Análise de componentes principais e a modelagem linear generalizada: uma associação entre o número de atendimentos hospitalares por causas respiratórias e a qualidade do ar, na Região da Grande Vitória, ES

Página do item simplificado
dc.contributor.advisor-co1Santos, Jane Meri
dc.contributor.advisor1Reisen, Valdério Anselmo
dc.contributor.authorSouza, Juliana Bottoni de
dc.contributor.referee1Leon, Antonio Carlos Monteiro Ponce de
dc.contributor.referee2Reis Júnior, Neyval Costa
dc.date.accessioned2018-08-24T22:53:29Z
dc.date.available2018-08-24
dc.date.available2018-08-24T22:53:29Z
dc.date.issued2013-04-30
dc.description.abstractThis dissertation uses two statisticals tools, Principal Component Analisys (ACP) and Generalized Additive Model (GAM), jointly, to estimate the effect of the association between atmospheric exposure of PM10, SO2, NO2, O3 and CO and the number of admissions due respiratory diseases in children less than 6 years in the Regi˜ao da Grande Vit´oria, Brazil.Usually the atmospheric pollutants are considered the explanatory covariables in MAG, but since they have an autocorrelation structure, they must be used with caution. The PCA technique provides a new set of orthogonal variables, these variables are linear combinations of environmental variables.Therefore, We use this approach in MAG, hereafter denoted by GAM-PCA. However, the principal components obtained through the matrix of variance / covariance applied to processes indexed by time also exhibit the properties of temporal correlation. A countermeasure to attenuate the temporal correlation of the components is use the filtering method to transform the data in an atmospheric white noise process. The residual matrix is used to obtain these components and applied to the model MAG - method here called VAR-GAM-PCA. The empirical results show that this model removes the autocorrelations of the main components and indicates significant estimates of relative risk (RR) for each pollutant. The results confirm the hypotheses established, the main components have selected correlation and the autocorrelation lags. To adjust the GAM-PCA model, an ARMA(p,q) model was used in the residual matrix since that structure carried autocorrelation from the original data. The VAR model-MAG-ACP, besides producing more significant in RR estimates, generated best fit residuals. Compared to the usual modeling MAG, the two strands proposals presented better results, both in estimating the RR and the quality of the fit.eng
dc.description.resumoEsta dissertação faz uso do casamento entre duas ferramentas estatísticas, a Análise de Componentes Principais (ACP) e o Modelo Aditivo Generalizado (MAG), para estimar o efeito da associação entre a exposição atmosférica dos poluentes PM10, SO2, NO2, O3 e CO e o número de atendimentos por doenças respiratórias em crianças menores de 6 anos na região da Grande Vitória, ES, Brasil. Usualmente os poluentes atmosféricos são considerados as covariáveis explicativas no MAG; porém, por possuírem estrutura de autocorrelação, estes devem ser utilizados com cautela. A técnica de ACP fornece novas variáveis ortogonais, essas são combinações lineares das variáveis ambientais, nessa direção as componentes principais serão utilizadas no MAG, denotado aqui por MAG-ACP. Entretanto, as componentes principais obtidas por meio da matriz de variância/covariância aplicada a processos indexados no tempo também apresentam as propriedades de correlação temporal. Como procedimento alternativo, para atenuar a correlação temporal das componentes o método de filtragem é sugerido para transformar os dados atmosféricos num processo Ruído Branco. A matriz de resíduos é utilizada para obter as componentes e essas aplicadas ao modelo MAG - método aqui denominado VAR-MAG-ACP. Os resultados empíricos mostram que esse modelo remove as autocorrelações das componentes principais e indica estimativas mais significantes do Risco Relativo (RR) para cada poluente. Os resultados comprovam as hipóteses estabelecidas, as componentes principais selecionadas possuem correlação e autocorrelação nas defasagens. No ajuste final do modelo MAG-ACP foi necessária a inclusão de modelos do tipo ARMA(p,q) nos resíduos, já que esses carregavam as estruturas de autocorrelação presente nas componentes. O modelo VAR-MAG-ACP, além de produzir estimativas mais significantes no RR, gerou melhores ajustes residuais. Comparadas à modelagem MAG usual, as duas vertentes propostas apresentaram melhores resultados, tanto na estimativa do RR quanto na qualidade do ajuste.
dc.formatText
dc.identifier.citationSOUZA, Juliana Bottoni de. Análise de componentes principais e a modelagem linear generalizada: uma associação entre o número de atendimentos hospitalares por causas respiratórias e a qualidade do ar, na região da Grande Vitória, ES. 2013. 66 f. Dissertação (Mestrado em Engenharia Ambiental) - Universidade Federal do Espírito Santo, Centro Tecnológico, Vitória, 2013.
dc.languagepor
dc.publisherUniversidade Federal do Espírito Santo
dc.publisher.countryBR
dc.publisher.courseMestrado em Engenharia Ambiental
dc.publisher.departmentCentro Tecnológico
dc.publisher.initialsUFES
dc.publisher.programPrograma de Pós-Graduação em Engenharia Ambiental
dc.rightsopen access
dc.subjectModelo aditivo generalizadopor
dc.subjectModelo vetorial autoregressivopor
dc.subjectSéries temporaispor
dc.subject.br-rjbnAnálise de componentes principais
dc.subject.br-rjbnAr - Qualidade - Vitória, Região Metropolitana de (ES)
dc.subject.br-rjbnAnálise de séries temporais
dc.subject.br-rjbnSaúde pública
dc.subject.br-rjbnDoenças respiratórias em crianças
dc.subject.cnpqEngenharia Sanitária
dc.subject.udc628
dc.titleAnálise de componentes principais e a modelagem linear generalizada: uma associação entre o número de atendimentos hospitalares por causas respiratórias e a qualidade do ar, na Região da Grande Vitória, ES
dc.typemasterThesis
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
dissertação_julianabottonidesouza.pdf
Tamanho:
916.85 KB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Coleções
Mestrado em Engenharia Ambiental