Métodos e Técnicas de Análise da Informação para Planejamento

Apresentação do Curso (MTI)
BH1350 – Métodos e Técnicas de Análise da Informação para o Planejamento
Vitor Vieira Vasconcelos
Flávia da Fonseca Feitosa
Maio de 2017

Apresentação
 Professsor: Vitor Vieira Vasconcelos
 Email: vitor.v.v@gmail.com
 Telefones:
 31-99331-1593 (Tim – Whatsapp)
 11-96603-6153 (Claro)
 Skype: amfeadan / Vitor Vieira Vasconcelos (amfeadan@outlook.com)
 Facebook: https://www.facebook.com/vitor.vieiravasconcelos?fref=ts
 Linkedin: http://br.linkedin.com/pub/vitor-vieira-vasconcelos/29/338/574
 Currículo Lattes: http://lattes.cnpq.br/8151243279050980
 Academia: https://ufabc-br.academia.edu/VitorVasconcelos
 Research Gate: https://www.researchgate.net/profile/Vitor_Vasconcelos2
 Scribd: http://pt.scribd.com/amfeadan
 Google Scholar: http://scholar.google.com.br/citations?user=k8Y-3xYAAAAJ&hl=pt-BR

Qual minha formação?
 Pós-doutorado em Meio Ambiente
 Doutorado em Ciências Naturais
 Concentração em Geologia Ambiental e Conservação de Recursos Naturais
 Doutorado-sanduíche em Engenharia de Recursos Hídricos
 Mestrado em Geografia / Tratamento da Informação Espacial
 Especialização em Solos e Meio Ambiente
 Bacharelado em Filosofia
 Técnico em Meio Ambiente
 Técnico em Informática Industrial

Quem são vocês?
 Nome
 Bacharelado que está cursando
 Expectativa com a disciplina
 Trabalho de conclusão do curso  Bacharelado
 Quem já cursou as disciplinas de:
 Introdução à Probabilidade e Estatística?
 Inferência Estatística?
 Cartografia e Geoprocessamento?
 Informática Aplicada ao Planejamento Territorial?

Análise da Informação: Etapa
fundamental em pesquisas que
busquem um aumento da compreensão
de problemas e questões no nosso
campo de interesse
Métodos e Técnicas de Análise da Informação
para o Planejamento….

Descobrindo Coisas Novas:
O Processo de Pesquisa
Dados
Observação Inicial
(Perguntas: Será que…?)
Formulação de
Teoria/Hipóteses
Identificação de
Variáveis
Coleta de Dados para
Testar Hipóteses
Formulação de
Teoria/Hipóteses
• Análise
exploratória/gráfica/
espacial
• Construção de
Modelos
Análise dos Dados
Corrobora/Refuta
Hipóteses
(Re)formula Teoria

Dados
Formulação de
Teoria/Hipóteses
Identificação de
Variáveis
Testar Hipóteses
Formulação de
Teoria/Hipóteses
• Análise
espacial
• Construção de
Modelos
Análise dos Dados
Envolve
observação de
dados, senso
comum,
conhecimento
prévio
Corrobora/Refuta
Hipóteses
(Re)formula Teoria

Uma pesquisa costuma partir de ideias que temos da
realidade, ou seja, de hipóteses.
As hipóteses são frequentemente expressas em uma
afirmação da relação entre duas ou mais variáveis,
no mínimo, uma variável independente e uma
variável dependente.
Por exemplo: Famílias pobres são mais expostas à
violência.
Hipóteses

Dados
Formulação de
Teoria/Hipóteses
Identificação de
Variáveis
Testar Hipóteses
Formulação de
Teoria/Hipóteses
• Análise
espacial
• Construção de
Modelos
Análise dos Dados
Definir variáveis
e coletar dados
Característica de interesse
que é medida em cada
elemento da amostra ou
população. Seus valores
variam de elemento para
elemento.
Influência do nosso
MÉTODO DE PESQUISA

A pesquisa social pode assumir muitas formas. Entre
os métodos de pesquisa, podemos citar:
 Experimento
 Pesquisa tipo survey
 Análise de conteúdo
 Observação Participativa
 Análise Secundária
Métodos de Pesquisa Social

 Possui um nível de controle
 Pesquisadores manipulam variáveis (independentes)
às quais seus indivíduos estão expostos.
 O pesquisador designa a variável independente a um
grupo de pessoas (chamado grupo experimental),
mas retira de outro grupo de pessoas (chamado
grupo de controle)
 Idealmente, todas as outras diferenças iniciais entre
grupos experimentais e de controle são eliminadas,
atribuindo-se sujeitos aleatoriamente às condições
experimentais e de controle.
Experimento

 Pesquisa de levantamento
 É retrospectiva – os efeitos das variáveis
independentes sobre as variáveis dependentes são
registrados depois de terem ocorridos.
 Não possuem controles rígidos dos experimentos: as
variáveis não são manipuladas e indivíduos não são
designados para grupos de maneira aleatória.
Assim, é muito mais difícil estabelecer
CAUSA e EFEITO
Pesquisa do tipo Survey

Exemplo:
Uma pesquisa que avalie a percepção de (in)segurança.
O pesquisador quer investigar se entrevistados de bairros com
menor investimento em segurança tendem a ser mais temerosos.
Como a variável “investimentos em segurança” não foi
manipulada, não podemos chegar à conclusão de que os
investimentos em segurança alteram a percepção de segurança.
Uma explicação alternativa de que a condição de vizinhança
(pobreza, número de ocorrências, etc.) altera a percepção
quanto à criminalidade nas ruas é igualmente plausível.

Vantagens
 Em comparação com experimentos, essas pesquisas podem
investigar um número muito maior de variáveis independentes
importantes em relação à variável dependente.
 Como não estão confinadas a um ambiente de laboratório no
qual uma variável independente pode ser manipulada,
também podem ser mais representativas – seus resultados
podem ser generalizados a um número maior de pessoas

 Método de pesquisa por meio do qual um pesquisador busca
descrever de forma objetiva o conteúdo de mensagens
produzidas anteriormente
 Não precisam observar, de forma direta, comportamentos ou
questionar uma amostra de entrevistados
 Normalmente estudam o conteúdo de livros, revistas e jornais,
filmes, transmissões de rádios, etc.
 É comum a análise numérica da frequência de ocorrência de
determinados termos, construções e referências em uma dada
comunicação/texto.
Análise de Conteúdo

 Gráficos revelam como estavam as redes sociais durante a
votação do impeachment na Câmara
(http://www.hypeness.com.br/2016/04/graficos-revelam-como-estavam-as-redes-sociais-durante-a-votacao-do-impeachment-na-camara/ )
Análise de Conteúdo
Azul: Pró-impeachmen
Vermelho: Contra impeachman
Laranja: neutro
Atores políticos mencionados durante o período

O pesquisador “participa” da vida cotidiana das
pessoas sendo estudadas, seja abertamente no papel
de pesquisador, seja veladamente em algum papel
disfarçado, observando o que ocorre, ouvindo o que
é dito e questionando-as por um período de tempo.
Riscos:
• Subjetividade do pesquisador, devido ao seu envolvimento
pessoal com o objeto
• Possibilidade de que sua presença perturbe o normal
decurso da interação social
Observação Participativa

 É possível que o pesquisador não colete os próprios dados,
mas utilize conjuntos de dados previamente coletados ou
reunidos por outros pesquisadores.
 Em relação à coleta de dados em primeira mão, a análise
secundária tem a vantagem de ser mais rápida e fácil, mas
mesmo assim explora dados que podem ter sido reunidos de
maneira cientificamente sofisticada.
 Por outro lado, o pesquisador é limitado ao que está
disponível e não tem voz ativa sobre como as variáveis são
definidas e medidas.
Análise Secundária

Atlas do Desenvolvimento
Humano no Brasil

Dados
Formulação de
Teoria/Hipóteses
Identificação de
Variáveis
Testar Hipóteses
Formulação de
Teoria/Hipóteses
• Análise
espacial
• Construção de
Modelos
Análise dos Dados
FOCO
DESTE
CURSO!!!
Corrobora/Refuta
Hipóteses
(Re)formula Teoria

Este curso trata da
Análise Exploratória de dados
e da construção/utilização de
MODELOS
Mas o que são modelos?
Métodos e Técnicas de Análise da Informação….

Modelos
Representações simplificadas de um objeto, estrutura, ideia ou
sistema. Estas representações atendem a algum propósito!!!
São menores, menos detalhados, menos complexos,
ou tudo isso junto…
Yi = β0 + Xi β1

Modelos nos auxiliam na representação e
compreensão de alguns aspectos do mundo real…
Este curso trata principalmente de
Modelos baseados em Métodos Estatísticos
Ferramentas importantes para análises de dados que
subsidiem processos de tomada de decisão!!!

“O Grito” (1893)
Edvard Munch

Vocês já estão acostumados a
lidar com modelos!
(inclusive estatísticos)
Um exemplo simples e cotidiano…

Média como um modelo estatístico
Média do número de habitantes por domicílio
Nos ajuda a representar simplificadamente (modelar) este
aspecto particular da realidade
Digamos que eu tenha uma amostra de 5 domicílios, cada
qual com os seguintes números de habitantes:
Em média temos 2,6 habitantes por domicílio
1 2 3 3 4

Censos: Residentes por Domicílio

Média como um modelo estatístico
Média do número de habitantes por domicílio
Em média temos 3,31 habitantes por
domicílio (dados do censo de 2010)
Mas é impossível ter 3,31 habitantes em um domicílio!!!
A média é um valor hipotético, um MODELO
criado para resumir nossos dados

Dados
Formulação de
Teoria/Hipóteses
Identificação de
Variáveis
Testar Hipóteses
Formulação de
Teoria/Hipóteses
• Análise
espacial
• Construção de
Modelos
Análise dos Dados
Envolve
observação de
dados, senso
comum,
conhecimento
prévio

Exemplos
Trabalho de MTI– 2016/2 – Carmen Jocas, Letícia Alaminos, Victor Aranha
A quantidade de Unidades Básicas de Saúde em cada
município influencia diretamente os índices de
qualidade de vida, como o IDH-Saúde?

Exemplos
Trabalho de MTI– 2016/2 – Rafael Costa e Silva
A declividade e o tipo de rocha influenciam o número
de ocorrências de deslizamento de terra nos
aglomerados subnormais de São Bernardo do Campo?

Exemplos
Trabalho de MTI– 2016/2 – Kaio Nogueira
Análise estatística da influência dos padrões
construtivos no preço de comercialização de
unidades residenciais verticais em São Paulo
entre 1985 e 2013
Hipóteses:
1. O preço da unidade residencial aumenta com o aumento
da área útil da unidade
2. Os empreendimentos mais caros estão segregados
espacialmente dos empreendimentos mais baratos

Exemplos
Trabalho de Geoprocessamento – 2015/1 – Joyane Ferreira Silva

Exemplos
Trabalho de Geoprocessamento – 2014/1 – Victor Mendes Del Prete

Dados
Formulação de
Teoria/Hipóteses
Identificação de
Variáveis
Testar Hipóteses
Formulação de
Teoria/Hipóteses
• Análise
espacial
• Construção de
Modelos
Análise dos Dados
Definir variáveis
e coletar dados
Característica de interesse
que é medida em cada
elemento da amostra ou
população. Seus valores
variam de elemento para
elemento.

Exemplos
Análise Secundária (Dados do Censo Demográfico 2010)
Identificação de Variáveis

Exemplos
Identificação de Variáveis

Existe uma relação entre consumo
de água e renda no país?
Como esta relação pode ser
caracterizada?
O crescimento populacional não é o único
fator relacionado ao aumento do consumo
de recursos naturais
novos padrões de consumo

Consumo de Água per Capita (resposta) X Renda per capita (preditora)
CARMO, Roberto Luiz do; DAGNINO, Ricardo Sampaio; FEITOSA, Flávia da Fonseca; JOHANSEN, Igor Cavallini; CRAICE, Carla. População, Renda e Consumo
Urbano de Água no Brasil: Interfaces e Desafios. XX Simpósio Brasileiro de Recursos Hídricos. 17 a 22 de novembro de 2013. Bento Gonçalves, RS.
Distribuição espacial de consumo residencial de água e renda da população em 2010.
Fonte: SNIS (2010) e IBGE (2010).
Análise Exploratória

ConsumodeÁguaperCapita
(m3/dia/ano)
Renda per Capita (R$)
Análise Exploratória

Consumo de Água per Capita (resposta) X Renda per capita(preditora)
MODELO DE REGRESSÃO LINEAR
GLOBAL

Mas será que esta relação,
entre consumo de água e
renda, ocorre da mesma
maneira em todo o país???
O ESPAÇO IMPORTA!!!

GWR – Geographically Weighted Regression
GWR:
CARMO, Roberto Luiz do; DAGNINO, Ricardo Sampaio; FEITOSA, Flávia da Fonseca; JOHANSEN, Igor Cavallini; CRAICE, Carla. População, Renda e Consumo Urbano de Água
no Brasil: Interfaces e Desafios. XX Simpósio Brasileiro de Recursos Hídricos. 17 a 22 de novembro de 2013. Bento Gonçalves, RS.

CARMO, Roberto Luiz do; DAGNINO, Ricardo Sampaio; FEITOSA, Flávia da Fonseca; JOHANSEN, Igor Cavallini; CRAICE, Carla. População, Renda e Consumo Urbano de Águ
Os menores coeficientes
estimados para a variável
RENDA foram observados em
municípios do Estado do Rio
Grande do Sul ...
....e os maiores em Alagoas.

CARMO, Roberto Luiz do; DAGNINO, Ricardo Sampaio; FEITOSA, Flávia da Fonseca; JOHANSEN, Igor Cavallini; CRAICE, Carla. População, Renda e Consumo Urbano de Águ
Região do Município de Traipu (AL)  maior coeficiente estimado
Um aumento de R$ 1 na renda per capita da população está associado a
um incremento do consumo de água de 100,3 ml/dia/hab.
Região do município de Floriano Peixoto (RS)  um dos menores
coeficientes significativos (t-valor > 1,96):
Um aumento de R$ 1 na renda per capita da população está associado a
um aumento do consumo de 10,22 ml/dia/hab.
Hipóteses???

De maneira geral, as regiões apresentadas como
aquelas onde a elevação da renda está relacionada a
um maior incremento do consumo (áreas mais
escuras) tendem a coincidir com as áreas onde o
aumento do poder de consumo – que acompanhou
o recente processo de estabilização econômica,
crescimento econômico e ampliação dos programas
redistributivos – apresentou os maiores impactos na
redução da pobreza e extrema pobreza do país.
Considerações sobre os Resultados

São regiões onde a redução da pobreza ampliou de
maneira expressiva o acesso a recursos básicos para a
manutenção de vida desta população, entre eles a
água potável.
Já em regiões como a Sul, caracterizada por níveis
mais elevados de renda, um aumento na renda tende
a gerar um impacto menor no aumento do consumo
de bens essenciais como a água e, provavelmente,
maior no consumo de bens de outra natureza.
Considerações sobre os Resultados

OBJETIVO DO CURSO
Oferecer um panorama geral de distintas
ferramentas de análise de dados, com ênfase em
técnicas de inferência estatística clássica e espacial e
sua aplicabilidade em estudos que subsidiem o
processo de planejamento territorial.
Através da construção de experimentos, os alunos
deverão vivenciar diferentes possibilidades de análise
quantitativa de dados e ser capazes nde explorar um
problema de pesquisa aplicado ao planejamento
territorial com o auxílio dos métodos e técnicas
apresentados em sala de aula.

CONTEÚDO CURSO
1. Inferência Estatística: Conceitos Básicos
PRÁTICA: O Ambiente SPSS

CONTEÚDO CURSO
2. Análise Exploratória de Dados (incluindo
análise gráfica e espacial)
PRÁTICA:
Explorando dados com o SPSS

CONTEÚDO CURSO
análise gráfica)
3. Correlação (Clássica & Espacial)
PRÁTICA no SPSS (correlação clássica) e
no GeoDa (correlação espacial)

CONTEÚDO CURSO
análise gráfica)
4. Análise de Regressão (Clássica & Espacial)
PRÁTICA no SPSS (regressão clássica) e
no GeoDa (regressão espacial)

CONTEÚDO CURSO
1. Conceitos Básicos de Estatística (Nivelamento)
análise gráfica)
4. Análise de Regressão (Clássica & Espacial)
5. Outras Técnicas: Análise de Agrupamentos
(Clássica & Espacial)

BIBLIOGRAFIA BÁSICA
CAPÍTULOS 1 a 5 CAPÍTULOS 1, 2, 4 e 9

CAPÍTULOS 1 e 5 VOLUME 1 - CAPÍTULOS 12 e 14
VOLUME 2 – CAPÍTULO 5

CAPÍTULOS 1, 2, 7, 8, 18, 19, 22, 24, 25

BIBLIOGRAFIA COMPLEMENTAR
CAPÍTULOS 1-3 e 10-16

AULA Conteúdo Leitura Prévia
(30/05) T Apresentação do Curso
O Processo de Pesquisa, Métodos de Pesquisa
Social, Modelos - Visão Geral
(01/06) Q Dados Espaciais: Uma Breve Introdução
Estruturas de Dados Espaciais, Fontes de Dados
Espaciais
DRUCK, S.; CARVALHO, M.S.; CÂMARA, G.;
MONTEIRO, A.V.M. (eds) "Análise Espacial de
Dados Geográficos". Brasília, EMBRAPA, 2004.
Capítulo 1.
(06/06) T Conceitos Básicos de Estatística I
Medidas de tendência central, Medidas de
Variabilidade, Distribuição de Frequência e
Probabilidade, Curva Normal e Probabilidade,
Introdução ao Ambiente SPSS
FIELD, A. Descobrindo a estatística usando o
SPSS. Edição digital: ARTMED, 2009. Capítulos 1
(parcialmente, p. 31 a 44) e 2 (completo).
(09/06) Q Conceitos Básicos de Estatística II
Amostras e Populações, Intervalos de Confiança,
Exercícios no SPSS
SPSS. Edição digital: ARTMED, 2009. Capítulo 1
(parcialmente, p. 44 a 59)
(13/06) T Análise Exploratória de Dados no SPSS
Estatísticas Descritivas, Gráficos, Transformação
de Dados.
(20/06) T Cartografia e Geoprocessamento
Bancos de dados espaciais, Cartografia Temática,
Exercícios no QGIS
CARVALHO, E.A.; ARAÚJO, P.C. Leituras
Cartográficas e Interpretações Estatísticas. UFRN,
2011. Vol 1. Capítulos 12 e 14. Vol II – Capítulo 5
(22/06) Q Discussão sobre Propostas para o Trabalho
Final + Apresentação dos Dados Espaciais

(27/06) T Semana do Planejamento Territorial
(29/06) Q Semana do Planejamento Territorial
(04/07) T Correlação
Covariância, Coeficientes de Correlação, Teste de
Significância, Exercícios no SPSS
(06/07) Q Análise de Dados Espaciais: Autocorrelação
Espacial
A Natureza dos Dados Geográficos (Proximidade,
Estacionariedade e Heterogeneidade),
Autocorrelação Espacial: Conceitos, Matriz de
Vizinhança, Medidas Globais e Locais (Índice de
Moran), Diagramas de Espalhamento, Testes de
Pseudo-Significância.
DRUCK, S.; CARVALHO, M.S.; CÂMARA, G.;
MONTEIRO, A.V.M. (eds) "Análise Espacial de
Dados Geográficos". Brasília, EMBRAPA, 2004.
Capítulo 5.
(11/07) T Autocorrelação Espacial: Prática no GeoDa
Preparação dos Dados, Análise Exploratória de
Dados Espaciais, Construção de Matrizes de
Vizinhanças, Cômputo do Índice Global e Local de
Moran.
ANSELIN, L. Exploring Spatial Data with GeoDa: A
Workbook. Spatial Analysis Laboratory.
Department of Geography, University of Illinois,
Urbana-Champaign, 2005. Cap. 1, 2, 7, 8, 18, 19

(13/07) Q Regressão - Parte I
Introdução à Análise de Regressão, Método dos
Mínimos Quadrados, Avaliação do Ajuste do
Modelo, Interpretação do Modelo, Exercícios com
o Software SPSS
(18/07) T Regressão - Parte II
Introdução à Regressão Múltipla, Métodos de
Regressão, Interpretação da Regressão Múltipla,
Diagnósticos e Generalização do Modelo de
Regressão, Etapas da Análise de Regressão.
(20/07) Q Regressão: Prática no SPSS
Construção de um modelo de Regressão Múltipla:
Análise Exploratória, Seleção e Preparação das
Variáveis, Escolha e Ajuste do Modelo,
Diagnósticos.
(25/07) T Assessoramento dos Trabalhos
(27/07) Q Apresentação dos Resultados Parciais do
Trabalho Final / Prova Oral

(01/08) T Regressão de Dados Espaciais
Modelos de Regressão Espacial Globais: Spatial
Lag e Spatial Error, Modelos de Regressão
Espacial Locais: Regimes Espaciais e Regressão
Geograficamente Ponderada (GWR)
RIGHETTO, A.J., TACHIBANA, V.M. "Análise de
regressão linear: abordagem tradicional e espacial
em um estudo de caso." , 19º SINAPE, São
Pedro–SP (2010).
(03/08) Q Regressão de Dados Espaciais
Construção de Modelos de Regressão Espaciais no
Software GeoDa e Construção de Modelos de
Regressão Geograficamente Ponderados no
Software GWR
ANSELIN, L. Exploring Spatial Data with GeoDa: A
Workbook. Spatial Analysis Laboratory.
Department of Geography, University of Illinois,
Urbana-Champaign, 2005. Capítulos 22, 24, 25
NAKAYA, T. GWR4 User Manual. Ritsumeikan
University. 2009.
(08/08) T Análise de Agrupamentos
Prática com o Software SPSS
HAIR, J. F.; ANDERSON, R. E.; TATHAM, R. L.;
BLACK, W. C. Análise multivariada de dados. Porto
Alegre: Bookman, 2005. Capítulo 9 (parcialmente,
p. 381-389)
(10/08) Q Análise de Agrupamentos: Regionalização
de Áreas
Prática com o Software TerraView
INPE. TerraView. Aula 8. Operações de Análise
Espacial. Seção 8.8. Regionalização de Áreas: o
Método SKATER.
(15/08) T Assessoramento dos Trabalhos
(17/08) Q Apresentação dos Trabalhos Finais /
Prova Oral
(21/08) S Apresentação dos Trabalhos Finais /
Prova Oral
(19/09) T Prova de Recuperação

AVALIAÇÕES
1. Fichamentos e participação (15%)
2. Listas de Exercícios & Trabalhos Práticos (30%)
3. Proposta de Trabalho/ Resultados
Parciais/Presença nos Assessoramentos (15%)
4. Trabalho Final – Apresentação/Prova Oral (20%) &
Trabalho Escrito (20%)
Presença??? Eu cobro! Não pode faltar!

Fichamentos
• Individual, para os textos do planejamento de leitura
• Mínimo de 1 página
• Cabeçalho com nome do texto, nome do aluno e data
• O fichamento deve ser encaminhado em meio digital,
impresso ou escrito a mão

Trabalho Final
Máximo de 3 alunos por grupo
Estrutura sugerida:
1. INTRODUÇÃO
 Qual é o tema do trabalho? Qual a relevância do tema ou a
motivação para estudá‐lo? Qual é a pergunta/hipótese do
trabalho? Quais os objetivos do trabalho?
2. CONCEITOS ou REFERENCIAL TEÓRICO
 Explicar os conceitos que são importantes para que se entenda o
trabalho (Por exemplo: judicialização da educação,
vulnerabilidade social, programa bolsa família). Caso a explicação
seja sucinta, pode ser apresentada na própria introdução.

Trabalho Final
3. METODOLOGIA DO TRABALHO
 Explicar brevemente as etapas do trabalho de
construção do(s) modelo(s). Inclui explicações
sobre os tipos de modelos de regressão que
serão construídos, qual sua finalidade, etc.
 Preparação dos Dados e Análise Exploratória:
inclui a apresentação dos dados que serão
utilizados (descrição das variáveis)
 Análise de Regressão Clássica
 Análise de Regressão Espacial (Global e/ou Local)

Trabalho Final
4. RESULTADOS E DISCUSSÃO
 Apresentação e interpretação dos resultados
 Preparação dos Dados e Análise Exploratório
 Seleção das Variáveis, Estatísticas Descritivas, Mapas, Gráficos, Análise de Correlação,
Transformação de Variáveis (se necessário), autocorrelação espacial
 Análise de Regressão Clássica
 -‐ Escolha e Ajuste do Modelo de Regressão
 -‐ Diagnósticos para verificar se o modelo ajustado é adequado (não esqueça de incluir o
diagnóstico de autocorrelação espacial dos resíduos)
 Analisar se será necessária uma análise de regressão espacial:
 - Os resíduos da regressão estão correlacionados espacialmente?
 - O Teste de Multiplicadores de Lagrange indica que uma regressão espacial aprimoraria o
modelo?
 - O Critério de Informação de Akaike indica que um modelo de regressão espacial seria mais
efetiva que a regressão convencional?
 Análise de Regressão Espacial
 -‐ Escolha de uma ou mais técnicas de análise de regressão espacial (spatial lag, spatial error
e/ou GWR).
 -‐ Explicar a(s) técnica(s) escolhida(s), reportar os resultados da regressão e os diagnósticos.

Trabalho Final
5. CONCLUSÃO
6. REFERÊNCIAS BIBLIOGRÁFICAS

Trabalho Final
Dicas
 Começar explorando portais na internet (dados
existentes) para depois construir as hipóteses
 Possíveis bases espaciais: municípios, setores
censitários, bacias hidrográficas, países, etc.
 Pelo menos 3 variáveis numéricas vinculadas à mesma
base territorial
 Pelo menos 30 elementos na base territorial
(ex: 30 setores censitários) para análises estatísticas
 Quanto mais elementos melhor
(ex: 5.000 municípios). Não tenha medo!

Conceito extra
 Comparecimento a eventos extracurriculares (seminários,
simpósios, palestras) de ao menos 1 hora e meia de duração
 Encaminhamento de relatório até 23/08
 Mínimo de 1 página por evento
 Folha tamanho A4, Margens de 2 cm
 Espaçamento entre linhas 1,15, sem espaço extra entre
parágrafos
 Fonte Arial, de tamanho 11
 Cabeçalho com nome do aluno, nome do evento, data e
local
 Incluir no relatório o conteúdo apresentado/discutido e uma
reflexão pessoal

Atendimentos Alunos
Prof. Vitor Vieira Vasconcelos– vitor.v.v@gmail.com
Horário Atendimento: Quintas, 19h00 às 21h00 [Marcar por e-mail]

Site da Disciplina
 Tidia: https://tidia4.ufabc.edu.br/
 Procurar por MTI_2017N
 Conteúdos:
 Conteúdo Programático
 Plano de Ensino
 Cronograma de Leitura
 Regras de Avaliação
 Repositório
 Estrutura sugerida para o Trabalho Final
 Material de Leitura
 Aulas
 Slides
 Atividades (com dados)
 Gravações de aula
 WIKI
 Grupos para o trabalho final
 Atividades
 Envio das atividades (até o início da aula seguinte)

Lista de Exercícios (1)
1. O que são modelos?
2. Por que uma simples média estatística pode
ser considerada um modelo? Dê outros
exemplos de modelos.
3. Formem grupos para o trabalho final,
identifiquem um tema de pesquisa do seu
interesse e descrevam um possível processo
de pesquisa
Dicas: (a) Visite os portais de dados apresentados na aula
(b) No site da disciplina, visite os artigos disponibilizados na pasta
“Artigos”

Será que os procedimentos de
cobrança do IPTU
desfavorecem imóveis de
menor valor no mercado?

Trabalhos de Alunos
Camila Brito, Sabrina Nascimento e Renan Telles

Trabalhos de Alunos
Cristiane Nagaka

Métodos e Técnicas de Análise da Informação para Planejamento

Métodos e Técnicas de Análise da Informação para Planejamento

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (20)

En vedette

En vedette (20)

Similaire à Métodos e Técnicas de Análise da Informação para Planejamento

Similaire à Métodos e Técnicas de Análise da Informação para Planejamento (20)

Plus de Vitor Vieira Vasconcelos

Plus de Vitor Vieira Vasconcelos (20)

Dernier

Dernier (20)

Métodos e Técnicas de Análise da Informação para Planejamento