Orientador: Armando Mario Infante

Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Ciencia da Computação

Resurno: Neste trabalho o Planejamento de Experimentos Otimais é utilizado como metodologia para definir a localização ótima de novas estações de mensuração da poluição em rede fixa que necessita ser expandida ou contraída. Primeiramente é considerado o Modelo A de regressão para representar a...

Resurno: Neste trabalho o Planejamento de Experimentos Otimais é utilizado como metodologia para definir a localização ótima de novas estações de mensuração da poluição em rede fixa que necessita ser expandida ou contraída. Primeiramente é considerado o Modelo A de regressão para representar a relação entre a concentração do poluente e as coordenadas geográficas das estações da rede. O mesmo não se mostra adequado para dados ambientais que exibem, em geral, correlações espaciais e temporais. O Modelo B de regressão com coeficientes aleatórios é considerado para absorver as dependências entre as medidas realizadas. A estimação e predição dos parâmetros neste modelo é abordada em três níveis de conhecimento da' distribuição dos parâmetros. Em seguida, o critério da D-otimalidade é introduzido para avaliar a localização das redes nos dois casos. O Teorema Geral da Equivalência de Whittle é utilizado para encontrar taxas maximais de crescimento para os três casos tratados. A minimização dessas taxas maxÍmais permitirá obter os planos D-otimais nos casos de conhecimento parcial e desconhecimento total da distribuição dos parâmetros aleatórios. No entanto, para o caso de total conhecimento, as condições impostas pelo referido teorema não são atendidas. O algo ritmo DETMAX (Mitchell, 1974) é aqui utilizado para a busca de planos D-otimais. Dados apresentados na literatura por Cressie et aI. (1990) e dados correspondentes aos níveis de poeiras sedimentáveis, obtidos na rede de estações na cidade de Fortaleza são utilizados para ilustrar os resultados teóricos. Concluímos que o modelo de coeficientes aleatórios é mais adequado à situação aqui considerada. Porém a utilidade dos métodos de localização ótima depende fortemente da quantidade de dados disponíveis para determinar os níveis de conhecimento da distribuição dos parâmetros aleatórios.

Abstract: Optimal experiments designs are used in this work to define the optimal siting of a network of new pollution-measuring stations, to be contracted or expanded. Firstly we consider a regression model (called Model A) to represent the relationship between measured concentrations and...

Abstract: Optimal experiments designs are used in this work to define the optimal siting of a network of new pollution-measuring stations, to be contracted or expanded. Firstly we consider a regression model (called Model A) to represent the relationship between measured concentrations and geographic coordinates. Model A shows itself as inadequate for environmental data, which exhibit spatial and time correlations. A random regression coefficient model (called Model'B) was next considered to describe the statistical dependence between pollutant concentrations. Parameter estimation and prediction are discussed for this model under three different knowledge levels on the parameter distribution. Next, the D-optimality. criterion is introduced to locate pollution - measuring networks in both models. Whittles's (1973) general equivalence theorem is applied to maximize growth rates provides corresponding to the determinant of the precision matrices for the three knowledge levels. Minimization of these growth rates provides D-optimal plans under the partial knowledge and 110 knowledge hypotheses on the random parameter distribution. The conditions of the theorem are not fulfilled under the full knowledge hypotheses. Mitchell's (1974) DETMAX algorithm is used to generate D-optimal designs. Data by Cressie et ai. (1990) and particulate matter data for the city of Fortaleza are used to illustrate the results. We conclude that the random coefficient mode! seems to be more adequate; the utility of the optimum siting depends however on data determining knowledge levels on the random parameter distribution.