Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/36727
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2019_GeizianeSilvadeOliveira.pdf1,12 MBAdobe PDFVisualizar/Abrir
Título: Uma estatística de varredura árvore-espacial
Autor(es): Oliveira, Geiziane Silva de
Orientador(es): Cançado, André Luiz Fernandes
Assunto: Mineração de dados
Estatística espacial
Estrutura hierárquica
Data de publicação: 28-Jan-2020
Referência: OLIVEIRA, Geiziane Silva de. Uma estatística de varredura árvore-espacial. 2019. xvi, 77 f., il. Dissertação (Mestrado em Estatística)—Universidade de Brasília, Brasília, 2019.
Resumo: Nesse trabalho propomos a técnica estatística de varredura árvore-espacial, uma combinação do método Scan Circular de Kulldorff, utilizado para detecção de clusters espaciais, e a técnica de mineração de dados estatística de varredura baseada em árvore. A ideia principal do método é incluir a informação espacial (geográfica) dos eventos que são naturalmente dispostos em forma hierárquica na técnica de varredura baseada em árvore. A estatística de varredura baseada em árvore dispõe-se a varrer todos os possíveis ramos da árvore a fim de identificar o ramo no qual a probabilidade associada de casos é maior do que o esperado sob a hipótese de homogeneidade dos eventos. Dessa forma, o método de varredura árvore-espacial busca identificar um conjunto de regiões z e um ramo g da árvore para os quais a probabilidade de um indivíduo vir a ser um caso associado ao ramo g é maior dentro desse conjunto de regiões do que para esse mesmo ramo fora dessas regiões. O algoritmo foi avaliado por meio de simulações com cenários hipotéticos considerando a estrutura espacial e hierárquica e apresentou um bom desempenho em relação à capacidade de detecção das estruturas espacial e hierárquica. O método de varredura árvore-espacial foi aplicado a dados de mortalidade infantil segundo a classificação Estatística Internacional de Doença-CID 10 para o estado do Rio de Janeiro no ano de 2016. A aplicação do método permitiu identificar um conjunto de municípios no Rio de Janeiro para os quais uma subcategoria de doenças possui número de óbitos significativamente maior que o esperado sob a hipótese de homogeneidade.
Abstract: In this work we propose the statistical technique of spatial-tree scan which is the combination of the statistic scan method used in spatial cluster detection and the data mining technique, tree-based scan statistic. The main idea of the method is to include the spatial (geographical) information of the events that are naturally arranged hierarchically in the tree-based scan statistic. The tree-based scan statistic is arranged to scan all possible branches in order to identify the most likely tree branch, that is, the branch in which the associated probability of cases is greater than expected under the hypothesis of homogeneity of events. Thus, the spatial-tree scan method seeks to identify a set of regions z and a branch g of the tree in which the probability of an individual happens to be a case associated with the g branch is larger within this set of regions than for that same branch outside these regions. The algorithm was evaluated by means of simulations with hypothetical scenarios considering the spatial and hierarchical structures and presented a good performance in terms of the capacity of detection of the spatial and hierarchical structures. The statistical method of spatial-tree scan was applied to infant mortality data according to the International Statistical Classification of Diseases and Related Health Problems 10th Revision (ICD-10) for the state of Rio de Janeiro in the year 2016. The application of the method allowed to identify a set of municipalities in Rio de Janeiro for which a subcategory of diseases has a significantly higher number of deaths than expected under the homogeneity hypothesis.
Unidade Acadêmica: Instituto de Ciências Exatas (IE)
Departamento de Estatística (IE EST)
Informações adicionais: Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2019.
Programa de pós-graduação: Programa de Pós-Graduação em Estatística
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Agência financiadora: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro completo do item Visualizar estatísticas



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