<div dir="ltr">Caros,<br><br>Na próxima sexta-feira (<i><font color="#ff0000">27 de maio</font></i>, às <i><font color="#ff0000">13:30h</font></i>) o ciclo de Seminários do <i>Departamento de Estatística da UFMG</i> terá a apresentação de <b>Alessandro J. Q. Sarnaglia</b>.<br><br>Alessandro é professor do Departamento de Estatística da UFES e obteve o grau de Doutor em Estatística pela UFMG. Suas principais áreas de pesquisa são séries temporais e regressão.<br><br>O seminário será transmitido ao vivo pelo canal do Youtube "<a href="https://www.youtube.com/channel/UCoZC2_pME9ca_-Hx4djd60w" target="_blank">Seminários DEST - UFMG</a>".<br><br>At.te,<br>Vinícius Mayrink<br><br><b>********** Título e Resumo **********<br></b><br>Alessandro J. Q. Sarnaglia (Departamento de Estatística, UFES)<br><br><i>Regressão segmentada com abordagem Bayesiana para dados de contagem: Aplicação para estimação do limiar crítico de poluição do ar em admissões hospitalares.<br></i><br>A poluição do ar é um problema enfrentado em várias partes do mundo. Em especial, como demonstrado por vários estudos, o material particulado com diâmetro inferior a 10 µm (PM10) é considerado um dos poluentes mais danosos à saúde. Do ponto de vista de saúde pública, frequentemente, esse impacto é investigado por meio do estudo do efeito da concentração do PM10 no número de internações hospitalares. Nesse sentido, o objetivo central deste trabalho é realizar uma análise com foco em determinar a partir de qual nível de concentração de PM10 crianças com 10 anos ou menos ficariam mais vulneráveis gerando, como consequência, um aumento no número de admissões hospitalares por fatores respiratórios. Para alcançar este objetivo, faremos uso de modelagem de regressão segmentada sob o ponto de vista bayesiano. Como já pontuado na literatura, a verossimilhança nesse caso acaba não sendo diferenciável no ponto de quebra, o que se torna um desafio para métodos que fazem uso de derivadas. Nesse sentido, propomos a utilização da aproximação de Laplace para amostrar da distribuição a posteriori, recorrendo a uma reparametrização do modelo e a métodos bootstrap para especificação da matriz de covariâncias utilizada nessa aproximação. Através de um estudo de simulação, comparamos esse método a diferentes procedimentos já existentes na literatura, a fim de analisar a acurácia das estimativas e o tempo computacional de execução. Por meio dos resultados obtidos, concluímos que a metodologia proposta apresenta resultados superiores às metodologias existentes, já que a mesma obteve probabilidades de cobertura maiores se aproximando mais do valor de 95% de nível de confiança, além de apresentar maior precisão com as amplitudes dos intervalos sendo menores. Por fim, aplicamos essa metodologia para estudar o efeito do PM10 e de variáveis meteorológicas no número de internações diárias por causas respiratórias em um hospital do Espírito Santo, Brasil.  Como resultado, identificamos que o valor do limiar crítico do poluente  PM10 que acarretaria o aumento no número de internações infantis é em torno de 34 µg/m³, que está abaixo do referencial de 50 µg/m³ estipulado pela Organização Mundial da Saúde (OMS). Resultado similar foi previamente obtido por Sarnaglia et al. (2021) sob o ponto de vista frequentista.<br clear="all"><div><br></div>-- <br><div dir="ltr" class="gmail_signature" data-smartmail="gmail_signature"><div dir="ltr"><div dir="ltr"><div dir="ltr"><i><font color="#999999">Vinícius D. Mayrink</font></i><div><i><font color="#999999">Professor Associado - Departamento de Estatística</font></i></div><div><i><font color="#999999">ICEx, Universidade Federal de Minas Gerais<br></font></i></div></div></div></div></div></div>