Navegando por Autor "Barros, Talita Viviane Siqueira de"
Agora exibindo 1 - 4 de 4
- Resultados por página
- Opções de Ordenação
TCC Avaliação da idade das mães dos nascidos vivos da cidade do Natal/RN, através de um modelo de série temporais para valores inteiros.(Universidade Federal do Rio Grande do Norte, 2022-11-09) Reis, Erika Fernanda Cavalcante; Morales, Fidel Ernesto Castro; http://lattes.cnpq.br/8552159154343151; http://lattes.cnpq.br/3967265191008588; Barros, Talita Viviane Siqueira de; http://lattes.cnpq.br/1805222607099391; Silva Junior, Antonio Hermes Marques da; http://lattes.cnpq.br/9570950627171584A necessidade de se preparar para o futuro atinge diversos níveis, tanto individuais quanto corporativos. A análise de séries temporais é uma importante ferramenta, pois, por estudos de séries temporais é possível inferir acontecimentos futuros. Usualmente, a maioria dessas análises são realizadas com números reais. Porém, existem diversos casos que precisam de análise para números naturais e isto corrobora para a crescente busca de análise de números inteiros. Com base nisto, este trabalho realizará análises estatísticas utilizando o processo POMINAR que é um caso específico no modelo para números inteiros INAR(p). Também serão encontrados modelos de predição, para determinar a quantidade de nascidos vivos na cidade do Natal-RN para anos futuros, utilizando dados do SINASC (Sistema de Informações sobre Nascidos), por meio do DATASUS (Departamento de Informática do Sistema Único de Saúde) que foi desenvolvido pela DATAPREV (Empresa de Tecnologia e Informação da Previdência Social). Serão utilizados dados mensais dos anos de 1994 a 2019. Será feita ainda uma comparação de dados preditos pelos modelos encontrados com os dados reais, obtidos no ano de 2020.Dissertação Dengue em Natal/RN: uma análise do período 2000-2016 via séries temporais(2019-11-29) Barros, Talita Viviane Siqueira de; Vivacqua, Carla Almeida; ; ; Pereira, Marcelo Bourguignon; ; Andrade, Bernardo Borba de;A dengue é uma doença infecciosa transmitida pelo mosquito Aedes aegypti. Este vetor transmite também a chikungunya, zika e febre amarela. Em 2019, a Organização Mundial de Saúde (OMS) estabeleceu o combate à dengue como uma das dez prioridades para esse ano. Estima-se que quase metade da população mundial está em risco de infecção pela dengue. Frente ao exposto, este trabalho tem o intuito de analisar dados de casos notificados de dengue entre os anos de 2000 e 2016, obtidos junto ao Centro de Controle de Zoonoses (CCZ) da cidade de Natal/RN, via séries temporais. Em Natal-RN desde 2000 ocorrem surtos de dengue, implicando na existência de possíveis observações atípicas (denotadas neste trabalho por outliers) na série histórica. Além disso, em 2015 ocorreu um surto de zika e por possuir sintomas semelhantes, casos podem ter sido notificados como dengue. Assim, busca-se uma modelagem que considera a informação de possíveis mudanças de comportamento e existência de outliers através da análise de intervenção. Foram utilizados também os métodos de suavização exponencial simples, de Holt e de Holt Winters, bem como o modelo ARIMAX com variáveis exógenas climáticas. Modelos são comparados utilizando a raiz do erro médio quadrático (rEMQ) e do erro absoluto médio (EAM) de previsões para as 37 primeiras semanas de 2017. O modelo GARCH foi utilizado para estimar a volatilidade da série.TCC Uma introdução à análise de sobrevivência com fração de cura(Estatística, 2014-06-18) Barros, Talita Viviane Siqueira de; Valença, Dione MariaTCC Modelagem e Previsão do Número de Casos de Covid-19 Utilizando Aprendizagem de Máquina(Universidade Federal do Rio Grande do Norte, 2022-07-14) Soares, Raianny da Silva; Nunes, Marcus Alexandre; http://lattes.cnpq.br/2698100541879707; Pinho, André Luís Santos de; http://lattes.cnpq.br/7753762932186347; Barros, Talita Viviane Siqueira de; http://lattes.cnpq.br/1805222607099391O principal objetivo desse trabalho se relaciona com o fato de não haver um método oficial para a previsão do número de casos de Coronavírus (COVID-19) oferecido pelo governo federal brasileiro. Apesar da disponibilidade atual de tecnologia e de métodos de modelagem, não existe uma maneira oficial de estimar o número de casos futuros da doença no país. Isso evita que maiores preparos e disponibilização de recursos para melhores condições de atendimento aos cidadãos e o combate ao vírus sejam implementados. Este trabalho se propõe a aplicar um método de previsão de novos casos da doença, utilizando dados passados. A técnica de modelagem a ser empregada se chama Random Forest, um método de aprendizagem de máquina capaz de trabalhar com problemas de classificação e regressão lineares e não-lineares. A fim de prever o número futuro de casos de Covid-19, utilizamos o volume de pesquisa relativo dos principais sintomas fornecidos da doença pelo Google Trends. Acreditamos que uma maior procura direta desses sintomas pelos usuários do Google aumentaria o número de casos de Covid-19 nos dias posteriores. Entretanto, o resultado do modelo utilizando as informações do Google Trends não resultou em um modelo útil para previsão. Ao utilizar como variável preditora o próprio número de casos registrados, mas defasados em 7 dias, obtivemos um resultado bastante satisfatório, no qual o modelo conseguiu explicar 95,9% da variância da variável resposta.