Caracterização da praxe académica com recurso à análise de dados

XXII Jornadas de Classificação e Análise de Dados (JOCLAD 2015), 10-11 abril 2015, ESTBarreiro/IPS, Barreiro, Portugal (Comunicação).

Análise por dados em painel do status de saúde no Nordeste Brasileiro

OBJETIVO: Analisar fatores determinantes do status de saúde em cada estado da Região Nordeste do Brasil. MÉTODOS: Estudo utilizando a metodologia de dados em painel, com informações agregadas para municípios. Os dados compreendem os anos de 1991 e 2000, e foram obtidos no Atlas do Desenvolvimento Humano do Programa das Nações Unidas para o Desenvolvimento, e Secretaria do Tesouro Nacional. Utilizou-se como indicador do status de saúde, a taxa de mortalidade infantil, e como determinantes as variáveis: gastos com saúde e saneamento per capita, números de médicos por mil habitantes, acesso à água tratada, taxa de fecundidade e de analfabetismo, percentual de mães adolescentes, renda per capita e índice de Gini. RESULTADOS: As taxas de mortalidade infantil na região Nordeste reduziram-se em 31,8% no período analisado, desempenho pouco superior ao apresentado para a média nacional. No entanto, em alguns estados, como Rio Grande do Norte, Bahia, Ceará e Alagoas, a redução foi mais significativa. Isso pode ser atribuído à melhora de alguns indicadores que são os principais determinantes da redução da taxa de mortalidade infantil: maior acesso à educação, redução da taxa de fecundidade, aumento da renda, e do acesso à água. CONCLUSÕES: Os estados que apresentaram maiores ganhos no acesso à água tratada, educação, renda e redução da taxa de fecundidade, foram também os que obtiveram maiores ganhos na redução da mortalidade de menores de um ano de idade.

Categorização e análise de dados não estruturados: o caso de debates parlamentares

Trabalho de Projecto apresentado como requisito parcial para obtenção do grau de Mestre em Estatística e Gestão de Informação

Análise simbólica de dados e a sua aplicação na extracção de informação de estatísticas oficiais: análise do inquérito à ocupação do tempo

Dissertação apresentada como requisito parcial para obtenção do grau de Mestre em Estatística e Gestão de Informação

Análise de dados de vibração – Contributo para a definição do Estado de Condição

Dissertação apresentada como requisito parcial para obtenção do grau de Mestre em Estatística e Gestão de Informação

Análise do desempenho de cartas multivariadas com dados autocorrelacionados: carta T2 e carta DPCA

Dissertação apresentada na Faculdade de Ciências e Tecnologia da Universidade Nova de Lisboa para obtenção do grau de Mestre em Engenharia e Gestão Industrial

Separação de dados hiperespectrais baseada na análise de vértices de um simplex

Os sensores hiperespectrais que estão a ser desenvolvidos para aplicações em detecção remota, produzem uma elevada quantidade de dados. Tal quantidade de dados obriga a que as ferramentas de análise e processamento sejam eficientes e tenham baixa complexidade computacional. Uma tarefa importante na detecção remota é a determinação das substâncias presentes numa imagem hiperespectral e quais as suas concentrações. Neste contexto, Vertex component analysis (VCA), é um método não-supervisionado recentemente proposto que é eficiente e tem a complexidade computacional mais baixa de todos os métodos conhecidos. Este método baseia-se no facto de os vértices do simplex corresponderem às assinaturas dos elementos presentes nos dados. O VCA projecta os dados em direcções ortogonais ao subespaço gerado pelas assinaturas das substâncias já encontradas, correspondendo o extremo desta projecção à assinatura da nova substância encontrada. Nesta comunicação apresentam-se várias optimizações ao VCA nomeadamente: 1) a introdução de um método de inferência do sub-espaço de sinal que permite para além de reduzir a dimensionalidade dos dados, também permite estimar o número de substâncias presentes. 2) projeção dos dados é executada em várias direcções para garantir maior robustez em situações de baixa relação sinal-ruído. As potencialidades desta técnica são ilustradas num conjunto de experiências com dados simulados e reais, estes últimos adquiridos pela plataforma AVIRIS.

Separação de dados hiperespectrais por análise de componentes dependentes

A separação de dados hiperespectrais pretende determinar quais as substâncias presentes numa imagem e quais as suas concentrações em cada pixel. Esta comunicação apresenta um método não-supervisionado, denominado de Análise de Componentes Dependentes (DECA), que efectua a separação destes dados automaticamente. Este método assume que cada pixel é uma mistura linear das assinaturas (reflectâncias ou radiâncias) das substâncias presentes pesadas pelas respectivas concentrações (abundâncias). Estas abundâncias são modeladas por misturas de distribuições de Dirichlet, que por si garantem as restrições de não-negatividade e soma unitária impostas pelo processo de aquisição. A matriz de assinaturas é estimada por um algoritmo Esperança-Maximização generalizado (GEM). O método DECA tem um desempenho melhor que os métodos baseados em análise de componentes independentes e que os métodos baseados na geometria dos dados. Nesta comunicação apresentam-se resultados desta metodologia, com dados simulados (baseados em reflectâncias espectrais da base de dados do laboratório USGS) e com dados hiperespectrais reais adquiridos pelo sensor AVIRIS, ilustrando a potencialidade da técnica.

Eficiência energética em habitações: recolha e análise de dados

Dissertação para obtenção do Grau de Mestre em Engenharia Electrotécnica e de Computadores

Presença de aflatoxinas em arroz e cereais importados na União Europeia - revisão bibliográfica e análise de dados RASFF

Dissertação apresentada na Faculdade de Ciências e Tecnologia da Universidade Nova de Lisboa para obtenção do grau de Mestre em Tecnologia e Segurança Alimentar

Análise de Infra-Estruturas de Dados Espaciais na Perspectiva do Planeamento Urbano de Uma Autarquia

Dissertação apresentada como requisito parcial para obtenção do grau de Mestre em Estatística e Gestão de Informação

Métodos sensoriais de prova de vinhos brancos e tintos: análise comparativa dos Métodos Emocional e OIV por análise de dados multivariada

A avaliação sensorial dos vinhos é ponto fundamental tanto no seu processo de produção e estratégia de marketing, como no seu grande objetivo de satisfação e formação de decisão de compra do consumidor. Empresas produtoras de vinhos identificaram que a divulgação das avaliações de provas de vinho por formadores de opinião e concursos realizados por entidades de divulgação de vinhos funcionam como importante ferramenta para aumentar as vendas e agregar valor ao vinho. Os métodos tradicionais de avaliação de vinho das escolas de enologia e dos formadores de opinião adotam linguagem técnica, realizada através de uma medida baseada em comparações com descritores, aromáticos e gustativos, sendo esta metodologia de provas muito questionada por muitos estudiosos e confusa para o grande público. Uma metodologia baseada na emoção que o vinho proporciona foi proposta e estudada: “Qual a sua percepção inicial do vinho? Atracção ou Aversão? O vinho em boca surpreendeu ou decepcionou? são alguns dos questionamentos do método emocional. Foi realizado um trabalho comparativo entre a metodologia utilizada pela Organização Internacional da Vinha e do Vinho – OIV e uma proposta de metodologia inovadora – Método Emocional - no que tange a capacidade de classificação de vinhos por provadores iniciantes. Foram escolhidas 12 amostras de vinhos brancos e 13 de vinhos tintos de características sensoriais diferentes, divididos em 13 sessões de prova, avaliados pelos dois métodos de prova por um painel com 21 provadores, 12 mulheres e 9 homens de faixa etária dos 23 aos 55 anos. Os dados foram avaliados por análise Multivariada com o software XLSTAT. Os resultados demonstraram uma melhor classificação dos vinhos brancos pelo Método Emocional em comparação ao método OIV. Nos tintos não houve uma melhoria significativa na classificação pelo que deve ser objeto de estudos futuros mais aprofundados.

Estudo de viabilidade de paralelização de códigos de análise de dados em PROOF

Dissertação de mestrado em Engenharia Informática

Análise derivativa de dados hiperespectrais medidos em nível de campo e orbital para caracterizar a composição de águas opticamente complexas na Amazônia

A técnica de análise derivativa de dados espectrais foi usada para estudar a variação dos constituintes opticamente ativos (COAs) na água, por meio de dados de campo e de imagens do sensor orbital Hyperion/EO-1. A imagem Hyperion usada neste estudo foi adquirida no dia 23 de junho de 2005, no final do período de cheia. Uma campanha de campo foi realizada entre 23 e 29 de junho de 2005, para coletar dados espectrais e limnológicos in situ. A imagem foi pré-processada visando eliminar faixas de pixels anômalos e convertida de valores de radiância para reflectância de superfície, portanto, corrigidos dos efeitos de absorção e espalhamento atmosféricos. Uma análise da correlação foi realizada para examinar a associação da reflectância e de sua primeira derivada espectral com as concentrações dos COAs. Melhores resultados foram obtidos após a diferenciação dos espectros, o que ajudou a reduzir a influência de efeitos indesejáveis, provindos de diferentes fontes de radiância, sobre as medidas de reflectância da superfície da água realizadas em ambos os níveis de aquisição de dados. Por meio de ajustes de regressões empíricas, considerando o conjunto de dados Hyperion, a primeira derivada espectral em 711 nm explicou 86% da variação da concentração de sedimentos inorgânicos em suspensão (µg.l-1) e a primeira derivada espectral em 691 nm explicou 73% da variação na concentração da clorofila-alfa (µg.l-1). As relações de regressão foram não-lineares, pois, em geral, as águas que se misturam na planície de inundação Amazônica se tornam opticamente complexas. A técnica de análise derivativa hiperespectral demonstrou potenciais para mapear a composição dessas águas.