CE-097 : 1o Semestre de 2015

Código visto em aula

require(geoR)
## conjunto da dados "bem comportado" a ser utilizado no exemplo desta aula
data(s100)
plot(s100)
plot(s100, low=T)
## outros dados com comportamentos diferentes
plot(Ksat)
plot(ca20)
plot(parana)
##
plot(s100, low=T)
points(s100)
## estimação dos parâmetros por máxima verossimilhança
ml <- likfit(s100, ini=c(var(s100$data), 0.1))
ml
## definindo uma malha de pontos para predição espacial (mapa de predição)
## uma malha "grossa"de predição
g1 <- expand.grid(seq(0,1, l=11), seq(0,1, l=11))
points(s100)
points(g1, col=2, pch=19, cex=0.3)
## uma malha "fina" de predição
g2 <- expand.grid(seq(0,1, l=51), seq(0,1, l=51))
points(s100)
points(g, col=2, pch=19, cex=0.3)
## predição na malha grossa:
kr1 <- krige.conv(s100, loc=g1, krige=krige.control(obj.m=ml))
image(kr1)
points(s100, add=T)
## predição na malha "fina"
kr2 <- krige.conv(s100, loc=g2, krige=krige.control(obj.m=ml))
image(kr2)
## pode-se usar outras palhetes de cores
image(kr2, col=gray(seq(1, 0, l=50)))
image(kr2, col=gray(seq(1, 0.2, l=50)))
points(s100, add=T)
image(kr2, col=gray(seq(0, 1, l=50)))
points(s100, add=T)
image(kr2, col=rev(gray(seq(0, 1, l=50))))
image(kr2, col=terrain.colors(21))
## mapa de erros padrão de predição
image(kr2, col=terrain.colors(21), val = sqrt(kr2$krige.var))
points(s100, add=T)

1. No exemplo da aula passada inspecione os objetos retornados pelas funções e em especial o retornado por krige.conv(). Para este último o resultado é uma lista na qual os dois primeiros elementos são e média e variãncia das distribuições condicionais (preditivas). Considere antão a obtenção dos seguintes tópicos adicionais:
   1. Obtenha um mapa de divida dos valores preditos nos intervalos [-Inf a -1,5), [-1,5 a 0], [0, a 1,5] e [1,5 a Inf].
   2. Obtenha um mapa de probabilidades de P[Y > 1], P[Y > 1.5], P[Y > 2].
   3. Obtenha um mapa do 1o quartil, um do 3o quantil e dos percentis 10 e 90.
   4. Como voce faria para obter a predição da proporção da área acima de um determinado limiar (por exemplo 1,2).
2. Explore um segundo exemplo de análises
   1. Comandos do R
   2. Arquivo de dados
3. Mais um exemplo:

   class(Ksat)
   names(Ksat)
   summary(Ksat)
   plot(Ksat)
   plot(Ksat, lam=0)
    
   par(mfrow=c(1,1))
   K.v <- variog(Ksat, max.dist=9, lam=0)
   plot(K.v)
    
   var(log(Ksat$dat))
    
   K.eye <- eyefit(K.v)
   K.eye
    
   gr <- expand.grid(seq(0, 22.5, by=0.2), seq(0,13, by=0.2))
   kr <- krige.conv(Ksat, loc=gr, krige=krige.control(cov.pars=c(2.3,2.35), lam=0))
   image(kr, col=gray(seq(1,0,l=21)))
   image(kr, col=terrain.colors(16))

Como ficariam perguntas semelhantes às feitas para o 1o exemplo neste último caso? Por exemplo: mapa da P[Y > 1] , mapa de quantis etc

1. Escolha de modelos
   1. Análise dos dados de precipitação no Paraná
   2. Dados Ca20
2. Uma análise mais completa com dados de ctc

1. Exemplo com dados de salinidade
   1. arquivos de comandos
   2. arquivo de dados
2. Efetue análises Bayesiana de algum outro conjunto de dados (visto no curso ou outro)