As quest˜oes relativas `a qualidade do ar tˆem se tornado cada vez mais importantes, uma vez que
v´arios problemas de sa´ude decorrem da poluic¸ ˜ao atmosf´erica. Al´em disso, a poluic¸ ˜ao do ar contribui
para a degradac¸ ˜ao do meio ambiente e, consequentemente, para o agravamento do efeito
estufa. Dessa forma, diversos estudos adotando t´ecnicas estat´ısticas tˆem sido realizados, com o
intuito de contribuir na tomada de decis˜oes dos agentes p´ublicos e privados no que diz respeito
ao combate `a poluic¸ ˜ao, `a prevenc¸ ˜ao de altas concentrac¸ ˜oes e `a formulac¸ ˜ao de legislac¸ ˜oes para
esse fim. Uma das metodologias estat´ısticas adotadas ´e a an´alise de componentes principais
(ACP) cl´assica, sendo a mesma utilizada para o redimensionamento de rede, em an´alises de
cluster, em an´alise de regress˜ao, entre outros. No entanto, observa-se que, entre os estudos
que tˆem adotado a ACP cl´assica, uma caracter´ıstica comum ´e negligenciar a heteroscedasticidade
condicional e/ou a presenc¸a de outliers aditivos, que pode levar `a resultados esp´urios
(enganosos), uma vez que a matriz de autocovariˆancia estimada pode ser viesada (estimada incorretamente).
Nota-se que as s´eries temporais relacionadas `a poluic¸ ˜ao atmosf´erica tendem `a
apresentar heteroscedasticidade condicional e outliers aditivos. Assim, o primeiro artigo desta
tese propˆos aplicar um filtro multivariado VARFIMA-GARCH aos dados originais e utilizar a
ACP cl´assica sobre os res´ıduos do modelo VARFIMA-GARCH. Com esse modelo, buscou-se
filtrar, al´em da volatilidade, a correlac¸ ˜ao temporal e o comportamento de mem´oria longa. A
aplicac¸ ˜ao da ACP sobre os res´ıduos do modelo VARFIMA-GARCH mostrou-se mais coerente
com as caracter´ısticas ambientais da Regi˜ao da Grande Vit´oria (RGV), Esp´ırito Santo, Brasil,
do que a aplicac¸ ˜ao usando os dados originais. No segundo artigo, que ´e a principal contribuic¸ ˜ao
desta tese, a t´ecnica de componentes principais com volatilidade (PVC), proposta por Hu e Tsay
(2014), foi estendida para uma abordagem robusta (RPVC), a fim de capturar a volatilidade
presente nos processos temporais multivariados, mas, levando-se em considerac¸ ˜ao os efeitos
de outliers aditivos sobre a covariˆancia condicional, uma vez que esses outliers podem mascarar
(“esconder”) a heteroscedasticidade condicional ou, at´e mesmo, produzir efeitos vol´ateis
esp´urios, quando os dados n˜ao apresentarem volatilidade. O m´etodo RPVC proposto melhorou
as predic¸ ˜oes dos picos de concentrac¸ ˜ao de MP10, na estac¸ ˜ao de Laranjeiras, RGV