Programação
Geral
STOA - Estatística Aplicada à Administração II - Diurno
--------------------------------------------------------------------------
Reavaliação 2017: Prova dia 12/dezembro/2017, sala 1, B2. Horário: 10:00 - 11:40.
--------------------------------------------------------------------------
1 - Material
Disciplina
Softwares
Apostilas...
SPSS: Vídeos
Estatística no R
Textos de Livros
- Lattin: James Lattin, J. Douglas Carrol, Paul E. Green; Análise de dados multivariados, CENGAGE Learning, 2011.
- Malhotra: Naresh K. Malhotra; Pesquisa de marketing - uma orientação aplicada, Bookman, 20
Fávero: Luiz P. Fávero, Patrícia Belfiore, Fabiana L. da Silva, Betty L. Chan; Elsevier-CAMPUS, 2009.
2 - Material aulas
-----------------------------------------------------------------------------------------
-----------------------------------------------------------------------------------------
-----------------------------------------------------------------------------------------
3 - Bases de dados
Bases de dados para Análises
---------------------------------------
5 - Apresentações
Apresentação 1: Análise de Componentes Principais e Análise Fatorial:
Considere a base de dados definida no tópico "3 - Bases de dados" no item "Definição da base para apresentações".
Entregue no link a seguir um arquivo pdf ou powerpoint com resultados obtidos para os itens numerados a baixo.
1 - (1,0) Apresentação da base de dados contendo estatísticas descritivas para as variáveis (médias, desvio padrão e/ou tabela de frequências)
2 - (1,0) Matriz de Correlação entre as variáveis
3 - (1,0) Autovalores e o Scree Plot
4 - (1,0) Variância Explicada
5 - (1,0) Quantos fatores "extrair" pelo critério Kaiser
6 - (1,0) Comunalidades
7 - (1,5) Coeficientes dos Scores Fatoriais (pesos) para os dois primeiros fatores
8 - (1,5) Scores Fatoriais de para dois fatores mais relevantes
9 - (1,0) Análise da aplicação da técnica na base de dadosPostar aquivo power point ou pdf.
- - - - - - - - - - - - - - - - - - - - - - - -
Apresentação 2: Análise de Agrupamentos (Cluster)
Considere a base de dados definida no arquivo abaixo (arquivo Bases2.pdf, com uma base para cada aluno) e faça uma análise de agrupamentos para as observações. Decida quais variáveis devem fazer parte da análise e proceda da seguinte forma:
1 - (1,0) Apresente as médias e desvios-padrão de cada variável. Decida e escreva uma justificativa sobre a padronização ou não de variáveis. Não é necessário apresentar as variáveis padronizadas.
2 - (4,0) Faça a análise para quatro métodos diferentes: Simples, Completo, Média, Ward. Informe qual o tipo de medida de dissimilaridade foi utilizado.
3 - (1,0) Decida qual a melhor forma de agrupamento: Qual método e quantos grupos considerar.
4 - (4,0) Apresente Boxplot das variáveis de acordo com os agrupamentos obtidos na forma indicada no item 3. Escreva sobre as características de cada grupo obtido.Postar aquivo power point ou pdf até 10/10, 10h.
- - - - - - - - - - - - - - - - - - - - - - - -
Apresentação 3: Discriminante ou Regressão Logística
O trabalho deve refletir a aplicação uma das técnicas Análise Discriminante ou Regressão Logística. A base de dados utilizada é a mesma base utilizada nas apresentações anteriores. Considere os seguintes itens:
1 – Apresentação da, base de dados: Apresente a base de dados e indique uma variável categórica que você acha adequada para ser utilizada em análise discriminante ou regressão logística. Apresente uma das opções abaixo como a variável categórica a ser utilizada:
1.a Variável já disponibilizada na base de dados e adequada para análise Discriminante ou Regressão Logística.
1.b Variável obtida através de uma análise de cluster. Esta opção serve para quem não tem variável categórica na base de dados, neste caso especifique os grupos obtidos.
2 – Análise Discriminante (AD) ou Regressão Logística (RL) para previsão dos grupos criados
da variável categórica definida no item anterior.
2.1 – Considerar o grupo de menor tamanho e separar dois terços dos casos deste grupo para realizar a AD ou RL. Com base no tamanho da amostra selecionada neste menor grupo, selecionar o mesmo número de casos no(s) outro(s) grupo(s) para realizar a AD ou RL com amostras de mesmo tamanho.2.2 – Fazer a modelagem e informar os coeficientes estimados para AD ou para RL
2.3 – Informar a tabela de classificações e o percentual de acerto do modelo.
2.4 – Aplicar o modelo nos casos que não foram selecionados no item 2.1. Estes casos formam uma amostra de validação. Construir uma tabela de classificação para esta aplicação e compare com o percentual de acerto em 2.3