Descrição

Hoje, o conhecimento estatístico se tornou requisito de primeira ordem e ocupa posição de destaque no exercício de várias profissões. A cada dia, os profissionais utilizam ferramentas estatísticas mais sofisticadas para auxiliá-los na tomada de decisões. A larga aplicação das técnicas multivariadas e a necessidade de dissiminá-las de forma mais intensa no ambiente acadêmico e no empresarial motivaram os autores a produzir este livro, que oferece os conceitos estatísticos de forma mais objetiva e direta para o leitor, tornando-se mais acessível aos estudantes (de graduação e de pós-graduação) da área quantitativa. Sem deixar de explorar os componentes teóricos de maior relevância, demonstra-se didaticamente como utilizar as técnicas estatísticas com o apoio de softwares especializados.

Outra característica da obra e que se destaca entre outras publicações congêneres disponíveis no mercado é que ela apresenta os procedimentos da utilização do software SPSS, um dos programas mais conhecidos nos meios acadêmico e de pesquisa de mercados. Além disso, interpreta os relatórios emitidos pelo programa (fato inédito na área dentro do ambiente nacional).

Os exemplos de natureza prática que acompanham cada capítulo, a linguagem fortemente sintonizada com o repertório do público-alvo e os exercícios de fixação refletem a preocupação dos autores para com o alcance e a compreensibilidade da obra.

Livro-texto para as disciplinas ANÁLISE MULTIVARIADA e ESTATÍSTICA dos cursos de graduação e pós-graduação das áreas de Ciências Humanas, Exatas e Biológicas. Obra de relevante interesse para estudantes e professores das ciências sociais aplicadas, bem como para profissionais que dependem do uso de técnicas estatísticas em suas atividades.

Prefácio – xix
Apresentação – xxi

1. Introdução à Análise Multivariada – 1
1.1. Análise multivariada: conceitos e técnicas – 2
1.2. Exame gráfico dos dados – 10
1.2.1. Exemplo de base de dados – 10
1.2.2. Examine a forma da distribuição da variável – 16
1.2.3. Examine a relação entre variáveis – 22
1.2.4. Examine as diferenças de grupos – 24
1.3. Observações atípicas (outliers) – 27
1.3.1. Classes de observações atípicas – 28
1.4. Dados perdidos (missing values) – 37
1.5. Suposições da análise multivariada – 40
1.5.1. Normalidade – 41
1.5.2. Homoscedasticidade – 45
1.5.3. Linearidade – 46
1.6. Transformação de dados – 46
1.6.1. Assimetria e curtose – 47
1.7. Questões propostas – 50
1.8. Exercício resolvido – 51
1.9. Exercício proposto – 59
Bibliografia – 62
Apêndice A - Alfa de Cronbach – 64
Bibliografia – 72

2. Análise Fatorial – 73
2.1. Análise fatorial: conceitos – 74
2.2. Técnicas de dependência x interdependência – 76
2.3. Modelo matemático da análise fatorial – 77
2.4. Análise fatorial exploratória e confirmatória – 80
2.5. Processo de preparação para análise fatorial – 80
2.5.1. Qual o método de extração dos fatores a ser utilizado? – 81
2.5.2. Que tipo de análise será realizado? – 82
2.5.3. Como será feita a escolha do número de fatores? – 86
2.5.4. Como aumentar o poder de explicação da AF? – 87
2.6. Passos para análise fatorial – 90
2.7. Exemplo prático: o caso do mercado segurador brasileiro – 96
2.8. Pressupostos da análise fatorial – 117
2.9. Resumo – 118
2.10. Questões propostas – 119
2.11. Exercício resolvido – 119
2.12. Exercício proposto – 125
Bibliografia – 128
Anexo I - Indicadores financeiros das seguradoras – 129

3. Regressão Linear Múltipla – 131
3.1. Regressão linear múltipla: conceitos – 132
3.2. Exemplo de regressão linear simples e múltipla – 136
3.2.1. Estimação de modelos: método dos mínimos quadrados – 137
3.2.2. Previsão dos gastos gerais da academia sem variáveis independentes – 138
3.2.3. Previsão utilizando uma única variável independente - regressão simples – 139
3.2.4. Previsão utilizando mais de uma variável independente - regressão múltipla – 144
3.3. Pressupostos na análise de regressão – 151
3.3.1. Normalidade dos resíduos – 152
3.3.2. Homoscedasticidade – 152
3.3.3. Ausência de autocorrelação serial – 154
3.3.4. Linearidade – 155
3.3.5. Multicolinearidade – 156
3.4. Métodos de seleção de variáveis – 158
3.4.1. Especificação confirmatória – 158
3.4.2. Abordagem combinatória – 158
3.4.3. Métodos de busca seqüencial – 158
3.5. Um exemplo completo utilizando o SPSS® – 161
3.5.1. Incluindo variáveis dummy – 180
3.5.2. Analisando os pressupostos da regressão – 183
3.5.3. Análise através de gráficos – 194
3.5.4. Ajustamento aos pressupostos – 198
3.5.4.1. Análise da influência de valores extremos através dos resíduos – 200
3.5.4.2. Avaliação da correlação entre variáveis – 208
3.5.4.3. Decisão sobre as correções procedidas – 211
3.5.5. Validação dos resultados – 211
3.5.6. Interpretando os resultados – 215
3.6. Um exemplo no EVIEWS® – 216
3.7. Considerações finais – 230
Bibliografia – 231

4. Análise Discriminante – 232
4.1. Introdução – 233
4.2. Conceito da análise discriminante – 234
4.3. Modelo da Análise Discriminante e sua interpretação – 236
4.4. Pressupostos da análise discriminante – 242
4.5. Aplicação e consolidação dos conceitos – 244
4.5.1. Descrição do caso – 244
4.5.2. Procedimentos no SPSS® – 245
4.5.3. Analisando e interpretando os outputs da Análise Discriminante – 252
4.5.4. Testando a capacidade preditiva do modelo – 258
4.5.5. Aplicação do Modelo na Empresa P&R – 262
4.5.6. Medidas de avaliação da Função Discriminante – 263
4.6. Críticas ao uso da Análise Discriminante – 264
4.7. Considerações finais – 266
4.8. Resumo – 267
4.9. Questões propostas – 267
4.10. Exercícios resolvidos – 268
4.11. Exercício proposto – 272
Bibliografia – 272
Apêndice A - Tabela com os dados do estudo de caso – 273
Apêndice B - Resultado de classificação de cada elemento da amostra geral – 275

5. Regressão Logística – 280
5.1. Introdução – 281
5.2. A lógica da Regressão Logística – 283
5.3. Modelo matemático da regressão logística – 284
5.4. Interpretando os coeficientes da Regressão – 287
5.5. A Curva da Regressão Logística – 290
5.6. Suposições do Modelo Logístico – 291
5.7. Vantagens operacionais do modelo logístico – 292
5.8. Medidas de avaliação do modelo logístico – 293
5.8.1. O Likelihood Value – 294
5.8.2. O R-Quadrado do modelo logístico – 295
5.8.3. O Teste Hosmer e Lemeshow – 296
5.8.4. O Teste Wald – 296
5.9. Exemplo prático – 297
5.9.1. Descrição do caso – 298
5.9.2. Procedimentos para executar a regressão utilizando o SPSS® – 300
5.9.3. Interpretando os outputs da Regressão – 303
5.10. Considerações finais – 315
5.11. Resumo – 315
5.12. Questões propostas – 316
5.13. Exercícios resolvidos – 317
5.14. Exercícios propostos – 321
Bibliografia – 323

6. Análise de Conglomerados – 324
6.1. Conceito de análise de conglomerados (clusters analysis) – 325
6.2. Objetivos, utilidade e aplicações – 327
6.3. Pressupostos e limitações – 327
6.4. Processo de decisão na análise de conglomerados – 328
6.4.1. Estágio 1: objetivos da Análise de Conglomerados – 329
6.4.2. Estágio 2: delineamento da pesquisa – 331
6.4.3. Estágio 3: pressupostos da Análise de Conglomerados – 342
6.4.4. Estágio 4: determinação e avaliação dos grupos – 344
6.4.5. Estágio 5: interpretação dos grupos – 354
6.4.6. Estágio 6: validação e definição de perfis dos grupos – 355
6.5. Aplicação prática – 356
6.6. Considerações finais – 377
6.7. Resumo – 377
6.8. Questões propostas – 379
6.9. Exercício resolvido – 380
6.10. Exercícios propostos – 386
Bibliografia – 387

7. Escalonamento Multidimensional – 389
7.1. Conceitos – 390
7.2. Objetivos e o processo de Escalonamento Multidimensional (EMD) – 398
7.3. Tipos de dados – 399
7.3.1. Forma de abordagem – 401
7.3.2. Conteúdo – 402
7.4. Formas de obtenção de dados – 403
7.5. Modelos – 404
7.6. Qualidade de ajuste – 407
7.7. Dimensão – 409
7.8. Escalonamento Multidimensional (EMD) e outras técnicas – 410
7.9. Aplicações e consolidação dos conceitos – 412
7.9.1. Descrição do caso – 412
7.10. Procedimentos para executar escalonamento multidimensional utilizando o SPSS® – 414
7.11. Interpretando os resultados – 417
7.12. Resumo – 423
7.13. Questões propostas – 423
7.14. Exercício resolvido – 424
7.15. Exercício proposto – 430
Bibliografia – 431

8. Redes Neurais – 432
8.1. Introdução – 433
8.2. As redes neurais artificiais – 434
8.3. Conceito de rede neural artificial – 435
8.4. Origem das redes neurais artificiais – 436
8.5. Utilidade das redes neurais artificiais – 437
8.5.1. Um exemplo – 439
8.6. Modelos de redes neurais – 440
8.7. Processamento dos dados na rede – 442
8.8. A aprendizagem em uma rede neural artificial – 444
8.8.1. O método de aprendizado por retropropagação – 444
8.8.2. A Regra Delta generalizada – 445
8.9. Exemplo de aprendizado – 446
8.10. Passos para a utilização de uma rede neural – 448
8.10.1. Preparação dos dados – 449
8.10.2. Construção e teste das redes – 450
8.10.3. A utilização da rede e a interpretação dos resultados – 450
8.11. Pontos fortes e fracos de redes neurais – 451
8.12. Aplicações na área de negócios – 452
8.13. Resumo – 453
8.14. Questões propostas – 453
8.15. Exercício resolvido – 453
Bibliografia – 458

9. Lógica Nebulosa – 460
9.1. Introdução – 461
9.2. A teoria dos conjuntos nebulosos – 463
9.3. A lógica nebulosa – 465
9.4. Controladores de lógica nebulosa – 467
9.4.1. As entradas discretas – 468
9.4.2. O processo de “fuzzificação” – 469
9.4.3. Base de regras – 469
9.4.4. Inferências – 471
9.4.5. O processo de “defuzzificação” – 473
9.5. Aplicações em negócios e finanças – 487
9.6. Exemplo de aplicação: modelo de avaliação de risco de auditoria usando a lógica nebulosa – 479
9.6.1. Considerações iniciais – 479
9.6.2. Construção da estrutura conceitual básica do modelo – 479
9.6.3. A operacionalização do modelo conceitual – 485
9.6.3.1. A construção da árvore de decisão – 485
9.6.3.2. O processo de “fuzzificação” – 493
9.6.3.3. Regras de produção – 495
9.6.3.4. O processo de inferência – 497
9.6.3.5. Definição do Método de “Defuzzificação” – 499
9.6.3.6. As saídas discretas – 500
9.7. Resumo – 503
9.8. Questões propostas – 503
Bibliografia – 504

10. A Lei Newcomb-Benford – 506
10.1. Introdução – 507
10.2. Uma interpretação intuitiva da Lei de Newcomb-Benford – 509
10.3. Demonstração da Lei de Newcomb-Benford – 511
10.4. Limitações na aplicação da Lei de Newcomb-Benford (NB-Lei) – 513
10.5. A Lei de Newcomb-Benford aplicada à auditoria contábil e digital – 514
10.6. Construção do Modelo Contabilométrico através da NB-Lei – 518
10.7. Exemplo prático: o caso de nota de empenho de uma prefeitura municipal – 520
10.8. Questões propostas – 537
10.9. Exercícios propostos – 538
Bibliografia – 540

Coordenadores: Luiz J. Corrar, Edilson Paulo e José Maria Dias Filho
Ano: 2007 (reimpressão 2014)
Número de Páginas: 568
Tamanho: 17 x 24 cm
Editora: Atlas
Acabamento: Brochura
ISBN: 978-85-2244-707-7