Histórico das aulas do curso

require(geoR)
ml <- likfit(s100, ini=c(1, 0.3))
gr <- expand.grid(seq(0,1,len=50), seq(0,1, l=50))
args(output.control)
## definindo simulacoes nos resultados (output)
OC <- output.control(n.pred=1000, simulations.pred=T)
kc <- krige.conv(s100, loc=gr, krige=krige.control(obj.m=ml), out=OC)
## vendo o que tem nos resultados 
names(kc)
str(kc)
## os simulacoes ficam armazenadas aqui
dim(kc$simulations)
## calculando (predizendo) FUNCIONAIS
## FUNCIONAL 1: mapa de probabilidade do atributo estar acima de 1,8 
p1.8 <- apply(kc$simulations, 1, function(x) mean(x>1.8))
length(p1.8)
image(kc, val=p1.8)
## adicionando legenda
args(legend.krige)
legend.krige(x.leg=c(1.05, 1.1), val=p1.8, y.leg=c(0.2, 0.8), vert=T)
## mudando os limites da image para incluir a legenda 
image(kc, val=p1.8, xlim=c(0, 1.2))
legend.krige(x.leg=c(1.05, 1.1), val=p1.8, y.leg=c(0.2, 0.8), vert=T)
## Outro funcional: proposção da área com valores acima de 1,8
A1.8 <- apply(kc$simulations, 2, function(x) mean(x>1.8))
length(A1.8)
hist(A1.8, prob=T)
lines(density(A1.8))
rug(A1.8)
summary(A1.8)
## outro funcional : distribuição dos máximos sobre a área
MAX <- apply(kc$simulations, 2, function(x) max(x))
length(MAX)
hist(MAX, prob=T)
lines(density(MAX))
rug(MAX)
## probabilidade do MAX está acima de 4
mean(MAX > 4)
## idem para minimo
MIN <- apply(kc$simulations, 2, function(x) min(x))
summary(MIN)
hist(MIN, prob=T)
lines(density(MIN))
rug(MIN)
##
## um outro funcional diferente do anterior seria um mapa de maximos POR PIXEL
MAX.map <- apply(kc$simulations, 1, function(x) max(x))
length(MAX.map)
image(kc, val=MAX.map)