Spatially correlated data: structural analysis

We introduce and investigate the underlying theoretical framework for spatially correlated data in this article. More specifically, we characterise the mechanism that generates the data, investigate its various covariance structures, and characterise the many stationarity classes that are typically...

Descripción completa

Detalles Bibliográficos
Autores principales: Lovatto, Mariel Guadalupe, Llop, Pamela, García Arancibia, Rodrigo
Formato: Artículo revista
Lenguaje:Español
Publicado: Unión Matemática Argentina - Facultad de Matemática, Astronomía, Física y Computación 2024
Materias:
Proceso estocástico
Datos Espacialmente correlacionados
Estacionariedad
Stochastic Process
Spatially Correlated Data
Stationarity
Acceso en línea:https://revistas.unc.edu.ar/index.php/REM/article/view/41782
Aporte de:
Revista de Educación Matemática de Universidad Nacional de Córdoba
id I10-R366-article-41782
record_format ojs
spelling I10-R366-article-417822024-12-21T01:11:43Z Spatially correlated data: structural analysis Datos correlacionados espacialmente: análisis estructural Lovatto, Mariel Guadalupe Llop, Pamela García Arancibia, Rodrigo Proceso estocástico Datos Espacialmente correlacionados Estacionariedad Stochastic Process Spatially Correlated Data Stationarity We introduce and investigate the underlying theoretical framework for spatially correlated data in this article. More specifically, we characterise the mechanism that generates the data, investigate its various covariance structures, and characterise the many stationarity classes that are typically considered for this type of data. Furthermore, we investigate the theoretical and empirical semivariogram, which is likely the most extensively used tool for measuring spatial correlation. We believe that this work can be a valuable resource for the study of spatial data and its primary properties, which might be integrated into a modern statistics course.       En este artículo introducimos y estudiamos el marco teórico subyacente para datos espacialmente correlacionados. Más precisamente, definimos el proceso que genera los datos, estudiamos sus diferentes estructuras de covarianza y caracterizamos las diferentes clases de estacionariedad consideradas habitualmente para este tipo de datos. Además, estudiamos en profundidad el semivariograma teórico y empírico, la herramienta tal vez más utilizada para medir correlación espacial. Consideramos que este trabajo puede ser un material útil para el estudio y la enseñanza de los datos espaciales y sus principales características, que potencialmente pueden introducirse en un curso moderno de estadística.       Unión Matemática Argentina - Facultad de Matemática, Astronomía, Física y Computación 2024-12-20 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Artículo evaluado por pares application/pdf https://revistas.unc.edu.ar/index.php/REM/article/view/41782 10.33044/revem.41782 Revista de Educación Matemática; Vol. 39 Núm. 3 (2024); 5-40 1852-2890 0326-8780 spa https://revistas.unc.edu.ar/index.php/REM/article/view/41782/47994 Derechos de autor 2024 Mariel Guadalupe Lovatto, Pamela Llop, Rodrigo García Arancibia https://creativecommons.org/licenses/by-sa/4.0/
institution Universidad Nacional de Córdoba
institution_str I-10
repository_str R-366
container_title_str Revista de Educación Matemática
language Español
format Artículo revista
topic Proceso estocástico
Datos Espacialmente correlacionados
Estacionariedad
Stochastic Process
Spatially Correlated Data
Stationarity
spellingShingle Proceso estocástico
Datos Espacialmente correlacionados
Estacionariedad
Stochastic Process
Spatially Correlated Data
Stationarity
Lovatto, Mariel Guadalupe
Llop, Pamela
García Arancibia, Rodrigo
Spatially correlated data: structural analysis
topic_facet Proceso estocástico
Datos Espacialmente correlacionados
Estacionariedad
Stochastic Process
Spatially Correlated Data
Stationarity
author Lovatto, Mariel Guadalupe
Llop, Pamela
García Arancibia, Rodrigo
author_facet Lovatto, Mariel Guadalupe
Llop, Pamela
García Arancibia, Rodrigo
author_sort Lovatto, Mariel Guadalupe
title Spatially correlated data: structural analysis
title_short Spatially correlated data: structural analysis
title_full Spatially correlated data: structural analysis
title_fullStr Spatially correlated data: structural analysis
title_full_unstemmed Spatially correlated data: structural analysis
title_sort spatially correlated data: structural analysis
description We introduce and investigate the underlying theoretical framework for spatially correlated data in this article. More specifically, we characterise the mechanism that generates the data, investigate its various covariance structures, and characterise the many stationarity classes that are typically considered for this type of data. Furthermore, we investigate the theoretical and empirical semivariogram, which is likely the most extensively used tool for measuring spatial correlation. We believe that this work can be a valuable resource for the study of spatial data and its primary properties, which might be integrated into a modern statistics course.      
publisher Unión Matemática Argentina - Facultad de Matemática, Astronomía, Física y Computación
publishDate 2024
url https://revistas.unc.edu.ar/index.php/REM/article/view/41782
work_keys_str_mv AT lovattomarielguadalupe spatiallycorrelateddatastructuralanalysis
AT lloppamela spatiallycorrelateddatastructuralanalysis
AT garciaarancibiarodrigo spatiallycorrelateddatastructuralanalysis
AT lovattomarielguadalupe datoscorrelacionadosespacialmenteanalisisestructural
AT lloppamela datoscorrelacionadosespacialmenteanalisisestructural
AT garciaarancibiarodrigo datoscorrelacionadosespacialmenteanalisisestructural
first_indexed 2025-02-05T22:15:23Z
last_indexed 2025-02-05T22:15:23Z
_version_ 1823257367469359104

Ejemplares similares