000			02478nam a2200325 i 4500
001			100068814
003			UVAL
005			20240723134126.0
007			ta
008			170605s20172017chl g 000 0 spa d
040			_aDIBRA _bspa _cUVAL _erda
041	0		_aspa
084			_aM
100	0		_aFaouzi, Tarik, _eautor.
245	0	0	_aEstimation and prediction of Gaussian random fields under fixed domain asymptotics using generalized Wendland covariance functions / _cTarik Faouzi.
264		1	_aValparaíso, Chile : _bUniversidad de Valparaíso, _c2017.
300			_a69 hojas.
336			_atext _btxt _2rdacontent
337			_aunmediated _bn _2rdamedia
338			_avolume _bnc _2rdacarrier
502			_aDoctor en Estadística.
520			_aEn esta tesis, estudiamos la estimación y predicción de campos aleatorios Gaussianos con modelos de covarianza pertenecientes a la clase generalizada de Wendland (GW), bajo asintóticos de dominio fijo. Como el caso Matérn, esta clase permite una parametrización continua de la suavidad del campo aleatorio Gaussiano a soporte compacto. Específicamente, caracterizamos primero la equivalencia de dos medidas Gaussianas con función de covarianza GW, y proporcionamos condiciones suficientes para la equivalencia de dos medidas Gaussianas de funciones de covarianza Matérn yGW. Elucidar las consecuencias de estos hechos en términos de (mal especificados) mejores predictores lineales no sesgados. En la segunda parte, establecemos una consistencia y distribución asintótica del estimador de máxima verosimilitud del parámetro microergódico asociado al modelo de covarianza GW, bajo dominio fijo asintótico. Nuestros hallazgos se ilustran a través de un estudio de simulación: el primero compara elcomportamiento de la muestra finita de la estimación de máxima verosimilitud del parámetro microergódico con la distribución asintótica dada. El último compara el comportamiento de la muestra finita de la predicción y su error cuadrático medio asociado cuando se usan dos medidas Gaussianas equivalentes con el modelo de covarianza Matérn y GW, utilizando la covarianza tapering como punto de referencia.
650		0	_aANALISIS DE VARIANZA.
650		0	_aDISTRIBUCION DE GAUSS.
650		0	_aESTADISTICA.
710	0		_aUniversidad de Valparaíso. _bFacultad de Ciencias.
800	1		_aBevilacqua, Moreno _hInstituto de Estadística.
800	1		_aPorcu, Emilio _hEstadística.
942			_c1 _2ddc
999			_c79282 _d79282