Dados composicionais são vetores, chamados de composições, cujos componentes são todos positivos, satisfazem a soma igual a 1 e possuem um espaço amostral próprio chamado Simplex. A restrição da soma induz a correlação entre os componentes. Isso exige que os métodos estatísticos para análise desses conjuntos de dados considerem esse fato. A teoria para dados composicionais foi desenvolvida inicialmente por Aitchison na década de 80. Desde então, várias técnicas e métodos têm sido desenvolvidos para a modelagem dos dados composicionais. Este trabalho apresenta as principais abordagens para a análise estatística de dados composicionais independentes. Sendo, regressão Dirichlet (distribuição natural aos dados composicionais) ou o uso de transformações em razões logarítmicas que saem do espaço simplex para o espaço real. Também descreve os métodos para os casos em que a suposição de independência não pode ser atendida. Por exemplo, dados composionais com dependência espacial. Para esses casos, há na literatura métodos baseados nas teorias desenvolvidas para análise geoestatística de dados univariados; ou, no uso de transformações em razões logarítmicas com a inclusão da dependência espacial. Além de revisitar os métodos já difundidos, propõe-se o uso do método de Equações de Estimação Generalizadas (EEG) como alternativa para a análise de dados composicionais independentes e com dependência espacial. A principal vantagem é que as equações de estimação necessitam apenas da especificação de funções que descrevam a média e a estrutura de covariância. Assim, não é necessário atribuir uma distribuição de probabilidade aos dados ou fazer o uso de transformações. A aplicação do método EEG para dados composicionais independentes apresentou resultados tão eficientes quanto a regressão Dirichlet ou transformação em razões logarítmicas. Para os dados composicionais com dependência espacial, o método baseado em verossimilhança foi o que apresentou valores preditos mais próximos aos valores reais. O método EEG foi mais eficaz do que a abordagem geoestatística dos componentes individuais, porém, comparado com os demais métodos, foi o que apresentou maior valor residual. / C ompositional data are vectors, called compositions, whose components are all positive, it satisfies the sum equal one and has a Simplex space. The sum constraint induces the correlation between the components and this requires that the statistical methods for the analysis of datasets consider this fact. The theory for compositional data was developed mainly by Aitchison in the 1980s, and since then, several techniques and methods have been developed for compositional data modelling. This work presents the main approaches for the statistical analysis of independent compositional data, such as Dirichlet regression (natural distribution to compositional data) or the use of transformations log-ratios that aim to leave the simplex space for to Euclidean space. Also describes the methods for cases where the assumption of independence cannot be satisfied, for example, spatial dependence compositional data. For these cases, there are in the literature methods of analysis based on the theories developed for univariate geostatistics analysis or use of logratios transformations with the inclusion of the spatial dependence generated by the distance between the points. In addition, to revisiting the already diffused methods, this work propose the use of the Generalized Estimation Equation (GEE) method as an alternative for the analysis of independent compositional data and with spatial dependence. The GEE only requires the specification of functions that describe the mean and correlation matrix (covariance structure, therefore, it is not necessary to assign a probability distribution to the data or transformations. The application of the GEE method for independent compositional data presented results as efficient as Dirichlet regression or log-ratios transformation. Compositional data with spatial dependence, log-ratios transformations presented predicted values close to the real values. GEE method was more effective than the traditional geostatistical approach, however, compared with the other methods, It was the one that presented the high residual values.

Dados composicionais são vetores, chamados de composições, cujos componentes são todos positivos, satisfazem a soma igual a 1 e possuem um espaço amostral próprio chamado Simplex. A restrição da soma induz a correlação entre os componentes. Isso exige que os métodos estatísticos para análise desses conjuntos de dados considerem esse fato. A teoria para dados composicionais foi desenvolvida inicialmente por Aitchison na década de 80. Desde então, várias técnicas e métodos têm sido desenvolvidos para a modelagem dos dados composicionais. Este trabalho apresenta as principais abordagens para a análise estatística de dados composicionais independentes. Sendo, regressão Dirichlet (distribuição natural aos dados composicionais) ou o uso de transformações em razões logarítmicas que saem do espaço simplex para o espaço real. Também descreve os métodos para os casos em que a suposição de independência não pode ser atendida. Por exemplo, dados composionais com dependência espacial. Para esses casos, há na literatura métodos baseados nas teorias desenvolvidas para análise geoestatística de dados univariados; ou, no uso de transformações em razões logarítmicas com a inclusão da dependência espacial. Além de revisitar os métodos já difundidos, propõe-se o uso do método de Equações de Estimação Generalizadas (EEG) como alternativa para a análise de dados composicionais independentes e com dependência espacial. A principal vantagem é que as equações de estimação necessitam apenas da especificação de funções que descrevam a média e a estrutura de covariância. Assim, não é necessário atribuir uma distribuição de probabilidade aos dados ou fazer o uso de transformações. A aplicação do método EEG para dados composicionais independentes apresentou resultados tão eficientes quanto a regressão Dirichlet ou transformação em razões logarítmicas. Para os dados composicionais com dependência espacial, o método baseado em verossimilhança foi o que apresentou valores preditos mais próximos aos valores reais. O método EEG foi mais eficaz do que a abordagem geoestatística dos componentes individuais, porém, comparado com os demais métodos, foi o que apresentou maior valor residual. / C ompositional data are vectors, called compositions, whose components are all positive, it satisfies the sum equal one and has a Simplex space. The sum constraint induces the correlation between the components and this requires that the statistical methods for the analysis of datasets consider this fact. The theory for compositional data was developed mainly by Aitchison in the 1980s, and since then, several techniques and methods have been developed for compositional data modelling. This work presents the main approaches for the statistical analysis of independent compositional data, such as Dirichlet regression (natural distribution to compositional data) or the use of transformations log-ratios that aim to leave the simplex space for to Euclidean space. Also describes the methods for cases where the assumption of independence cannot be satisfied, for example, spatial dependence compositional data. For these cases, there are in the literature methods of analysis based on the theories developed for univariate geostatistics analysis or use of logratios transformations with the inclusion of the spatial dependence generated by the distance between the points. In addition, to revisiting the already diffused methods, this work propose the use of the Generalized Estimation Equation (GEE) method as an alternative for the analysis of independent compositional data and with spatial dependence. The GEE only requires the specification of functions that describe the mean and correlation matrix (covariance structure, therefore, it is not necessary to assign a probability distribution to the data or transformations. The application of the GEE method for independent compositional data presented results as efficient as Dirichlet regression or log-ratios transformation. Compositional data with spatial dependence, log-ratios transformations presented predicted values close to the real values. GEE method was more effective than the traditional geostatistical approach, however, compared with the other methods, It was the one that presented the high residual values.

La anemia en gestantes es un problema de salud pública importante a nivel mundial. Según la prevalencia registrada, en Perú persiste como un problema moderado. La pobre adherencia a la suplementación oral de hierro es una de las principales barreras para la efectividad de esta intervención. El objetivo del presente estudio fue determinar la variación de la adherencia a la suplementación oral de hierro en el tiempo y los factores asociados a esta. Para ello, se reanalizó la base de datos de la vigilancia centinela: “Estudio de adherencia a la suplementación con Hierro durante la gestación en las direcciones de salud de Apurímac y Ayacucho” de la Dirección General de Epidemiología (DGE), el cual tuvo un diseño de cohorte prospectiva longitudinal. Se realizó un análisis descriptivo de las 416 gestantes registradas y un análisis bivariado y multivariado en base a 376 gestantes. Se identificaron las variables sociodemográficas, gestacionales, relacionadas a la suplementación en el embarazo anterior y actual. Para el análisis de los factores asociados a la adherencia se usó el modelo GEE. En la segunda y tercera visita de seguimiento la adherencia incrementó en 4% y 8%, mientras que en la quinta y sexta, se redujo en 8% y 20,6%, respectivamente. Los factores que redujeron la adherencia fueron: falla en la dispensación (25, 3%), náuseas (9,5%), interacción de náuseas y vómitos (13,5%), y no le cae bien el suplemento (11%). En conclusión, la adherencia disminuye con el tiempo y los factores relacionados al suplemento y la falla en la distribución se relacionan a la reducción de esta / Anemia in pregnant women is a major public health problem worldwide. According to the registered prevalence, in Peru it persists as a moderate problem. Poor adherence to oral iron supplementation is one of the main barriers to the effectiveness of this intervention. The aim of this study was to determine the variation in adherence to oral iron supplements over time and the factors associated with it. To do this, the sentinel surveillance database of the "Study of Adherence to Iron Supplementation During Pregnancy in the Health Directions of Apurimac and Ayacucho", of general directorate of epidemiology (DGE), a longitudinal prospective cohort, was reanalyzed. A descriptive analysis of the 416 registered pregnant women and a bivariate and multivariate analysis based on 376 pregnant women was carried out. Sociodemographic, gestational, supplementation in the previous and current pregnancy variables were identified. For the analysis of the factors associated with adherence, the GEE model was used. At the second and third follow-up visit, adherence increased by 4% and 8%, while at the fifth and sixth, it decreased by 8% and 20,6%, respectively. The factors that reduced adherence were: dispensing failure (25,3%), nausea (9,5%), interaction of nausea and vomiting (13,5%), and did not like the supplement (11%). In conclusion, adherence decreases with time and the factors related to the supplement and the failure in the distribution are related to its reduction. / Tesis