Summary: Em geral, nos fenômenos da natureza, a relação entre as variáveis é estocástica. Modelos lineares e não lineares ocupam um papel central como ferramentas na aplicação da estatística. Tais metodologias possuem elegante e interpretável teoria, tornando-se ferramentas indispensáveis no procedimento de análise de dados em diferentes áreas do conhecimento, tais como em engenharia, em medicina, em economia entre outras. Nessas áreas, modelos de séries temporais, de espaço-temporal e de regressão são metodologias amplamente usadas com objetivo de explicar variabilidade e as relações entre variáveis estocásticas, assim como podem ser utilizadas para fazer previsão de futuros valores.
Modelos espaços-temporais têm sido recentemente um tema de pesquisa de muito interesse para pesquisadores, em especial, da área ambiental. Na prática, um dos enfoques com maior aprovação para a modelagem de dados espaço-temporais é a utilização de modelos Autoregressivos e de Médias Móveis Espaço-Temporal (STARMA).

A análise de componente principal (ACP) é uma das técnicas multivariadas mais exploradas nas diversas áreas do conhecimento, pois fornece novas variáveis ortogonais para a análise e interpretação da variabilidade do vetor de observação. O emprego da técnica de análise de componentes principais não se concentra apenas à redução da dimensão do conjunto de dados. Por exemplo, Karar e Gupta (2007) utilizaram ACP como uma análise de cluster para identificar fontes poluidoras e Cohen (1983), White et al. (1991) e Romero et al. (1999) fizeram uso de ACP como um cluster para identificar subregiões homogêneas de estações de variáveis climáticas em grande área geográfica.

Os temas descritos acima são as linhas centrais desta pesquisa em processos com diferentes tipos de propriedades tais como; de memória, de sazonalidade, de periodicidade, de raiz unitária entre outras. No estudo serão considerados séries com missing valores, com outliers ( robustez) e de propriedade volatilidade estocástica entre outras características de problemas usualmente encontrados na prática. Técnicas de bootstrap em séries temporais e teoria do ranks serão também metodologias invocadas no estudo para fins de obter testes mais poderosos e robustos. A investigação será justificada de forma teórica e empírica e dados reais, em especial, séries da área de qualidade do ar e de morbidade causada pela poluição, serão considerados como exemplos de aplicação da pesquisa ora proposta.

Starting date: 2013-05-18
Deadline (months): 63

Participants:

Rolesort descending Name
Collaborator * Jane Meri Santos
Coordinator * Valdério Anselmo Reisen
Researcher * ANTONIO PAULA NASCIMENTO
Acesso à informação
Transparência Pública

© 2013 Universidade Federal do Espírito Santo. Todos os direitos reservados.
Av. Fernando Ferrari, 514 - Goiabeiras, Vitória - ES | CEP 29075-910