Muñoz Reyes, Ana María2024-02-222024-02-222023-06Ojeda Silva, C.M. (2023). Muestreo espacialmente balanceado. Aplicaciones en R. (Trabajo Fin de Grado Inédito). Universidad de Sevilla, Sevilla.https://hdl.handle.net/11441/155463Las técnicas de muestreo tradicionales no suelen contemplar las características propias de los datos distribuidos espacialmente, como la dependencia espacial. Vamos a estudiar procedimientos a partir del muestreo aleatorio simple sin reemplazamiento, del muestreo exponencial y del método pivotal, con probabilidades de inclusión iguales o distintas, en los que integraremos la dependencia espacial. El enfoque adoptado nos servirá para corroborar argumentos intuitivos sobre la necesidad de integrar la dependencia en el muestreo. Podemos trabajar en cualquier dimensión, pero en el caso de datos con tendencia espacial, si seleccionamos una muestra bien distribuida (balanceada), conseguiremos mejores estimadores.Traditional sampling techniques often do not consider the specific characteristics of spatially distributed data, such as spatial dependence. We will study procedures based on simple random sampling without replacement, the exponential sampling and the pivotal method, with equal or different inclusion probabilities, in which we will integrate spatial dependence. The approach adopted will help us corroborate intuitive arguments about the need to integrate dependence in sampling. We can work in any dimension, but in the case of data with spatial trends, if we select a well-distributed (balanced) sample, we will achieve better estimators.application/pdf47 p.spaAttribution-NonCommercial-NoDerivatives 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/openAccess