Olá Benilton, tentando explicar melhor meu problema:
Faço uso de um pacote chamada geoComp. Tal pacote é utilizado de forma geral para modelar o padrão espacial
de dados composicionais. Foi um trabalho da professora Ana Beatriz.
O problema está quanto ao tempo de processamento para realizar o trabalho necessário.
Analisando mais a fundo, verifiquei que o maior problema quanto a desempenho está na função "volta.cokri" desse pacote.
Nessa função existe uma chamada à função "mvrnorm" e é justamente nessa chamada que ocorre o maior problema de desempenho.
Verifiquei também que na função "mvrnorm" existe uma chamada para a tal função "eigen", que se trata de um código-objeto fortran.
Inicialmente utilizei a função "mclapply" para tentar melhorar tal desempenho, mas não obtive muito sucesso. O que estava pensando quando
insisti na ideia de criar a nova função no pacote base, foi o de que se chamando funções "diferentes", ou seja, criando funções idênticas
cada uma com o espaço de endereçamento e nomes diferentes, poderia aumentar o desempenho.
A seguir, está um script utilizado:
require(geoComp)
require(MASS)
require(statmod)
require(geoR)
data(pivo)
dados <- pivo[,c(6,7,8,1,2)]
dados <- as.geoComp(dados)
bor <- cbind(c(0,seq(0,200,l=100),0),c(0,sqrt(200^2-seq(0,200,l=100)^2),0))
## bor é uma matriz 2x102
estima
<- mec(dados)
gr <- pred_grid(bor, by=4)
md.cov.ck <-
cokrigagem(estima[[1]]$Estimativas, loc=gr,dados.comp=dados)
preditos.gh <- volta.quad(md.cov.ck,n.pontos=7,Variancia=FALSE)
preditos.gh
<- data.frame(preditos.gh)
write.table(preditos.gh,"pred_by4k7ns1000MBM.txt")
preditos.simu <- volta.cokri(md.cov.ck,num.simu=1000,int.conf=0.95)
preditos.simu <-
data.frame(preditos.simu[[1]])
preditos.simu.ic
<- data.frame(preditos.simu[[2]])
write.table(preditos.simu,"predsimu_by4k7ns1000MBM.txt")
write.table(preditos.simu.ic,"predsimuic_by4k7ns1000MBM.txt")
Obrigado pela atenção.
Carlos.