Uso de métodos estatísticos robustos na análise ambiental

Abstract

Dados ambientais frequentemente apresentam valores censurados, perdidos e/ou discrepantes (outliers). Além disto, as amostras devem ser consideradas dependentes por terem componentes espaciais e temporais. Outro fato frequente nestes dados é que dificilmente seguem uma distribuição Normal ou Log-normal. Devido a estas características e outras, técnicas estatísticas convencionais não devem ser utilizadas. O presente trabalho apresenta um estudo de caso do rio das Velhas, Minas Gerais, utilizando métodos estatísticos robustos após o tratamento adequado dos dados. A análise de componentes principais detectou as variáveis que mais contribuem para a degradação da qualidade das águas do rio das Velhas e a visualização espacial dos escores mostrou onde esta contaminação está mais evidente.

Proposal of rainwater harvesting coefficient (RWHC) for determination of effectively usable rainfall depth, relevant to rainwater harvesting systems design

“…The software R presents a programming language and environment to make statistical procedures, allowing the insertion of logical commands, performing calculations and generating graphs. It is an open source software, with proven robust techniques for data analysis (SABINO et al, 2014;FIGUEIREDO;BLANCO, 2016).…”

Ocorrência de chumbo, cromo e mercúrio em mananciais de abastecimento e em água de consumo humano no Brasil

“…Para avaliar a distribuição espacial da detecção de chumbo, cromo e mercúrio nos mananciais de abastecimento e nas águas potáveis do Brasil, foram determinados valores de referência para concentração dos metais em cada município do Brasil, utilizando-se o percentil 95% das distribuições de dados detectados -distribuição formada por dados quantificados e dados reportados como <LQ (menor que o limite de quantificação do método analítico). Os dados não quantificados, ou seja, <LQ, foram substituídos por metade do valor de seu limite de quantificação (Sanford et al, 1993;Sabino et al, 2014;Oliveira et al, 2014). Com base nesses valores de referência, a partir do ArcGIS 10.5 foram construídos mapas de ocorrência de cada metal nas diferentes matrizes.…”

Variabilidade Espacial E Análise Multivariada Dos Atributos Físicos Do Solo Em Uma Microbacia Do Rio Pandeiros

“…A análise multivariada dos dados indicou que o componente principais 1 (CP1) e 2 (CP2) explicaram respectivamente 91,51% e 4,21% da variabilidade dos dados da microbacia, ou seja, 95,72% da variabilidade acumulada dos atributos avaliados. Segundo Sabino et al (2014) a análise de componentes principais é a técnica multivariada mais utilizada para explorar, interpretar e reduzir os dados, sem que haja perda de informação. Neste caso, os autovalores, autovetores e matrizes de correlação e covariância são determinados por cálculos robustos não sujeitos à influência de outliers, os componentes principais (CP) obtidos constituem as novas variáveis respostas e são utilizadas nas análises subsequentes do estudo de modo que a interpretação de cada CP é baseada nas variáveis que mais contribuem para a CP.…”