Análise espectral singular robusta, classificação, redução de dimensão de dados funcionais com aplicações em mudanças climáticas e dados epidemiológicos

• Processo: 21/05136-4
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de setembro de 2021
• Data de Término da vigência: 31 de agosto de 2023
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
• Pesquisador responsável: Ronaldo Dias
• Beneficiário: Olushina Olawale Awe
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 18/04654-9 - Séries temporais, ondaletas e dados de alta dimensão, AP.TEM
• Assunto(s): Análise de séries temporais Análise de dados Mudança climática Epidemiologia Análise espectral Análise de componente principal BRICS
• Palavra(s)-Chave do Pesquisador: Análise de Dados Funcional | Modelos de Regressão não paramétrico para series temporais binárias | séries temporais multivariadas | Splines | Valores Singulares | Wavlets | Functional Data; Series Temporais Multivariadas, Agrupamento e classificação

Resumo

A previsão de séries temporais atingiu grandes dimensões de significância em gestão, planejamento e tomada de decisão para instituições governamentais, indústrias e negócios. No entanto, as implementações de previsões costumam ser limitadas devido a diversos fatores como complexidade dos dados, condições ambientais, variáveis econômicas, situações de risco, entre outros, que se originam de sistemas altamente dinâmicos; e, consequentemente, torna a análise de dados complexa, produzindo resultados imprecisos. Eu proponho uma nova pesquisa. A atividade cobrirá dois tópicos amplos que incluirão o estudo de análise espectral singular (SSA) e análise de componente principal (PCA) robusta para agrupamento/previsão de dados de alta dimensão, dados funcionais e grandes banco de dados, com diversas aplicações médicas e ambientais. Os dados seriam coletados especificamente para os países do BRICS e o uso de transformações wavelet como uma técnica de redução de dimensionalidade para permitir a busca de similaridade eficiente em séries temporais de alta dimensão. (AU)