Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/10332
Título: Análise de componentes principais em séries temporais multivariadas com heteroscedasticidade condicional e outliers: uma aplicação para a poluição do ar, na Região da Grande Vitória, Espírito Santo, Brasil
Autor(es): MONTE, E. Z.
Orientador: REISEN, V. A.
Palavras-chave: 1
Análise de componentes principais
2
Valores estranhos
Data do documento: 1-Abr-2016
Editor: Universidade Federal do Espírito Santo
Citação: MONTE, E. Z., Análise de componentes principais em séries temporais multivariadas com heteroscedasticidade condicional e outliers: uma aplicação para a poluição do ar, na Região da Grande Vitória, Espírito Santo, Brasil
Resumo: as questões relativas à qualidade do ar têm se tornado cada vez mais importantes, uma vez que vários problemas de saúde decorrem da poluição atmosférica. Além disso, a poluição do ar contribui para a degradação do meio ambiente e, consequentemente, para o agravamento do efeito estufa. Dessa forma, diversos estudos adotando técnicas estatísticas têm sido realizados, com o intuito de contribuir na tomada de decisões dos agentes públicos e privados no que diz respeito ao combate à poluição, à prevenção de altas concentrações e à formulação de legislações para esse fim. Uma das metodologias estatísticas adotadas é a análise de componentes principais (ACP) clássica, sendo a mesma utilizada para o redimensionamento de rede, em análises de cluster, em análise de regressão, entre outros. No entanto, observa-se que, entre os estudos que têm adotado a ACP clássica, uma característica comum é negligenciar a heteroscedasticidade condicional e/ou a presença de outliers aditivos, que pode levar à resultados espúrios (enganosos), uma vez que a matriz de autocovariância estimada pode ser viesada (estimada incorretamente). Nota-se que as séries temporais relacionadas à poluição atmosférica tendem à apresentar heteroscedasticidade condicional e outliers aditivos. Assim, o primeiro artigo desta tese propôs aplicar um filtro multivariado VARFIMA-GARCH aos dados originais e utilizar a ACP clássica sobre os resíduos do modelo VARFIMA-GARCH. Com esse modelo, buscou-se filtrar, além da volatilidade, a correlação temporal e o comportamento de memória longa. A aplicação da ACP sobre os resíduos do modelo VARFIMA-GARCH mostrou-se mais coerente com as características ambientais da Região da Grande Vitória (RGV), Espírito Santo, Brasil, do que a aplicação usando os dados originais. No segundo artigo, que é a principal contribuição desta tese, a técnica de componentes principais com volatilidade (PVC), proposta por Hu e Tsay (2014), foi estendida para uma abordagem robusta (RPVC), a fim de capturar a volatilidade presente nos processos temporais multivariados, mas, levando-se em consideração os efeitos de outliers aditivos sobre a covariância condicional, uma vez que esses outliers podem mascarar (esconder) a heteroscedasticidade condicional ou, até mesmo, produzir efeitos voláteis espúrios, quando os dados não apresentarem volatilidade. O método RPVC proposto melhorou as predições dos picos de concentração do poluente MP10, na estação de Laranjeiras, RGV.
URI: http://repositorio.ufes.br/handle/10/10332
Aparece nas coleções:PPGEA - Teses de doutorado

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
tese_9916_Tese_versao_final.pdf3.82 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.