Tese
Counting process and derivations: an application for environmental and epidemiological data
Fecha
2023-02-23Autor
Ana Julia Alves Camara
Institución
Resumen
O modelo linear autorregressivo média móvel autorregressiva (GLARMA) tem sido utilizado em
estudos epidemiológicos para avaliar o impacto de poluentes atmosféricos na saúde. Esse impacto
é comumente quantificado por meio da medida de risco relativo (RR). Devido à natureza dos
dados, é necessário atenção ao aplicar o modelo GLARMA em variáveis ambientais. Primeiramente, em geral, a inferência para o RR é baseada nas propriedades assintóticas do estimador de
máxima verossimilhança, o que pode ser problemático para amostras pequenas. Em segundo
lugar, os poluentes atmosféricos podem apresentar picos elevados, ou observações abruptas, que
podem ser identificados como aditivos outliers e normalmente impactam as propriedades estatísticas das funções amostrais, como média, variância, autocorrelação e autocorrelação parcial.
Além disso, a atmosfera é composta por uma mistura de gases, incluindo poluentes atmosféricos,
que são séries temporais e apresentam propriedades complexas. Esses contaminantes também
exibem a propriedade de multicolinearidade, que pode inflar a variância das estimativas e causar
um viés significativo se ignorado. Esta tese propõe metodologias para o complexo sistema
formado por variáveis ambientais utilizando o modelo GLARMA. Diferentes métodos bootstrap
são estudados a fim de calcular intervalos de confiança para o RR sem qualquer suposição sobre
a distribuição dos dados. Além disso, uma abordagem robusta para o modelo GLARMA é
proposta para lidar com observações abruptas. Estudos numéricos são realizados para avaliar
o desempenho das metodologias propostas considerando cenários distintos. Análises de dados
reais são realizadas considerando variáveis atmosféricas e epidemiológicas nas cidades de Belo
Horizonte, MG, e Vitória, ES, Brasil.