As well known, Particulate matter (PM) is an air pollutant that causes damage to the health of humans, other animals, plants, affects the climate and is a potential cause of annoyance through deposition on various surfaces. The perceived annoyance caused by particulate matter is related mainly to the increase of settled dust in urban and residential environments. PM can originate from many sources, i.e., paved and unpaved roads, buildings, agricultural operations and wind erosion represent the largest contributions beyond the relatively minor vehicular and industrial sources emissions. The aim of this paper is to quantify the relationship between perceived annoyance and particulate matter concentration and to estimate the relative risk (RR). The data was collected in the Metropolitan Region of Vitoria (MRV), Brazil. For this purpose, the variables of interest were modelled using vector time series model (VAR), principal component analysis (PCA), and logistic regression (LOG). The combination of these techniques resulted in a hybrid model denoted as LOG-PCA-VAR which allows to estimate RR by handling multipollutant effects. This study shows that there is a strong association between the *Manuscript Click here to download Manuscript: Manuscripty REV OUT 2019.pdf Click here to view linked References 2 perceived annoyance and different sizes of PM. The estimates of RR indicate that an increase in air pollutant concentrations significantly contributes in increasing the probability of being annoyed.

O presente estudo tem como objetivo modelar através da distribuição de Gumbel para valores extremos, a precipitação máxima mensal, e analisar a precipitação acumulada mensal que atingiu o município de Vitória-ES no período de 1993 - 2012, como subsídio para a prevenção de desastres naturais deflagrados pelas precipitações extremas. Para estimar os parâmetros de locação e escala, foi utilizado o método da máxima verossimilhança e método dos momentos. Também foi aplicado o teste não paramétrico de Mann-Kendall sazonal para verificar a existência de tendência na série de precipitação acumulada mensal. Mediante aos resultados obtidos, não foi verificada a existência de tendência na série de precipitação acumulada mensal. Para as séries de precipitação máxima mensal, o estudo concluiu que os meses de janeiro a junho e de outubro a dezembro apresentam maior probabilidade de ocorrerem chuvas acima de100 mmdiários. Também, confirmou-se que o período mais chuvoso no município ocorre de outubro a março. Os dados de precipitação máxima mensal ajustaram-se  plausivelmente a distribuição de Gumbel.