##plugins.themes.bootstrap3.article.main##

Danna Lesley Cruz Reyes

Resumen

Es común en geoestadística utilizar métodos como el variograma o el coe- ficiente de correlación para describir la dependencia espacial y kriging para rea- lizar interpolación y predicción, pero estos métodos son sensibles a valores extremos y están fuertemente influen- ciados por la distribución marginal del campo aleatorio. Por lo tanto, pueden conducir a resultados poco fiables. Co- mo alternativa a los modelos tradicio- nales de geoestadística se considera el uso de las funciones cópula. La cópula es ampliamente usada en el campo de las finanzas y ciencias actuariales y debi- do a sus resultados satisfactorios empe- zaron a ser consideradas en otras áreas de aplicación de las ciencias estadísti- cas. En este artículo se muestra el efec- to de las cópulas como una herramienta que muestra un análisis geoestadístico bajo todo el rango de cuantiles y una es- tructura de dependencia completa, con- siderando modelos de tendencia espa- cial, distribuciones marginales continuas y discretas y funciones de covarianza. Se presentan tres métodos de interpolación espacial: el primero corresponde al indi- cador kriging y kriging disyuntivo, el se- gundo método se conoce como el kriging simple y el tercer método es una predic- ción plug-in y la generalización del kri- ging trans-Gaussiano, estos métodos son utilizados con base en la función cópula debido a la relación que existe entre las cópulas bivariadas y los indicadores de covarianzas. Se presenta resultados ob- tenidos para un conjunto de datos reales de la ciudad de Gomel que contiene me- diciones de isotopos radioactivos, conse- cuencia del accidente nuclear de Cher- nóbil. Finalmente, se presenta resultado obtenidos con el uso de cópulas discre- tas a un conjunto de datos simulados, esto permite realizar una extensión a los trabajos usuales de cópulas en Geoesta- dística. Este artículo es producto de la tesis de Maestría dirigida por el Profe- sor Edilberto Cepeda de la Universidad Nacional de Colombia.

##plugins.themes.bootstrap3.article.details##

Palabras Clave
Referencias
Ayyad, C., Mateu, J. & Porcu, E. (2008), Inferencia y modelización mediante cópulas, Universidad Jaume.

Bárdossy, A. & Li, J. (2008), ‘Geostatistical interpolation using copulas’, Water Resources Research 44(7).

Diggle, P. & Ribeiro, P. (2007), Model-based Geostatistics, Springer Series in Statistics, Springer.

Genest, C. & Rémillard, B. (2008), ‘Validity of the parametric bootstrap for goodness-of-fit testing in semiparametric models’, Annales de I’institut Henri Poincaré (B) Probabilités et Statistiques 44(6), 1096–1127.

Haslauer, C., Li, J. & Bárdossy, A. (2010), ‘Application of copulas in geostatistics’, geoENV VII Geostatistics for Environmental Applications. Quantitative Geology and Geostatistics 16, 395–404.

Jing, L. (2010), Application of copulas as a new geostatistical tool, PhD thesis, Universit¨at Stuttgart, Holzgartenstr. 16, 70174 Stuttgart.

Kazianka, H. & Pilz, J. (2010), ‘Copula based geostatistical modeling of continuous and discrete data including covariates’, Stochastic environmental research and risk assessment 24(5), 661–673.

Kazianka, H. & Pilz, J. (2011), ‘Bayesian spatial modeling and interpolation using copulas’, Computers & Geosciences 37(3), 310–319.
Cómo citar
Cruz Reyes, D. L. (2013). Cópulas en geoestadística o lo que se puede hacer con coordenadas y estructuras de dependencia. Comunicaciones En Estadística, 6(2), 139-156. https://doi.org/10.15332/s2027-3355.2013.0002.03
Sección
Artículos