Análise de técnicas de distribuição espacial com padrões pontuais e aplicação a dados de acidentes de trânsito e a dados da dengue de Rio Claro-SP

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Pós-graduação em Biometria - IBB

As análises estatíticas aplicadas a quaisquer fenômenos espaciais procuram compreender como ocorrem a distribuição espacial destes, além de tentar interpretar seus padrões. A análise de padrões pontuais, foco deste trabalho, vai mostrar algumas técnicas que exploram o padrão pontual, em particular no estudo do estimador Kernel. O estimador de intensidade kernel e um dos métodos mais utilizados para uma rápida análise do padrão de distribuição espacial de uma variável, concentrando-se na localização de possíveis aglomerados. Para tanto, aplicou-se esse método a dois conjuntos de dados referentes a cidade de Rio Claro-SP: um os acidentes de trânsito que ocorreram na cidade e o outro sobre casos positivos de dengue. Uma comparação do desempenho do estimador com o ajuste de superfícies de tendências, para pequenos conjuntos de dados hipotéticos foi feita. Esta comparação não definiu exatamente uma melhor técnica, mas sugeriu que mais estudo sejam feitos. A técnica estimador Kernel foi satisfatória na obtenção de uma visão tridimensional da variação dos fenômenos, fornecendo aglomerados e focos mais precisos das ocorrências. Com isso, tem-se uma melhor visualização de locais para ações de prevenção, no caso de acidentes de trânsito e possíveis eliminações de criadouros do mosquito transmissor de dengue, no caso dos positivos para dengue

The statistical analysis applied to any spatial phenomena try to understand how the spatial distribution of these occur, and still try to interpret its patterns. The point pattern analysis, the focus of this work will show some techniques that explore the point pattern, particularly, in the study of the Kernel estimator. The kernel intensity estimator is one of the most commonly used methods for quick analysis of spatial distribution pattern of a variable, focusing on the location of possible clusters. To this end, we applied the technique to data from the city of Rio Claro-SP: a rst set is about tra c accidents that occurred in the city and the second is a set of data is about positive cases of dengue. A comparison of the performance of the estimator, adjusting for trend surfaces for small sets of hypothetical data was made. This comparison did not exactly established a better technique, but suggested that further study be made. The Kernel estimator technique was satisfactory in getting a view three dimensional of the variation of the phenomena, providing more accurate clusters and outbreaks of cases. Thus, we have a better view of local prevention, in the case of tra c accidents and possible elimination of mosquito breeding sites of dengue transmitter in the case of positive for dengue