por la función traza-variograma. Finalmente los parámetros del predictor kriging ordinario son estimados resolviendo un sistema de ecuaciones basado en la estimación de la función traza-variograma. Se ilustra el paquete analizando datos reales y simulados.

How to Cite

geofd: un paquete R para predicción geoestadística de datos funcionales. (2012). Revista Colombiana De Estadística, 35(3), 383-405. https://revistas.unal.edu.co/index.php/estad/article/view/36876

License

Copyright (c) 2012 Revista Colombiana de Estadística

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).