erro na validação cruzada com pacote geoR (Éder Comunello)
Message: 1 Date: Sun, 20 Oct 2013 15:01:59 -0300 From: Éder Comunello <comunello.eder@gmail.com> To: r-br@listas.c3sl.ufpr.br Subject: Re: [R-br] erro na validação cruzada com pacote geoR Message-ID: <CABmC8g=yZ1eCQXA_hNp_iOrP9v8CqNztVLBYN4dgCtHMy7Z9cQ@mail.gmail.com> Content-Type: text/plain; charset="iso-8859-1" Caros, Aproveitando a discussão para aprender sobre a validação de modelos em geoestatisticos. Dado que estest modelos e tecnicas são novas para mim. A krigagem é um estimador exato se o numero de pontos estimados for o mesmo dos avaliados, não ? Se eu estimar 10.000 valores para um universo de 1000 valores medidos. Os valores estimados para os 1000 pontos avaliados serão os mesmos valores ? Saudações geoestatisticas Wenceslau Teixeira Embrapa Solos _________________________________________________ Prezado Helio, boa tarde! Pensando melhor sobre a questão do resíduo, o que coloquei no email anterior não faz muito sentido, já que a krigagem é um estimador exato e a operação retornaria praticamente o próprio valor inicial (e o resíduo tenderia ser zero/nulo). O que faria sentido seria separar o efeito da tendência ('drift') e descontar esse valor dos dados originais, tendo aí sim o resíduo a ser modelado (sem o efeito da tendência). Para o produto final teria que somar o drift novamente para retornar os valores. Acredito que não seja muito difícil de fazer no R, mas só tentando fazer pra ver. Fui dar uma conferida no seu post antigo sobre o erro na validação cruzada: < http://r-br.2285057.n4.nabble.com/R-br-erro-na-validacao-cruzada-td4659526.h...
Mas o link dos dados não está mais disponível... <https://www.dropbox.com/s/tfml7zjpc7hmbc3/dados250.txt> Se importaria em dispor esses dados novamente? Atte.
A krigagem é um estimador exato se o numero de pontos estimados for o mesmo dos avaliados, não ?
se vc tiver um modelo sem efeito pepita os valores preditos sao iguais aos observados.
Se eu estimar 10.000 valores para um universo de 1000 valores medidos. Os valores estimados para os 1000 pontos avaliados serão os mesmos valores ?
Nao entendi a colocacao. Basicamente, se vc estimar um modelo com 'n' observacoes e fazer predicao em 'm' locais diferentes, os valores preditos nao serao iguais aos observados nos 'm' locais se vc nao os usou na estimacao do modelo. Exemplo: n <- 50; m = 50 coords <- cbind(runif(n+m), runif(n+m)) require(geoR) ### simula em n + m locais dat0 <- grf(grid=coords, cov.pars=c(1,0.2)) ### extrai dados de 'n' locais para usar na estimacao do modelo dat1 <- as.geodata(cbind(coords[1:n, ], dat0$data[1:n])) mfit <- likfit(dat1, ini=c(1,.2)) kc <- krige.conv(dat1, loc=coords, krige=krige.control(obj.m=mfit)) cor(kc$pred[1:n], dat0$data[1:n]) cor(kc$pred[n+1:m], dat0$data[n+1:m])
Caro Wenceslau
Aproveitando a discussão para aprender sobre a validação de modelos em geoestatisticos. Dado que estest modelos e tecnicas são novas para mim. A krigagem é um estimador exato se o numero de pontos estimados for o mesmo dos avaliados, não ?
CVes posta enviado agora pouco sobre m=variavcao de nmicro escala e erro de medida. O interpoklacor só é exato se o nugget é considerado ser o primeiro destes
Se eu estimar 10.000 valores para um universo de 1000 valores medidos. Os valores estimados para os 1000 pontos avaliados serão os mesmos valores ?
ver acima Em adicao note que no ajuste de max verossimilhaça o argumento " components" gasrante o retorno daq decomposição das observacoes segundo o modelo ajustado
args(likfit) function (geodata, coords = geodata$coords, data = geodata$data, trend = "cte", ini.cov.pars, fix.nugget = FALSE, nugget = 0, fix.kappa = TRUE, kappa = 0.5, fix.lambda = TRUE, lambda = 1, fix.psiA = TRUE, psiA = 0, fix.psiR = TRUE, psiR = 1, cov.model, realisations, lik.method = "ML", components = TRUE, nospatial = TRUE, limits = pars.limits(), print.pars = FALSE, messages, ...)
Saudações geoestatisticas
Wenceslau Teixeira Embrapa Solos
_________________________________________________
Prezado Helio, boa tarde!
Pensando melhor sobre a questão do resíduo, o que coloquei no email anterior não faz muito sentido, já que a krigagem é um estimador exato e a operação retornaria praticamente o próprio valor inicial (e o resíduo tenderia ser zero/nulo). O que faria sentido seria separar o efeito da tendência ('drift') e descontar esse valor dos dados originais, tendo aí sim o resíduo a ser modelado (sem o efeito da tendência). Para o produto final teria que somar o drift novamente para retornar os valores.
Acredito que não seja muito difícil de fazer no R, mas só tentando fazer pra ver.
Fui dar uma conferida no seu post antigo sobre o erro na validação cruzada: < http://r-br.2285057.n4.nabble.com/R-br-erro-na-validacao-cruzada-td4659526.h...
Mas o link dos dados não está mais disponível... <https://www.dropbox.com/s/tfml7zjpc7hmbc3/dados250.txt>
Se importaria em dispor esses dados novamente?
Atte. _______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
participantes (3)
-
Elias T Krainski -
Paulo Justiniano -
Wenceslau Teixeira