TERCEIRA LISTA DE EXERCÍCIOS (L3)
ALUNO: PABLO LUIGI DAMASCENO - DRE 118023453
1) Para um conjunto de dados, o modelo exponencial y = 10ax+b foi o que deu melhor ajuste segundo o critério dos mínimos quadrados. Foi utilizada a transformação y-1 para se poder utilizar mínimos quadrados lineares, obtendo-se as estimativas a=1 e b=2 para os coeficientes. Supondo-se que o modelo faz a previsão de produção anual de gás natural em milhões de metros cúbicos de um reservatório, onde x=0 representa o primeiro ano de produção, determine qual a produção prevista para o terceiro ano de atividade.
Para os valores estimados de coeficientes, a função se torna:
Como x = 0 representa o primeiro ano, x = 2 representa o terceiro. Portanto,
A produção prevista é de 10.000 milhões de m3.
Como x = 0 representa o primeiro ano, x = 2 representa o terceiro. Portanto,
2) Considere os dados relativos às variáveis X (livre) e Y (dependente):
X: 1,7 2,0 2,2 2,5 3,1
Y: 3,9 4,7 5,6 5,8 7,0
temos:
Substituindo os valores nas equações, Sxx = 1,14 e Sxy = 2,45; os coeficientes são 0,46 e 2,15.
O modelo linear de regressão é
b) Qual o valor esperado para Y se X=3?
De acordo com a tabela, espera-se que o valor de y para x = 3 esteja no intervalo (5,8; 7), mais próximo a 7. Substituindo o valor de X no modelo linear encontrado em a), temos:
3) Considerando as escolhas das listas 1 e 2, utilize como base o programa III.2 pág 82 para estimar os parâmetros do modelo de variograma escolhido.
Summary(f)
psill: 4.295 - 11.287
range: 0 - 39852
Summary(ff)
gamma: 11.29 - 15.58
código:
data(pcb)
g<-gstat(id="PCB138",formula=PCB138~1,locations=~x+y,data=pcb)
graf<-variogram(g)
f<-fit.variogram(graf,vgm(20,"Sph",20000,5))
ff<-variogramLine(f,maxdist=160000,n=500,min=1.06e-6)
plot(ff,main="Semivariograma Modelo esférico - regressão não linear PCB138", xlab="Distância",ylab="Semivariância", col="blue")
points(graf[,2],graf[,3],col="red")
4) Considerando as escolhas das listas 1 e 2 e o item anterior, obtenha um mapa da predição da variável escolhida usando krigagem ordinária utilizando como base o programa III.4 pág 92.
código:
data(pcb)data(ncp.grid)
ncp.grid.orig = ncp.grid
nr = nrow(ncp.grid)
m = vgm(20,"Sph",20000,5)
coordinates(pcb)=c("x", "y")
coordinates(ncp.grid)=c("x", "y")
pcb <- pcb[-zerodist(pcb)[,1],]
pcbkrg = krige(PCB138~1, pcb, ncp.grid, m)
levelplot(var1.pred~x+y, as.data.frame(pcbkrg),sp.layout=list(l2,scale,text1,text2),key.space=list(x=0.1,y=.95,corner=c(0,1)), col.regions=bpy.colors(20),asp="iso",as.table=T,scales=list(draw=F),main="Krigagem ordinária - PCB138 (dataset PCB)", xlab="UTM X (m)",ylab="UTM Y (m)", xlim=c(477950,736020), ylim=c(5692380,6132480))
5) Considerando as escolhas das listas 1 e 2 e os itens anteriores, obtenha um mapa de uma simulação da variável escolhida usando simulação sequencial gaussiana utilizando como base o programa IV.1 pág 117.
código:
s.grid<-GridTopology(c(0,0),c(0.05,0.05),c(100,100))
s.grid<-SpatialPoints(s.grid)
gridded(s.grid)<-TRUE
data(pcb)
m<-vgm(20,"Sph",20000,5)
xx<-krige(pcb~1,~x+y, model=m,data=pcb,newd=s.grid)
X11()
spplot(xx[,1],xlab="Xloc(0-4)",ylab="Yloc(0-4)",main="Valores interpolados - krigagem ordinária")
X11()
xx<-krige(pcb~1,~x+y, model=m,data=pcb,newd=s.grid,nsim=4,nmax=10)
spplot(xx["sim1"],xlab="Xloc(0-4)",ylab="Yloc(0-4)",main="Simulação 1")
X11()
spplot(xx["sim2"],xlab="Xloc(0-4)",ylab="Yloc(0-4)",main="Simulação 2")
X11()
spplot(xx["sim3"],xlab="Xloc(0-4)",ylab="Yloc(0-4)",main="Simulação 3")
X11()
spplot(xx["sim4"],xlab="Xloc(0-4)",ylab="Yloc(0-4)",main="Simulação 4")
s.grid<-SpatialPoints(s.grid)
gridded(s.grid)<-TRUE
data(pcb)
m<-vgm(20,"Sph",20000,5)
xx<-krige(pcb~1,~x+y, model=m,data=pcb,newd=s.grid)
X11()
spplot(xx[,1],xlab="Xloc(0-4)",ylab="Yloc(0-4)",main="Valores interpolados - krigagem ordinária")
X11()
xx<-krige(pcb~1,~x+y, model=m,data=pcb,newd=s.grid,nsim=4,nmax=10)
spplot(xx["sim1"],xlab="Xloc(0-4)",ylab="Yloc(0-4)",main="Simulação 1")
X11()
spplot(xx["sim2"],xlab="Xloc(0-4)",ylab="Yloc(0-4)",main="Simulação 2")
X11()
spplot(xx["sim3"],xlab="Xloc(0-4)",ylab="Yloc(0-4)",main="Simulação 3")
X11()
spplot(xx["sim4"],xlab="Xloc(0-4)",ylab="Yloc(0-4)",main="Simulação 4")














