Please use this identifier to cite or link to this item: https://repositorio.ufjf.br/jspui/handle/ufjf/12298
Files in This Item:
File Description SizeFormat 
brunocaetanovidigal.pdfBruno Caetano Vidigal238.08 kBAdobe PDFThumbnail
View/Open
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Bastos, Ronaldo Rocha-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8943562657054260pt_BR
dc.contributor.referee1Bastos, Ronaldo Rocha-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/8943562657054260pt_BR
dc.contributor.referee2Ferreira, Clécio da Silva-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/7842524715253287pt_BR
dc.contributor.referee3Vieira, Marcel de Toledo-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/1980385021266418pt_BR
dc.creatorVidigal, Bruno Caetano-
dc.creator.Latteshttp://lattes.cnpq.br/4686534144477456pt_BR
dc.date.accessioned2021-01-29T00:09:08Z-
dc.date.available2021-01-01-
dc.date.available2021-01-29T00:09:08Z-
dc.date.issued2010-12-06-
dc.identifier.urihttps://repositorio.ufjf.br/jspui/handle/ufjf/12298-
dc.description.abstractWe present a study of the associations, similarities or dissimilarities among selected socioeconomic, demographic and mortality indicators for all states and regions in Brazil, through the adoption of a multivariate statistical technique called Correspondence Analysis (CA). The indicators were gathered from IDB-2009 (Indicators and Basic Data- 2009) and also from IPEA (Applied Economic Research Institute). Some descriptive statistics for all indicators used in the analysis are presented, along with corresponding box-plots. As CA was strictly developed for categorical data, and the indicators we selected were all numerical variables, two grouping methods were used in order to categorize such variables: k- means and percentiles. The analysis of the categorized variables through the k-means method presented a solution which best explained the overall variance in the CA solution and was therefore adopted. However, the results obtained through the percentiles method presented similar results. The scaling correction known as “doubling” was then applied to the k-means generated data and another CA solution was obtained. These results were similar to the previous one, but the visual interpretation was more straightforward. We could thus analyze the relative position of states, their similarities in terms of the indicators adopted and their association with such indicators. AC was selected for its unique feature of presenting the solution in a clear, easy-to-interpret graphic form. All calculations were made in the open- source programming code R.pt_BR
dc.description.resumoEsse trabalho apresenta um estudo sobre as associações, similaridades ou dissimilaridades de alguns indicadores socioeconômicos, demográficos e de mortalidade para todos os estados e regiões brasileiras a partir da técnica estatística multivariada denominada Análise de Correspondência (AC). Esses indicadores foram retirados do IDB-2009 (Indicadores e Dados Básicos-2009), e também do site do Instituto de Pesquisa Econômica Aplicada (IPEA). Inicialmente, calculamos algumas estatísticas descritivas para os indicadores referentes aos estados brasileiros e fizemos gráficos box-plot para cada variável (indicador). Para a aplicação aqui apresentada, já que a Análise de Correspondência (AC) é estritamente desenvolvida para trabalhar com variáveis categóricas ou categorizadas, e os indicadores estudados são de natureza numérica, utilizamos dois métodos a fim de agrupá-los em categorias ordinais quanto aos estados e regiões - método das k-Médias e dos percentis. Apresentamos em nossa análise o método das k-Médias pois este possibilitou uma maior explicação da variância do sistema ao aplicarmos a AC. Contudo, o resultado utilizando o método dos percentis também foi bastante satisfatório e similar ao primeiro. Recodificamos os valores da matriz obtida pelo método das k-Médias através da correção chamada doubling e obtivemos resultados similares àqueles quando não fizemos tal correção, embora a visualização das similaridades e associações tenha ficado mais direta. Desta forma, pudemos analisar a posição relativa dos estados, suas similaridades em termos dos indicadores e quais indicadores são similares para os estados brasileiros, assim como a associação entre os estados e determinadas categorias dos indicadores. A utilização de AC foi escolhida em função da possibilidade de analisar tais similaridades e associações de forma gráfica, o que caracteriza esta técnica. Todos os cálculos e gráficos foram obtidos através do software livre R.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Juiz de Fora (UFJF)pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentICE – Instituto de Ciências Exataspt_BR
dc.publisher.initialsUFJFpt_BR
dc.rightsAcesso Abertopt_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectAnálise de Correspondênciapt_BR
dc.subjectAnálise Multivariadapt_BR
dc.subjectIndicadores Sociaispt_BR
dc.subjectCorrespondence Analysispt_BR
dc.subjectMultivariate Analysispt_BR
dc.subjectSocial Indicatorspt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICApt_BR
dc.titleAnálise de correspondência para avaliação de indicadores socioeconômicos, demográficos e de mortalidadept_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
Appears in Collections:Estatística - TCC Graduação



This item is licensed under a Creative Commons License Creative Commons