Seminários sobre Métodos Estatísticos Aplicados às Ciências Sociais ministrado através de Problemas-Exemplos discutidos embasados na Teoria ministrada a parte em dias distintos, pois que em laboratório se utilizando do Programa Computacional "SPAD.N" eram resolvidos estes Problemas Práticos.

 

Problemas-Exemplos e/ou Problemas Práticos:

1 - ESTUDO DE UM ASPECTO DA ESTRUTURA DO MERCADO DE UM GRUPO DE OPERADORES DE TURISMO DAS CATARATAS DO                    IGUAÇÚ /

1.a - RESOLUÇÃO DESTE EXERCÍCIO DE APLICAÇÃO DA ANÁLISE FATORIAL DE CORRESPONDÊNCIA SIMPLES: 

       Objetivo do Estudo: Verificar a possibilidades de construir uma topologia dos "lugares de procedência" dos turistas, segundo as                      preferências por certos períodos do ano para realizar a visita de Foz de Iguaçú pelo lado argentino.

1.b - RESOLUÇÃO COMPUTACIONAL DESTE EXERCÍCIO UTILIZANDO O SOFTWARE "SPAD.N"

 

2 - ESTUDO DA OPINIÃO DE ESTUDANTES AMERICANOS REFERENTE À ESTRATÉGIA QUE DEVERIA SER EMPREGADA PELOS ESTADOS        UNIDOS NA GUERRA DO VIETNÃ (Estudo Completo com a Resolução e Discussão em Detalhes dos Resultados!) /

 

3 - ESTUDO DAS CARACTERÍSTICAS DE DIFERENTES RAÇAS DE CÃES /

 

4 - ESTUDO DAS ASPIRAÇÕES PROFISSIONAIS DE JOVENS FRANCESES, NO FINAL DO CICLO BÁSICO DE ESTUDOS SECUNDÁRIOS /

     Parte 01 (Introdução)  ||  Parte 02 (Resolução)  ||  Parte 03 (Plan)

 

5 - COSTUMBRES ALIMENTICIAS DE LOS HOGARES FRANCESES SEGÚN CATEGORÍA PROFESIONAL Y CANTIDAD DE HILOS /

     Parte 01 (Proposta)  ||  Parte 02 (Solución)    

 

6 - ESTUDO DA RELAÇÃO QUALIDADE PREÇO NO MERCADO DE WHISKY / RESOLUÇÃO UTILIZANDO ANÁLISE FATORIAL DE                          CORRESPONDÊNCIA SIMPLES

 

7 - PESQUISA COM ALUNOS DOS CURSOS PRIMÁRIO E SECUNDÁRIO SOBRE NOÇÕES DE PROBABILIDADES /

________________________

 

Manual do Programa Computacional "SPAD.N integrado" (1995)

 

_____________________

Apresentação da Teoria:

ERRATA ou ERRATUM

   I. Introducción: Estadística Descriptiva y Estatística Exploratoria

 II. Tabla de Datos y Matriz de Datos

III. Información, Información Estadística, Información Fiable e Información Pertinente

 IV. Las Tablas de Tipo <<Individuos x Var. Cuantitativas>>

   V. Estudio de las Distribuciones Univariadas

 VI. Distribuciones Bivariadas

VII. Representación Gráfica de la Nube de Puntos-Individuos em R³

 

 

ANEXO  I - LA SUMACIÓN

 

 

ANEXO II - Matrices y Operaciones Matriciales

 

 

NOTAS DE CURSO - ÍNDICE

1 - Análise em Componentes Principais (ACP);

           I. Objetivos da Análise em Componentes Principais

         II. Comparação dos Indivíduos e Relação entre as Variáveis na T. de D. na ACP

       III. Transformação da Matriz de Dados

        IV. A nuvem de Pontos - Indivíduos em R³ e Rk

          V. Comparação dos Indivíduos e Forma da Nuvem de Pontos N

        VI. Busca de um novo Referencial de Representação da Nuvem de Pontos N

      VII. As Componentes Principais

        IX. Os Planos Principais

          X. Qualidade Global de uma Componente Principal

        XI. Contribuição do i-ésimo Indivíduo à Inércia Projetada no Comprimento do Eixo α

      XII. Qualidade de Representação do i-ésimo Indivíduo sobre o eixo α

    XIII. A Nuvem de Pontos

 

 

​1 - Apresentação da Análise Fatorial de Correspondência Simples (AFC) e Múltipla (AFCM);

 

2 - Apresentação dos Métodos de Classificação

Por Eduardo CRIVISQUE Laboratoire de Méthodologie du Traitement des Données de I'Université Libre de Bruxelles.*

(*) Traduzidos do Espanhol com a colaboração de Carlos BATISTA, Aurelia CASTIGLIONI, Julio CABEÇA e Maria José CARAVINA.

 

_______________________________

AVALIAÇÃO: Apresentação de um Exemplo de Aplicação da Análise em Componentes Principais 

                      Tamanho do Arquivo=1,45MB

_________________________

PLANO PARA A APRESENTAÇÃO DA ANÁLISE FATORIAL DE CORRESPONDÊNCIA SIMPLES E MÚLTIPLA

A. Observar, Conservar as Observações e resumir;

B. Comparar e Comunicar os Resultados das Comparações;

​C. Vantagens e Inconvenientes do Modelo Analógico e do Modo Digital de Comunicação de uma Mensagem;

D. Representação Gráfica da Informação contida em uma Tabela de Contingência;

E. Critérios a serem Respeitados na Busca de um novo Referencial de Representação;

F. Critérios a serem Respeitados na Busca de um novo Referencial de Representação (Continuação);

OBSERVAÇÃO: Disponíveis os Tópicos A até F  Arquivo no Formato ".PDF". Tamanho do Arquivo=15,1MB

____________________________________________________________________

 

G. Representação Fatorial da Informação contida numa Tabela de Contingência;

H. Exemplo de uma Aplicação da Análise de Correspondência Simples;

I. Generalização da Análise Fatorial de Correspondências Simples: Análise Fatorial de Correspondências Múltiplas

 

OBSERVAÇÃO: Disponíveis os Tópicos G até I Arquivo no Formato ".PDF". Tamanho do Arquivo=16,7MB

 

 

 

___________________________

Exemplo de Aplicação da (AFCM) ao tratamento de dados de pesquisas:

Tema: Análise da Pesquisa de audiometria radiofônica realizada durante um bimestre de 1992.

 

 

___________________________

Apresentação dos Métodos de Classificação: 

Advertência.

Plano de Apresentação dos Métodos de Classificação:

1. Que Significa Classificar um Conjunto de Dados Observados?

2. Classes, Classes Empíricas e Classificabilidade de um Conjunto dado de Unidades de Observação.

    2.1 - Que são as "Classes de Indivíduos" Semelhantes...?

    2.2 - Classificação dos Elementos de uma Tabela Observada.

3. Como se Desenvolve a Aplicação de um Método de Classificação?

4. Como Definir Semelhanças entre "Indivíduos" de uma Tabela T(n,p)?

    4.1 - Índices de Similaridade.

    4.2 - Índices de Similaridade (Continuação...).

    4.3 - Distâncias.

    4.4 - Distâncias Ultramétrica.

5. Seleção (ou Escolha) de uma Distância entre os Objetos a Classificar.

    5.1 - T(n,p) é uma Tabela de Medidas.

    5.2 - T(n,p) é uma Tabela de Contingência

    5.3 - T(n,p) é uma Tabela Disjuntiva Completa ou Tabela Lógica.

6. As Classificações Hierárquicas Ascendentes.

    6.1 - O Método do Vizinho Mais Próximo.

    6.1a - O Método do Vizinho Mais Próximo: Um Exemplo Numérico.

​    6.2 - O Método dos Centroides ou da Distância Média.

    6.3 - Comparação dos resultados dessas Três Estratégias de Agregação Aplicada ao mesmo Exemplo Numérico.

    6.4 - Comparação da Transformação da Matriz de Distância Operada por essas Três Estratégias de Agregação

             Aplicadas ao mesmo Exemplo Numérico.

    6.5 - O Método Baseado no Crescimento Mínimo do Momento de Ordem Dois nas Classes das Partições                                Encaixadas.

    6.6 - O Método Baseado no Crescimento Mínimo do Momento de Ordem Dois nas Classes das Partições Encaixadas                                             (Continuação...).

    6.6 - O Método de Ward.

    6.6 - O Método de Ward (Continuação...).

    6.6 - O Método Ward: Exemplo Numérico.

    6.7 - Como Selecionar uma Partição a partir de uma Hierarquia?

7. As Classificações Não Hierárquicas.

    7.1 - Método de "Agregação em Torno de Centros Móveis".

    7.2 - Variantes do Método de Partições.

    7.3 - Vantagens e Incovenientes dos Métodos de Partição.

8. O tratamento de Grandes Tabelas Resultantes de Levantamentos por Amostragem: A Estratégia "Análise

    Fatorial + Classificação".

 

_______________________

Referências Bibliográficas

PRIMEIRA PARTE: Referências de los Libros y Articulos Disponibles en las Bibliotecas de:

            1) Universidad de la República, Montevideo, Uruguay;

            2) Universidad de Concepción, Concepción, Chile.

 

SEGUNDA PARTE: Bibliografia General;

                                                              1) Libros;

                                                              2) Articulos.

 

 

 

 

 

                                                              

_____________________________________________

_____________________________________________

Análise Multivariada

Trata-se de um conjunto de métodos que permite a análise simultânea demedidas múltiplas para cada indivíduo ou objeto em análise, ou seja, qualquer método que permita a análise simultânea de duas ou mais variáveis pode ser considerado como multivariado. Vários autores apontam algumas razões para justificarem a sua opção por análises multivariadas, nomeadamente porque:

 

1 - A utilização de testes estatísticos separados para cada variável provoca um erro tipo I demasiado elevado (ou seja, a probabilidade de rejeitar a hipótese nula, quando ela é falsa, toma valores que ultrapassam o aceitável);

 

2 - As análises ignoram muita informação importante contida nos dados (nomeadamente, as correlações entre as variáveis intervenientes na análise);

 

3 - Algumas diferenças entre os grupos, quando analisados separadamente, poderão não ser significativas e, quando analisados em conjunto, poderão revelar-se significativas. Nesta perspetiva, as análises univariadas deverão ser consideradas como complementares das multivariadas: face à constatação de diferenças significativas numa análise multivariada, esta deve ser precedida de testes univariados para identificar as variáveis que mais contribuem para a não rejeição das hipóteses nulas.

 

 

 

Fonte: Enciclopédia e Dicionário Porto Editora

 

 

 

A Análise Multivariada é uma das áreas da estatística de maior importância. Na investigação científica os fenômenos são estudados e analisados buscando-se soluções para problemas relevantes para a sociedade. As respostas desses fenômenos são mensuradas em mais de uma variável e, em geral, as análises são realizadas separadamente para cada uma delas. As técnicas e métodos científicos da estatística multivariada procuram contemplar todas essas variáveis de uma forma integrada, onde as inter-relações são exploradas em sua máxima profundidade e as soluções para os problemas são mais consistentes e úteis. A possibilidade de aplicar técnicas e métodos multivariados aos problemas específicos de cada área do conhecimento é constantemente aventada e muitas vezes abandonada. As razões para isso são a falta de informação sobre os detalhes das técnicas e, principalmente, a dificuldade de interpretação dos resultados alcançados.

 

Fonte:Parte do Prefácio do Livro: Ferreira, Daniel Furtado. "Estatística Multivariada". Editora da Universidade Federal de Lavras, Minas Gerais-MG, 1aedição. 2008