Rompiendo con la clásica suposición de independencia de las variables aleatorias muestrales de la inferencia tradicional, esta tesis doctoral está basada en la necesidad de tener en cuenta la dependencia espacial existente entre dichas variables aleatorias en caso de que, efectivamente, la presencia e autocorrelación haya sido contrastada.
Sus principales aportaciones se refieren al ámbito de la Estadística Espacial univariante no lineal así como al lineal multivariante. En el primer caso se plantean y demuestran técnicas de estimación espacial univariante no lineales (krigeado no lineal) y en el segundo, técnicas de estimación espacial lineal multivariante (cokrigeado lineal) capaces de beneficiarse de la información aportada por otros procesos estocásticos relacionados con el de interés . Dicho beneficio se refiere a la mayor precisión de la estimación multivariante frente a la univariante, así como de la estimación univariante no lineal frente a la lineal.
También se plantean el diseño de redes de observación en el ámbito multivariante, mediante el que se obtendría el conjunto de localizaciones que proporcionarían la menor varianza del error de estimación posible.
Finalmente, surge la idea de estudiar el mercado inmobiliario, ya que los precios de vivienda de una ciudad, que en sí mismos constituyen un proceso estocástico, presentan una clara correlación espacial, es decir, en el precio, además de la calidad y el estado de la vivienda, influye claramente la localización geográfica en la que ésta se encuentre situada. Ampliando el punto de vista al ámbito multivariante se procede al análisis de otro proceso estocástico, el de los precios de locales comerciales, ya que éstos presentan una clara correlación entre ellos y a su vez con los precios de viviendas. Dicho estudio ha sido realizado en el casco histórico de la ciudad de Toledo, mediante la estimación cokrigeada de precios de bienes inm
© 2001-2024 Fundación Dialnet · Todos los derechos reservados