Modelos para dados de área sob a abordagem bayesiana

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorCosta, Patrícia Lusié Velozo da-
Autor(es): dc.contributorPinto Junior, Jony Arrais-
Autor(es): dc.contributorSilva, Alexandre Sousa da-
Autor(es): dc.creatorAraujo, Matheus Camelo dos Santos-
Data de aceite: dc.date.accessioned2024-07-11T17:39:27Z-
Data de disponibilização: dc.date.available2024-07-11T17:39:27Z-
Data de envio: dc.date.issued2020-05-07-
Data de envio: dc.date.issued2020-05-07-
Data de envio: dc.date.issued2018-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/13571-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/754787-
Descrição: dc.descriptionFenômenos das mais diversas áreas estão sendo cada vez mais influenciados pelo espaço onde ocorrem. Somadas às demais análises, a análise espacial vem tornando a modelagem desses eventos mais requintada. Diante dos principais tipos de dados em estatística espacial, esse trabalho visa a modelagem de variáveis aleatórias, com foco em dados de área, averiguando modelos adequados e ajustando-os via dados simulados. Como aplicação, serão utilizados dados referentes a hanseníase, doença crônica e infecciosa que apresenta altas taxas de ocorrências no Brasil, principalmente nas regiões Norte do país. Acredita-se que, além de fatores socioeconômicos e ambientais, as taxas da doença também são influenciadas segundo suas localizações geográficas, justificando a utilização da modelagem espacial nesse trabalho. Quando o interesse na modelagem é, por exemplo, relacionar as respostas de uma variável com seus vizinhos, os modelos CAR e SAR são os mais usados. Algumas restrições são necessárias e uma delas é a especificação adequada da matriz de vizinhança, que é responsável pela ponderação dos efeitos da vizinhança. Assumindo dados simulados, os modelos foram bem ajustados com uma análise de sensibilidade satisfatória, assumindo diferentes distribuições a priori para os parâmetros que foram estimados. Inicialmente e de forma exploratória, para verificar uma possível associação espacial dos dados em uma determinada região, os índices de Moran e Geary foram utilizados. Assim como no mapa coroplético, os resultados dos índices apresentaram um indicativo preliminar de que a hanseníase está correlacionada espacialmente. Considerando os dados de hanseníase em 2010, viu-se que as taxas de detecção em menores de 15 anos apresentaram uma alta variabilidade sendo necessária uma transformação dos dados. Mesmo com a transformação, foi visto que, considerando dados contínuos, os modelos propostos não de adequaram corretamente devido à inflação de zeros. Apesar disso, o ajuste de ambos os modelos apresentou que o IDHM é uma covariável significativa e que há uma relação entre o parâmetro de autocorrelação espacial com os índices de Moran e Geary-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectTaxas de hanseníase-
Palavras-chave: dc.subjectEstatística espacial-
Palavras-chave: dc.subjectDados de área-
Palavras-chave: dc.subjectCAR-
Palavras-chave: dc.subjectSAR-
Palavras-chave: dc.subjectMCMC-
Palavras-chave: dc.subjectInferência bayesiana-
Palavras-chave: dc.subjectEstatística de saúde-
Palavras-chave: dc.subjectTeoria bayesiana de decisão estatística-
Título: dc.titleModelos para dados de área sob a abordagem bayesiana-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.