Detecção de outliers em séries espaço-temporais: análise de precipitação em Minas Gerais

• Ano de defesa: 2012
• Autor(a) principal: Silva, Alyne Neves
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; BR; Estatística Aplicada e Biometria; Mestrado em Estatística Aplicada e Biometria; UFV
• Palavras-chave em Português: Inconsistências; ARIMA; Autovalidação; Outliers; Inconsistencies; self-validation; CNPQ::CIENCIAS AGRARIAS
• Link de acesso: http://locus.ufv.br/handle/123456789/4061

Séries temporais são algumas vezes influenciadas por interrupções de eventos, tais como greves, eclosão de guerras, entre outras. Estas interrupções originam observações atípicas ou outliers que influenciam diretamente na homogeneidade da série, ocasionando interpretações e inferências errôneas da variável sob estudo, sendo muito comum em dados climatológicos. Assim, com o interesse de detectar outliers em séries temporais de precipitação, o presente trabalho teve por objetivo estabelecer um método de detecção outliers. Para tal, realizou-se a junção da modelagem ARIMA e de uma das metodologias clássicas de geoestatística, a autovalidação. O critério proposto compara os resíduos da análise de séries temporais com intervalos de confiança dos resíduos da autovalidação. Foram analisadas séries temporais da precipitação média mensal por dias chuvosos de 43 estações pluviométricas localizadas no estado de Minas Gerais, entre os anos de 2000 a 2005. Os procedimentos de análise vão da descrição da periodicidade por meio do periodograma até a obtenção da autovalidação, à partir da estimação dos modelos de semivariograma pelos métodos de mínimos quadrados ordinários e máxima verossimilhança. Pelos resultados, para o período sob estudo, foram detectado 165 outliers, espalhados entre as 43 estações pluviométricas. A estação Fazenda Campo Grande, localizada no município de Passa Tempo, foi a estação em que se registrou o maior número de outliers, 45 no total. Conforme os resultados obtidos considerou-se o método proposto muito eficiente na detecção de outliers e, consequentemente, na análise da homogeneidade das observações.