Montgomery, DC, Jennings, CL e Colacci, M. Introdução à análise e previsão de séries temporais (Wiley, 2015).
Google Scholar
Natal, 7º Gu. Sobre o método de estudo de periodicidades em séries turbulentas, com especial referência aos números de manchas solares de Wolfer. Filós. através da. R. Meia. Lund. A Série A contém. porta. matemática. Física. uma personalidade 226(636-646), 267-298 (1927).
Google Scholar
Holt, C. Previsão de estações e tendências através de médias ponderadas exponencialmente (Memorando ONR No. 52). Vol. 10 (Instituto Carnegie de Tecnologia, 1957).
Brown, RJ Previsão estatística para controle de estoque (McGraw/Hill, 1959).
Google Scholar
Winters, P. R. Previsão de vendas por meio de médias móveis ponderadas exponencialmente. Gerencia. Ficção científica. 6(3), 324-342 (1960).
Google Scholar
Caixa, J. e Jenkins, J. Ele controla (Dia de Halden, 1970).
Google Scholar
Samuel, AL Alguns estudos em aprendizado de máquina usando damas. IBM J.Res. Dave. 3(3), 210-229 (1959).
Google Scholar
Kalman, R. E. e outros. Contribuições para a teoria de controle ótimo. urina. SOC. esteira. mexicana 5(2), 102-119 (1960).
Google Scholar
Hyndman, RJ e Athanasopoulos, J. Previsão: princípios e prática (Textos, 2018).
Google Scholar
Lee, TC, Dean, C. & Semenciw, R. Previsões de mortalidade por câncer de curto prazo: um estudo comparativo de métodos de previsão. Estatisticas. Med. 30(29), 3387-3402 (2011).
Google Scholar
Trachsel, P., Rawson, V., Bulliard, J.-L. & Locatelli, I. Comparação de modelos estatísticos para prever a incidência de câncer padronizada por idade na Suíça. Um dia. C. 652200046 (2023).
Google Scholar
Chand, R., Rao, D. K., Tekabu, T. & Khan, M. G. Modelagem da incidência de câncer de mama em Fiji. em 2018 5ª Conferência Mundial Ásia-Pacífico sobre Ciência da Computação e Engenharia (APWC on CSE) 283-290 (IEEE, 2018).
Lin, H., Shi, L., Zhang, J., Zhang, J. & Zhang, C. Características epidemiológicas e preditores de incidência de pacientes com câncer de mama em Shantou, Sul da China: 2006-2017. Medicina contra o câncer. 10(8), 2904–2913 (2021).
Google Scholar
Soltani, M., Farahmand, M. & Pourghaderi, A. R. Previsão de demanda baseada em aprendizado de máquina em hospitalização domiciliar para cuidados paliativos de câncer. J Biomédica. Diz. 130104075 (2022).
Google Scholar
Alrobai, A., & Jilani, M. Previsão de incidência de câncer usando um modelo híbrido de transformada wavelet e redes lstm. em Avanços em Ciência de Dados, Segurança Cibernética e Aplicações de TI: 1ª Conferência Internacional sobre Computação, ICC 2019, Riade, Arábia Saudita, 10-12 de dezembro de 2019, Anais, Parte 1 1 224-235 (Springer, 2019).
Lazam, NM, Shair, SN, Asmuni, NH, Jamaludin, A., & Yusri, AA Prevendo taxas de incidência dos três maiores tipos de câncer na Malásia, em Anais da Conferência AIP, vol. 2500, 020052 (AIP Publishing LLC, 2023).
Tudor, C. Uma nova abordagem para modelar e prever taxas de incidência e mortalidade por câncer por meio de consultas na web e algoritmos de previsão automatizados: evidências da Romênia. biologia 11(6), 857 (2022).
Google Scholar
Yasmeen, F. & Zaheer, S. Modelos funcionais de séries temporais para estimar futuras taxas de incidência de câncer de mama específicas por idade para mulheres em Karachi, Paquistão. J. Ciências da Saúde. 2(5), 213-21 (2014).
Google Scholar
Xie, L. Análise de séries temporais e previsão de taxas de incidência de câncer. J Med. Descoberta 2(3), 1-10 (2017).
Google Scholar
Dalabanjan, MS, & Agrawal, P. Predição de taxas de câncer de pulmão ajustadas por idade em Mumbai ajustando modelos ARIMA. em ICDSMLA 2020: Anais da 2ª Conferência Internacional sobre Ciência de Dados, Aprendizado de Máquina e Aplicações1181-1194 (Springer, 2022).
Instituto Nacional do Câncer José Alencar Gómez da Silva/Secretaria de Saúde: Atlas dos Mortos online. Acessado em 7 de julho de 2023 https://www.inca.gov.br/MortalidadeWeb/pages/Modelo10/consultar.xhtml;jsessionid=289C9A6D91A1BFCEA8FDD2CDAE2A81A7 (2023)
Instituto Brasileiro de Geografia e Estatística – IBGE: Censo Demográfico. https://www.ibge.gov.br/pt/statistics/social/labor/22836-2022-censo-3.htmlBrasil. [Online; accessed 7-July-2023] (2023)
Black, R., Bray, F., Ferlay, J. & Parkin, D. Incidência e mortalidade por câncer na União Europeia: dados de registro de câncer e estimativas de incidência nacional para 1990. euro. câncer 33(7), 1075-1107 (1997).
Google Scholar
Fairley, J. e outros. Padrões de incidência e mortalidade por cancro na Europa: estimativas para 40 países em 2012. euro. câncer 49(6), 1374-1403 (2013).
Google Scholar
Fairley, J. e outros. Estimativa da incidência e mortalidade global por câncer em 2018: fontes e métodos globocanos. Internacional câncer 144(8), 1941-1953 (2019).
Google Scholar
Hyndman, RJ & Khandakar, Y. Previsão automática de séries temporais: o pacote de previsão para r. JStat. suave w. 271-22 (2008).
Google Scholar
Petris, G. O pacote r para modelos lineares dinâmicos. JStat. suave w. 361-16 (2010).
Google Scholar
Korentzis, N. Nefor: Previsão de séries temporais usando redes neurais (2022). Pacote R versão 0.9.8. https://CRAN.R-project.org/package=nnfor
Equipe principal R. R: Uma linguagem e ambiente para computação estatística (R Foundation for Statistical Computing, 2022). https://www.R-project.org/
Couto, F.. e Despande, B. Previsão de séries temporais. Ciência de dados 395-445 (Elsevier, 2019).
Google Scholar
Haykin, S. Filtragem de Kalman e redes neurais Vol. 47 (Wiley, 2004).
Google Scholar
De Livera, AM, Hyndman, RJ & Snyder, RD Previsão de séries temporais com padrões sazonais complexos usando suavização exponencial. C. SOU. Estatisticas. assistente. 106(496), 1513-1527 (2011).
Google Scholar
Korentzis, N., Barrow, D. K. e Krohn, S. F. Conjunto de operadores de redes neurais para previsão de séries temporais. Sistema inteligente. aplicativo. 41(9), 4235-4244 (2014).
Google Scholar
Shapiro, SS & Wilk, MB Teste de análise de variância para normalidade (amostras completas). Biometria 52(3/4), 591-611 (1965).
Google Scholar
Box, GE & Pierce, DA A distribuição de autocorrelações residuais em modelos autoregressivos integrados de séries temporais de média móvel. C. SOU. Estatisticas. assistente. 65(332), 1509–1526 (1970).
Google Scholar
Pagão, M. Estimativa de modelos de sinais autoregressivos mais ruído branco. que. Estatisticas. 299-108 (1974).
Google Scholar
Ljung, GM & Box, GE Sobre a medição do desajuste em modelos de séries temporais. Biometria 65(2), 297-303 (1978).
Google Scholar
Bagchi, P., Characiejus, V. & Dette, H. Um teste simples para ruído branco em séries temporais funcionais. Hora J, senhor. anal. 39(1), 54-74 (2018).
Google Scholar
Chen, Y.-C. e outros. Projeções de ajuste futuro das tendências de incidência de câncer de mama em mulheres em Taiwan: uma análise de coorte por período etário. Ficção científica. representante. 12(1), 12481 (2022).
Google Scholar
Hsiao, B.-Y. e outros. Previsão coletiva da tendência cada vez menor na incidência de câncer de bexiga em Taiwan. Ficção científica. representante. 11(1), 8373 (2021).
Google Scholar
Guo, H. e outros. Um estudo de série temporal sobre os efeitos da temperatura média diária na mortalidade por doenças respiratórias e circulatórias: um estudo de caso na cidade de Mianyang. BMC Saúde Pública 22(1), 1001 (2022).
Google Scholar
Lou, L. e outros. Análise de série temporal da dengue e do clima em Guangzhou, China. BMC Saúde Pública 91-5 (2009).
Google Scholar
Reyes-Urueña, J.M., Olalla, PGD, Perez-Hoyos, S. & Caylà, J.A. Análise de série temporal comparando a notificação obrigatória e voluntária de novos casos de HIV diagnosticados em uma cidade com epidemia concentrada. BMC Saúde Pública 13(1), 1-8 (2013).
Google Scholar
Yokoyama, S. e outros. A regularidade diária e a mudança diária de atividade física reduzem os comportamentos relacionados à depressão: uma análise de série temporal de dados de dispositivos vestíveis. BMC Saúde Pública 23(1), 1-9 (2023).
Google Scholar
Sowe, A., Namatovu, F., Cham, B. & Gustafsson, P. E. O efeito de uma intervenção de monitoramento de desempenho no momento da vacinação com dose ao nascimento contra a hepatite B na Gâmbia: uma análise de série temporal interrompida censurada. BMC Saúde Pública 23(1), 1-11 (2023).
Google Scholar
Zhou, G. e outros. Associação entre temperatura ambiente e mortalidade por doença coronavírus 2019 (COVID-19) em Wuhan, China: uma análise de série temporal. BMC Saúde Pública 211-10 (2021).
Google Scholar
Lu, J. e outros. Os níveis de poluição atmosférica a longo prazo modificam as relações entre a exposição a curto prazo a factores meteorológicos, a poluição atmosférica e a incidência de doenças mão-pé-boca em crianças: um estudo de série temporal multi-cidades baseado em DLNM na província de Sichuan, China. BMC Saúde Pública 22(1), 1484 (2022).
Google Scholar
“Comunicador. Ávido fanático pela web. Profissional de álcool. Organizador premiado. Defensor do bacon.”