Estudo Empírico de Métodos de Estimação Robusta de Modelos PAR e Aplicação a Dados de Poluição do Ar
Nome: Carlo Corrêa Solci
Tipo: Dissertação de mestrado acadêmico
Data de publicação: 09/11/2017
Orientador:
Nome | Papel |
---|---|
Valdério Anselmo Reisen | Orientador |
Banca:
Nome | Papel |
---|---|
Valdério Anselmo Reisen | Orientador |
Resumo: Os estudos de poluição atmosférica geralmente envolvem medições e análises de dados de concentrações de poluentes, como é o caso do MP10 (material particulado de diâmetro inferior a 10 µm), do SO2 (dióxido de enxofre) e de outros poluentes. Esses dados normalmente possuem características estatísticas importantes como autocorrelação, sazonalidade, periodicidade e a presença de picos na série que apesar de não serem observações atípicas (outliers) pela alta frequência com a qual ocorrem, podem ser modelados como tais pelo efeito que tem na série. Todas essas características exigem atenção especial durante a análise dos dados. Com esse motivação, esse estudo comparou o desempenho dos estimadores robustos para modelos periódicos autorregressivos (PAR) propostos por Sarnaglia, Reisen & Levy-Leduc (2010) (Yule-Walker Robusto) e Shao (2008) (Mínimos Quadrados Robusto), por meio de um estudo de Monte Carlo em diferentes cenários, incluindo: contaminação por observações atípicas aditivas e desvios da normalidade. Para efeito de comparação, também foi considerada a metodologia clássica de Yule-Walker que pode ser vista em McLeod (1994), por exemplo. O interesse prático em poluição do ar
é avaliar se ambas as metodologias robustas captam melhor a estrutura de correlação da série do que a metodologia clássica. Isso pode ser verificado, por exemplo, pela ordem dos modelos autorregressivos obtidas por cada procedimento de estima¸cao. Esses três métodos foram aplicados para o ajuste do modelo PAR a` dados de MP10 da esta¸cao da Enseada do Suá da rede de monitoramento da qualidade do ar da Grande Vitória-ES.