GRAPHICS FOR IDENTIFYING INFLUENTIAL OBSERVATIONS IN SPATIALLY CORRELATED DATA.
geoestatistica, hair-plot, curvas de Andrews, semivariancia, semivariancia cruzada.
A análise geoestatística desempenha um papel crucial na compreensão da variabilidade espaço-temporal dos fenômenos. No entanto, a presença de observações influentes pode distorcer consideravelmente as conclusões. Assim, é vital desenvolver métodos robustos para detectar e lidar com essas observações de forma precisa e eficaz. Neste estudo, propomos uma metodologia que combina perturbações aditivas e técnicas gráficas avançadas, como o hair-plot e as Curvas de Andrews. Essa abordagem amplia consideravelmente os recursos disponíveis na Análise Espacial, permitindo a detecção de observações influentes em diversos cenários geoestatísticos. Além disso, nossa metodologia não se limita a dados univariados, podendo ser aplicada também a conjuntos de dados bivariados, multivariados e até mesmo a dados funcionais. Isso representa uma ampliação do hair-plot, aproveitando as vantagens das Curvas de Andrews para superar limitações encontradas em representações mais simples. Um aspecto crucial deste estudo é investigar a função de influência de observações em diferentes cenários, contribuindo para uma compreensão mais profunda da dinâmica espacial dos dados analisados. A abordagem proposta visa fortalecer a interpretação de conjuntos de dados espaciais complexos em diversas áreas do conhecimento. Espera-se que este trabalho não apenas promova avanços teóricos, mas também ofereça insights práticos e aplicáveis em áreas como gestão ambiental, planejamento urbano, mineração, agricultura, entre outras. Ao fornecer uma base sólida para a tomada de decisões informadas e sustentáveis, nossa metodologia tem o potencial de beneficiar significativamente profissionais envolvidos em projetos que exigem uma compreensão precisa da dinâmica espacial.