J Ribeiro

UNIVERSIDADE TCNICA DE LISBOA
FACULDADE
DE
ARQUITECTURA
MTODOS DE INVESTIGAO
JORGE MANUEL TAVARES RIBEIRO
FA - UTL, LISBOA
Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos
Mtodos de Investigao
Escher's "Relativity" em LEGO, 2003
Escher (Relativity, 1953)
Docente Responsvel: Prof. Doutor Eng. Jorge N. Bastos (FAUTL) Outros docentes: Prof. Doutor Eng. Jorge Tavares Ribeiro (FAUTL)
Objectivos
Proporcionar o conhecimento dos mtodos de trabalho cientfico e formas de redaco de artigos e relatrios cientficos; Desenvolver conceitos de colecta de dados e concepo e organizao de questionrios; Sensibilizar os alunos para o tratamento estatstico de dados de diferentes naturezas e provenincias;
Contedo Programtico
1. Mtodo cientfico e experimental 2. Processos e regras gerais de trabalhos cientficos 3. Amostragem 4. Questionrios 5. Anlise estatstica de dados 5.1. Univariada 5.2. Bivariada 5.3. Multivariada
Bibliografia
Eco, Umberto Como se faz uma tese em cincias humanas. 12 edio, Editorial
Presena. Lisboa, 2005. 238 p.;
Escofier, Brigitte; Pags, Jrme Initiation aux Traitements Statistiques mthodes, mthodologie. Presses Universitaires de Rennes. 1997; Escofier, Brigitte; Pags, Jrme Analyses Factorielles Simples et Multiples objectifs, mthodes et interprtation. 3e dition. Dunod. 1998; Foddy, W. Como perguntar. Teoria e prtica da construo de perguntas para entrevistas e questionrios. Celta Editora. Oeiras, 1996 Ghiglione, Rodolphe; Matalon, Benjamin O Inqurito Teoria e Prtica. 4 Edio,
Celta Editora. Oeiras, 2005. 336 p.
Guimares, Rui Campos; Cabral, Jos A. Sarsfield Estatstica. McGraw Hill. 1998; Murteira, Bento J. Anlise exploratria de dados. Estatstica descritiva. McGraw Hill.
1993;
Pereira, Alexandre ; Poupa, Carlos Como escrever uma tese, monografia ou livro cientfico: usando o Word. 3 edio, Edies Slabo. Lisboa, 2003. 226 p.
Avaliao
A avaliao ser efectuada tendo por base um dos seguintes trabalhos: Relatrio de outra disciplina do semestre, escolha do aluno, onde sejam integradas as metodologias e conhecimentos adquiridos nesta disciplina; Questionrio elaborado no mbito de outra disciplina do semestre.
Outros critrios a tomar em considerao, em qualquer dos casos anteriores, sero: Interesse, motivao e participao activa nas aulas; Cumprimento do prazo estabelecido para a entrega do trabalho.
FACULDADE
DE
ARQUITECTURA
MTODO CIENTFICO E EXPERIMENTAL PROCESSOS E REGRAS GERAIS DE TRABALHOS CIENTFICOS
JORGE MANUEL TAVARES RIBEIRO 10 Novembro 2006 FA - UTL, LISBOA
Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao
OBJECTIVOS
Metodologia de trabalho que rege os procedimentos da investigao cientfica; Regras gerais de trabalhos de ndole cientfica;
Science is only the image of the truth

Sir Francis Bacon (1561-1626)
Metodologia da investigao cientfica um trabalho planeado

O trabalho cientfico caracteriza-se por: trabalho muito bem planeado; com alguns objectivos iniciais; algumas fases ou etapas que habitualmente, porm nem sempre, ocorrem numa certa ordem. O trabalho planeado permite abordar problemas, explicar fenmenos, realizar descobertas e obter concluses de carcter geral.
fenmeno qualquer modificao observvel e passvel de repetio.
10
Metodologia da investigao cientfica um trabalho que procura encontrar solues

Quando um investigador ou grupo de investigadores estuda algum fenmeno, normalmente comea por enquadr-lo como uma QUESTO cuja resposta desconhecida. Ou seja, o homem de cincia entende que a busca para a explicao de um facto tal e qual a apresentao do enunciado de um problema para o qual ele deve encontrar uma soluo.
facto fenmeno de reconhecimento indiscutvel.
A razo pela qual um cientista decide estudar um determinado fenmeno e no outro, prende-se com o interesse pessoal que esse fenmeno lhe desperta e com a preparao acadmica que tem, ainda que, por vezes, tambm seja influenciado pelas necessidades da sociedade, uma vez que, um certo trabalho cientfico tem, em determinadas ocasies, um carter social marcante.
11
Metodologia da investigao cientfica um trabalho que se baseia em conhecimentos j existentes

Os investigadores no partem do 'zero'. A investigao aproveita os conhecimentos existentes e j consolidados sobre o objecto de estudo. Devido a isso, diz-se que a Cincia cumulativa, i.e., que os novos conhecimentos se constroem sobre os anteriores e, dessa forma, tais conhecimentos vo-se ampliando.
12
Metodologia da investigao cientfica um trabalho qualitativo e quantitativo

O investigador realiza observaes do tipo qualitativo.
Nestas observaes analisa-se um determinado fenmeno, procurando-se estabelecer por que motivo ele acontece, que factores intervm nele, que relao tem com outros fenmenos, etc. Em geral, esse um primeiro procedimento entre o facto observado e a tentativa de descrev-lo.
13
Metodologia da investigao cientfica um trabalho qualitativo e quantitativo

Porm, sempre que possvel, o investigador efectua tambm medies rigorosas e precisas do tipo quantitativo e, se possvel, formula matematicamente as suas observaes e concluses.
A Matemtica uma ferramenta forte na estruturao e estabelecimento de padres na Cincia.
Assim, por exemplo, para determinar a velocidade de propagao do som em diferentes meios, os cientistas constataram em primeiro lugar que essa velocidade dependia da massa especfica do meio (aspecto qualitativo) e logo depois puderam, com equipamento adequado, medir a velocidade do som em diferentes meios (aspecto quantitativo), obtendo que, no ar ele propaga-se a 340 m/s, na gua a 1 500 m/s, no ferro a 5 130 m/s, etc.
14
Metodologia da investigao cientfica um trabalho que obtm resultados

Quando um trabalho cientfico termina, os resultados obtidos tm valor universal, i.e, baseando-se neles poderemos predizer que, sempre que se tomem as mesmas condies em que foi feito o trabalho, se produzir o mesmo fenmeno que foi observado e explicado.
Para que uma teoria cientfica tenha valor universal dever ser comprovada repetidas vezes nos laboratrios e na realidade, mas, ainda assim, nunca poderemos estar seguros de que no futuro no possa ocorrer uma dessas experincias na qual a citada teoria no se confirme. Basta que, apenas em um caso, uma experincia contradiga uma teoria para que esta se torne invlida. A histria da cincia tem-nos mostrado diversas dessas 'quedas de teorias e suas substituies por novas. Todas as teorias cientficas tm um carcter provisrio, e podem modificar-se quando se encontram outras que explicam de uma forma mais completa o fenmeno ou fenmenos que se pretendiam explicar.
15
Metodologia da investigao cientfica um trabalho de equipa

Ainda que no princpio os cientistas concebessem as suas ideias e as experimentassem solitariamente, na actualidade essa forma de trabalho est ultrapassada.
Hoje em dia, homens e mulheres de Cincia associam-se em equipas mais ou menos numerosas, na maior parte das vezes multidisciplinares e transdisciplinares, trabalhando organizadamente com a inteno de explicar os factos e fenmenos em estudo.
16
Metodologia da investigao cientfica um trabalho que usa o mtodo cientfico e experimental

Este mtodo alterou a maneira de fazer cincia, que at a se limitava quase s observao. As teorias comearam a ser postas prova pela experincia.
Problema Observao Pesquisa
Instrumentos e Tcnicas
Experimentao
Anlise de Dados
Hiptese(s)
Resultados Concluses
17
Metodologia da investigao cientfica Exemplo

Imagine-se no papel de investigador tendo como OBJECTIVO dar uma explicao para um fenmeno natural como, por exemplo, o arco-ris.
Como planearia a sua actividade e que passos daria at encontrar resposta a todas as perguntas que envolvem o fenmeno do arco-ris?
18
Metodologia da investigao cientfica A observao do fenmeno
Uma vez definido o fenmeno a estudar arco-ris, a primeira coisa a fazer observar o seu acontecimento, as circunstncias em que se produz e suas caractersticas.
Esta observao deve ser realizada vrias vezes (deve ser repetida reiterada); minuciosa (deve-se tentar apreciar o maior nmero possvel de detalhes), rigorosa (deve ser realizada com a maior preciso possvel) e sistemtica (deve ser efectuada de forma ordenada).
19
Metodologia da investigao cientfica Em que circunstncias aparece o arco-ris?

A observao reiterada e sistemtica do fenmeno permitir constatar que o arco-ris aparece quando chove (mais tarde poder-se-
simular a chuva, em laboratrio, e no ser necessrio ficar espera que 'chova')
e, alm disso, que h Sol (mais tarde, no laboratrio, um boa lmpada ir simular o Sol). A mesma sequncia de observaes far com que se perceba que o arco-ris s ser visvel quando estiver situado entre o sol e a chuva, de costas para o Sol.
Anotar no seu caderno de campo: "O arco-ris no visto de qualquer lugar em que eu fique e, quando o vejo, estou de costas para o Sol, entre o Sol e a chuva".
20
Metodologia da investigao cientfica
Qual a forma do arco-ris?

A forma do conhecido arco-ris a de um arco de circunferncia.
Porm, no dever anotar apenas isso no seu caderno de campo.
Anote tambm: Ser que observando do alto de uma montanha o tamanho desse arco aumenta ou diminui? O raio mdio da circunferncia altera-se? Se eu estiver num avio ter ele, ainda, a forma de um arco?
21
Metodologia da investigao cientfica Que cores ele nos mostra e em que ordem aparecem?
Poder observar (apenas usando a viso) que existem 7 cores diferentes no arco-ris e que so, de dentro para fora do arco: VAAVAAV Violeta, Anilado, Azul, Verde, Amarelo, Alaranjado e Vermelho.
22
Metodologia da investigao cientfica Recolha de informaes

Como passo seguinte e com o objectivo de confirmar e reafirmar as observaes efectuadas, deve-se consultar livros, enciclopdias, sites da internet ou revistas cientficas que j descrevem algo sobre o fenmeno que est a ser, uma vez mais, estudado.
No esquecer que nos livros se encontram os conhecimentos cientficos acumulados ao longo da histria. Por esse motivo, a busca de informaes e a utilizao dos conhecimentos existentes so imprescindveis em todo trabalho cientfico.
23
Metodologia da investigao cientfica Coincidem as informaes encontradas com as obtidas durante as observaes?
A consulta de qualquer livro de Fsica Elementar confirmar-lhe- que as concluses a que chegou atravs de suas observaes so correctas. Ou seja: a) O arco-ris s aparece e pode ser visto quando chove e, alm disso, quando h sol. b) O arco-ris apresenta sempre as mesmas cores e essas sucedem-se na mesma ordem.
Tome nota de que o livro de texto elementar no deu resposta s suas dvidas anotadas no seu caderno de campo; talvez outros livros as dem.
24
Metodologia da investigao cientfica Que outras informaes foram obtidas nos livros consultados?
A consulta de livros e revistas podero inform-lo que, por exemplo, por vezes, aparecem dois arcos-ris, se bem que um deles bem mais tnue que o outro e, portanto, mais difcil de se ver.
25

Arco-ris principal e secundrio.
A formulao de hipteses
Depois de observar o fenmeno e de reunir documentao suficiente sobre observaes j efectuadas por outros, o investigador deve procurar uma argumentao que permita explicar e justificar cada uma das caractersticas de tal fenmeno. Como primeiro passo desta fase, o investigador comea a fazer vrias conjecturas ou suposies a partir das quais, posteriormente, mediante uma srie de comprovaes experimentais, eleger como explicao do fenmeno a mais completa e simples, a que melhor se ajuste aos conhecimentos gerais da cincia no momento. Essa explicao racional, razovel e suficiente denomina-se hiptese cientfica.
26
Metodologia da investigao cientfica O arco-ris um fenmeno luminoso? Parece que sim, uma vez que s se produz quando existe uma fonte luminosa (o Sol).
27
A sua existncia est relacionada com a gua? A resposta tambm afirmativa, posto que o arcoris s aparece quando chove.
28
Metodologia da investigao cientfica um fenmeno de reflexo ou de refraco?

Parece que, priori, podemos descartar a reflexo, dado que o aparecimento do fenmeno no se observa em nenhum corpo opaco reflector. Por outro lado, podemos propor a hiptese de que o arco-ris seja um fenmeno de refraco da luz e que seu aparecimento se d por causa da decomposio da luz solar quando essa passa atravs das gotas de gua da chuva. uma hiptese razovel.
29
Metodologia da investigao cientfica A comprovao experimental

Uma vez formulada a hiptese, o investigador deve comprovar que esta vlida em todos os casos e, para tal, deve realizar experincias nas quais se reproduzam o mais fielmente possvel as condies nas quais se verifique o fenmeno estudado. Se sob tais condies o fenmeno acontece, a hiptese ter validade, ou seja, ser uma proposio verdadeira nas condies estipuladas.
30
Metodologia da investigao cientfica Como fazer para reproduzir as condies de aparecimento do arco-ris? Comear por simular a chuva e, para tal deve-se ter gua a cair em gotas.
No difcil fazer isso, basta pegar numa mangueira de regar o jardim e apertar a extremidade de sada com as mos de modo a fazer um jacto fino e largo.
Dirigir o jacto para cima e voltar-se de costas para o Sol. Reproduziu-se com fidelidade os requisitos indispensveis para o aparecimento do arco-ris; simulou a chuva, h sol e colocou-se entre ambos.
31
Metodologia da investigao cientfica Que acontecer quando realizar essa experincia? Seguindo todos os passos descritos anteriormente, poder comprovar que no horizonte da chuva ir aparecer um pequeno arco-ris.
Poder-se- admitir como vlida a hiptese formulada? Tudo indica que sim, porque com as mesmas condies da Natureza, porm em escala reduzida, consegue-se obter um arco-ris.
32
Artists conception of the University of Miamis new laboratory research building, slated to open in 2008
Trabalho de laboratrio
Uma das principais actividades do trabalho cientfico a de realizar medidas sobre as diversas variveis que intervm no fenmeno que se estuda e que so susceptveis de serem medidas. Com a experincia realizada anteriormente dificilmente se poder fazer alguma medida, por isso, conveniente repetir a experincia num lugar adequado onde isso possa ser feito o laboratrio.
33
Metodologia da investigao cientfica Trabalho de laboratrio

As experincias realizadas nos laboratrios experincias cientficas devem cumprir os seguintes requisitos:
a) Devem permitir realizar uma observao sobre a qual se possa extrair dados. b) Devem permitir que os distintos factores que intervm no fenmeno (luminosidade, temperatura, etc.) possam ser individualmente controlados. c) Devem permitir que se possam realizar (repetir) tantas vezes quanto necessrias e por distintos operadores.
Habitualmente, em cincias experimentais, os trabalhos de laboratrio permitem estabelecer modelos, que so situaes ou suposies tericas mediante as quais se efectua uma analogia entre o fenmeno que ocorre na Natureza e a experincia realizada.
34
Metodologia da investigao cientfica Como se pode fazer uma montagem em laboratrio na qual se possa efectuar medidas sobre o fenmeno arco-ris?
Preparar um modelo que verifique as seguintes equivalncias na Natureza e no Laboratrio: o Sol substitui-se por uma fonte de luz (projetor); os raios de Sol substituem-se por um estreito feixe de luz procedente da fonte; as gotas de chuva substituem-se por um balo cheio de gua; o fundo do cu substitui-se por uma tela na qual se recolhe a luz.
Efectuando-se a montagem acima e dirigindo o feixe de luz proveniente da fonte para o balo cheio de gua (e isso pode ser substitudo por um bolbo de lmpada incandescente da qual se extraiu seu miolo), poder observar projectado sobre a tela, uma a seguir outra, as cores que formam o arcoris.
35
Metodologia da investigao cientfica Como explicar o que ocorreu?

Quando o estreito feixe de luz branca passa pela gua, ocorre uma mudana de direco e uma ampliao da abertura do feixe fenmeno da refraco. As luzes coloridas provenientes dessa decomposio atingem a tela.
Cada gota da chuva tem esse comportamento. Os milhares de gotas de chuva que participam nessa decomposio que tornam possvel ver o arco-ris no horizonte. Alm dessa importante observao, a experincia permite medir os diferentes ngulos de desvio de cada uma das cores em relao ao estreito feixe incidente inicial. Assim, se comprova que a formao do arco-ris pode ser explicada pelas leis que regem a refraco da luz.
36
Metodologia da investigao cientfica O tratamento dos dados

As medidas efectuadas sobre os factores que intervm num determinado fenmeno devem permitir encontrar algum tipo de relao matemtica entre as grandezas fsicas que caracterizam o fenmeno em estudo. Para chegar a essa relao matemtica os investigadores procuram seguir dois passos prvios: i. a anlise dos factores pertinentes; ii. a construo de tabelas e grficos.
37

1. Anlise dos factores O estudo em profundidade de um fenmeno requer, em primeiro lugar, a determinao de todos os factores intervenientes. Para que esse estudo se realize de forma mais simples, fixa-se uma srie de grandezas que no variem (variveis controladas) e estuda-se a maneira como varia uma dada grandeza (varivel dependente) quando se produz uma variao de outra grandeza (varivel independente).
Assim, se reconhecidamente existem 10 factores a intervir num dado fenmeno, fixam-se os valores de 8 deles, varia-se deliberadamente (de modo muito bem determinado) um dos dois restantes e determina-se, mediante cuidadosas medidas que variao sofreu o factor restante. Este procedimento repetido ciclicamente at se esgotar toda a srie.
38

exemplo: Quer-se estudar o efeito dos isolamentos trmicos de um edifcio. H um conjunto de grandezas que, de incio, podero ser consideradas com valores invariveis (temperatura exterior, a presso atmosfrica, a humidade relativa do ar, etc.), que correspondem s variveis controladas. A medida da temperatura interior ser a varivel dependente e o isolamento das paredes e cobertura ser a varivel independente (escolhemos os tipos e espessuras desses isolamentos).
39

2. Construo de tabelas
A construo de tabelas consiste em ordenar os dados numricos obtidos para a varivel dependente em correspondncia com os dados numricos da varivel independente.
Tipo de isolamento A espessura (cm) temperatura (C)
1 28
2 26
3 22
4 20
5 20
40

2. Construo de grficos A representao grfica consiste em transferir os dados das medidas (pares ordenados) para um sistema de eixos cartesianos ortogonais onde, normalmente, a varivel independente se faz corresponder ao eixo X (eixo das abscissas) enquanto que a varivel dependente se faz corresponder ao eixo Y (eixo das ordenadas). Denomina-se ajustamento do grfico ao processo pelo qual se determina qual a melhor linha que passa (que se ajusta) por todos os pontos (ou pela maioria deles) do grfico, representativo dos pares ordenados.
41
Metodologia da investigao cientfica As concluses e a comunicao de resultados
A anlise dos dados e a comprovao das hipteses levam os investigadores a emitirem as suas concluses, que podem ser empricas, ou seja, baseadas na experimentao ou dedutivas, ou seja, obtidas mediante um processo de raciocnio do qual se parte de uma verdade conhecida (premissa verdadeira) at chegar explicao do fenmeno. Uma vez bem solidificadas essas concluses, estas devem ser comunicadas e divulgadas para a restante comunidade cientfica para que sirvam de ponto de partida para outras descobertas ou como fundamento de uma aplicao tecnolgica prtica.
42
Metodologia da investigao cientfica Qual o caminho trilhado para se chegar explicao da formao do arco-ris?
O primeiro cientista que estudou de forma rigorosa a decomposio da luz foi Sir Isaac Newton (1642 - 1727) e as suas publicaes serviram para que, posteriormente, a formao do arco-ris pudesse ser bem explicada. Mais tarde, a tecnologia aproveitou o fenmeno da refrao da luz e foram inventados numerosos instrumentos pticos, como mquinas fotogrficas, projetores, etc., cujo funcionamento est relacionado com este fenmeno.
43
Metodologia da investigao cientfica Elaborao de Leis e Teorias

O estudo cientfico de todos os aspectos de um fenmeno pode conduzir elaborao de leis e teorias. Uma lei cientfica uma hiptese, cuja validade tenha sido comprovada. Uma teoria cientfica um conjunto de leis que explicam um determinado fenmeno ou um grupo de fenmenos.
Assim, por exemplo, a hiptese comprovada de que o arco-ris se forma devido refraco da luz branca (solar) ao atravessar as gotas de chuva, uma lei integrante de um conjunto de leis que regem outros fenmenos luminosos (reflexo, disperso, difraco etc.). Esse conjunto conhecido como a Teoria da luz.
44
Metodologia da investigao cientfica Requisitos das Leis e Teorias:

a) Devem ser gerais, ou seja, no devem explicar apenas casos particulares de um fenmeno. b) Devem ser comprovadas, ou seja, devem ser suportadas pela experimentao. c) Devem, quando possvel, estar 'matematizadas', ou seja, devem poder expressar-se mediante funes matemticas. As teorias cientficas tm validade at que sejam incapazes de explicar determinados factos ou fenmenos, ou at que alguma descoberta nova comprovada se oponha a elas. A partir de ento, os investigadores comeam a elaborar outra teoria que possa explicar essas novas descobertas. A Cincia conhecimento evolutivo e dinmico e no estacionrio.
45
A que concluso chegaria se visse um arco-ris num dia sem chuva?
46
FACULDADE
DE
ARQUITECTURA
MTODO CIENTFICO E EXPERIMENTAL PROCESSOS E REGRAS GERAIS DE TRABALHOS CIENTFICOS
47
O artigo cientfico (paper)
Ttulo Resumo Introduo Objectivos Estado da Arte Hipteses Metodologia Amostragem Instrumentao Anlise de Dados Resultados Discusso de resultados Concluses
TITLE ABSTRACT INTRODUCTION OBJECTIVES REVIEW OF THE RESEARCH / STATE OF THE ART HYPOTHESES METHODOLOGY SAMPLING INSTRUMENTATION DATA ANALYSIS RESULTS DISCUSSION / IMPLICATIONS CONCLUSIONS
48
O plano de trabalho da dissertao
Ttulo e tema da dissertao 1.Introduo 2. Objectivo(s) 3. Estado da Arte 4. Metodologia 5. Cronograma 6. Resultado(s) esperado(s) 7. Referncias bibliogrficas e bibliografia
49
A Dissertao
Capa; A primeira pgina deve ser uma cpia da capa. As pginas seguintes devem respeitar a sequncia indicada: a) Resumo em portugus com cerca de 200 palavras e cerca de 5 palavras chave; b) Resumo em ingls com cerca de 200 palavras e cerca de 5 palavras chave; c) Agradecimentos (opcional); d) ndices; e) Glossrio de termos e abreviaturas; f) Texto da dissertao; g) Referncias bibliogrficas; h) Anexos. A capa e a primeira pgina no so numeradas. O texto referido nas alneas f) a h) do nmero anterior deve ser numerado, com numerao rabe, sequencialmente comeando no nmero 1 As pginas referidas nas alneas a) a e) devem ser numeradas sequencialmente com numerao romana.
50
A Dissertao Capa
51
A Dissertao Ttulo
A escolha do ttulo pode contribuir para o xito da dissertao; Original e criativo; Conciso; Claro, sem ambiguidades, sem ser demasiado generalista; Eventual subttulo para clarificar o assunto especificamente.
52
A Dissertao Resumo (com palavras-chave) e Abstract (com keywords)
Sntese do(s) assunto(s) da dissertao, da metodologia e das principais concluses; Devem ser escritos de forma a ajudar leitores da mesma rea a decidir sobre a leitura ou no da totalidade da dissertao; Evitar usar abreviaturas; No exceder 200 palavras.
Cerca de 5 palavras-chave e keywords que destaquem os temas e/ou tcnicas abordados(as).
53
A Dissertao Agradecimentos (opcional)

Objectivos, mencinonando directamente todos os indivduos ou entidades que contriburam de alguma forma para o xito do trabalho.
A Dissertao ndices
ndice da dissertao, de figuras, de fotografias, de quadros, de tabelas, de frmulas, etc.
A Dissertao Glossrio de termos e abreviaturas (opcional)
54
A Dissertao Texto da dissertao

Dividido em captulos e sub-captulos. Os ttulos dos captulos e sub-captulos em que se estrutura e organiza hierarquicamente a dissertao no devem ir alm de quatro nveis, considerando o ttulo de cada captulo principal como correspondendo ao nvel 1; Estilo narrativo a utilizar deve ser coerente do princpio ao fim do trabalho; Estilo Plural Magesttico (ns); Estilo Impessoal (fez-se, procurou-se, conclui-se, etc.) Estilo de carcter narrativo (o autor referiu, o autor concluiu, etc.) Estilo pessoal (pretendo, procurei, conclu, etc.) As afirmaes directas devem ser documentadas, remetendo para as fontes; A seleco e oportunidade das citaes um importante factor de avaliao de um trabalho cientfico.
55

1. Introduo 1.1. Enquadramento (inclui estrutura do trabalho) 1.2. Objectivo(s) 1.3. Metodoglogia 2. Estado da Arte ... ... ... ... ... 5. Discusso de resultados 6. Concluses 7. Desenvolvimentos futuros 8. Referncias bibliogrficas 9. Anexos
56

Palavras ou expresses estrangeiras isoladas devem ocorrer em itlico;
Evitar linguagem pleonstica;
Forma pleonstica
antdoto contra coincidir com subir para cima entrar para dentro breve alocuo monoplio exclusivo principal protagonista sob o ponto de vista
Forma correcta
antdoto para coincidir em subir para entrar alocuo monoplio protagonista do ponto de vista
57

Citaes:
autor; ano de publicao; pgina(s).

Exemplos: (Nemsio, 1970: 24) (Ribeiro, 1999: 212) (Escofier e Pags, 2002) (Pereira et al., 1993a) (Pereira et al., 1993b)
58
A Dissertao Referncias Bibliogrficas

Por ordem alfabtica dos apelidos. de livros: exemplos:
Barthes, Roland. O Prazer do texto. Traduo de Maria Margarida Barahona, col. Signos, Edies 70, Lisboa, 1988. Lopes, scar; Saraiva, A. Jos. Histria da Literatura Portuguesa. 15 ed., Porto Editora, Porto, 1989 (1 ed., 1955). Srgio, A. Ensaios. Vol.1, 3 ed., col. Clssicos S da Costa, S da Costa, Lisboa, s.d., 224 pp. Bouroche, J.-M.; Saporta, G. (1998) Lanalyse des donnes. 7e dition, Paris, France, 126 pp. Benzcri, J.-P. Pratique de lanalyse des donnes. Vol. 1, Dunod, 1980, 424 pp. Ribeiro, J. Formulao de ndices quantitativos com base na discriminao baricntrica. Tese de Doutoramento, UTL/IST, Lisboa, 1999. 322 pp.;
autor./, ttulo./, volume./, n de edio, tradutor, coleco, editor, local de publicao, data, pgina(s).
59

Por ordem alfabtica dos apelidos. de artigos de livros:
autor./, ttulo do artigo, ttulo da publicao./, volume./, n de edio, tradutor, editor, local de publicao, data, pgina(s).
exemplos:
Bersani, Leo. Realism and the Fear of Desire, in Realism. Ed. por Lilian R. Furst, Longman, Londres e Nova Iorque, 1992, 240-60. Derrida, Jacques. On commence et comment finit un corps enseignant, in Politiques de la philosophie. Ed. por Dominique Grisoni, Bernard Grasset, Paris, 1976, 55-97. Pereira, H.G.; Brito, G.; Albuquerque, T.; Ribeiro, J. Geostatistical estimation of a summary recovery index for marble quarries. Geostatistics Tria 92, vol. 2, Amlcar Soares ed., Kluwer Academic Publishers, 1993, 1029-1040. AA. VV. Geostatistical estimation of a summary recovery index for marble quarries. Geostatistics Tria 92, vol. 2, Amlcar Soares eds., Kluwer Academic Publishers, 1993, 1029-1040.
60

Por ordem alfabtica dos apelidos. de artigos de revistas ou jornais:
autor./, ttulo do artigo, ttulo da publicao./, volume, n de srie, tradutor, editor, local de publicao, data, pgina(s).
exemplos:
Derrida, Jacques. Signature Event Context, Glyph. Vol.1, The Johns Hopkins University Press, Baltimore, 1977, 172-97. Loureno, Eduardo. Um Rio de ntimo Sossego, Pblico (09-07-1994). Sen, Z. Cumulative semivariogram models of regionalized variables. Math. Geol., vol. 21, n 8, 1989, 891-903.
61
Contactos
Email: jribeiro@fa.utl.pt Tel. 21 361 5049
Bibliografia
Eco, Umberto Como se faz uma tese em cincias humanas. 12 edio, Editorial Presena. Lisboa, 2005. 238 p.; Pereira, Alexandre ; Poupa, Carlos Como escrever uma tese, monografia ou livro cientfico: usando o Word. 3 edio, Edies Slabo. Lisboa, 2003. 226 p.
62
63
FACULDADE
DE
ARQUITECTURA
AMOSTRAGEM QUESTIONRIOS
64
OBJECTIVOS
Fundamentos e conceitos elementares de Estatstica Procedimentos de recolha de dados Amostragem e Questionrios
65
O que a Estatstica?
A palavra Estatstica tem a sua origem no latim status designao esta que significa Estado, no sentido poltico do termo. Segundo diversos autores, o termo Estatstica foi usado pela primeira vez em 1589 pelo historiador italiano Girolami Ghilini num estudo civile, politica, statistica e militare scienza.
a Estatstica a cincia que se dedica obteno de informao e respectivo tratamento inicial, com a finalidade de, atravs da aplicao adequada do clculo de probabilidades, inferir de uma amostra para a populao, e eventualmente mesmo prever a evoluo futura de um fenmeno (previso).
66
A obteno de informao A Amostragem a disciplina que se ocupa das questes associadas obteno de amostras convenientes, nomeadamente no que respeita dimenso, que deve ser adequada para a obteno de estimativas populacionais com a preciso que interessa. O Planeamento de Experincias a disciplina complementar da Amostragem, no que respeita obteno dos dados. Com efeito, quando se pretende estabelecer relaes entre variveis mais importante ainda produzir os dados que devem ser analisados, ou pelo menos controlar tudo quanto se possa controlar, aleatorizar o que no for possvel controlar.
67
O tratamento inicial O tratamento inicial compreende a ordenao, o clculo de caractersticas amostrais, o agrupamento em classes, as representaes grficas em suma, aquilo que constitui um dos
ramos da Estatstica a estatstica descritiva (ou estatstica dedutiva) e anlise exploratria de dados.
O outro ramo da Estatstica a inferncia estatstica (ou estatstica indutiva) que tem por base a Teoria das Probabilidades, permite induzir do que se verifica numa amostra para a populao de que esta foi extrada, i.e. tomar decises sobre hipteses, estimar parmetros populacionais a partir das caractersticas amostrais relevantes, comparar populaes, relacionar uma varivel resposta com variveis controladas, etc., constituindo um instrumento de previso da evoluo futura de um fenmeno em estudo.
68
Classificaes da Estatstica
ESTATSTICA DESCRITIVA ou DEDUTIVA
ESTATSTICA
ESTATSTICA INDUTIVA ou INFERNCIA ESTATSTICA
Estatstica Descritiva ou Estatstica Dedutiva corresponde s tcnicas sistemticas de organizao, classificao, sumarizao, reduo e interpretao de dados. Estatstica Indutiva ou Inferncia Estatstica o mtodo cientfico que permite obter concluses (inferir) para um conjunto de elementos designado por populao ou universo com base na anlise de uma parte ou amostra deste conjunto.
69
Variveis
CARACTERSTICAS VARIVEIS
VARIVEIS QUALITATIVAS: No podem ser representadas numericamente
VARIVEIS QUANTITATIVAS: So representveis numericamente

Var. QUANTITATIVAS DISCRETAS: os valores so observados somente em pontos isolados ao longo de uma escala (Processos de Contagem); Var. QUANTITATIVAS CONTNUAS: podem assumir um valor qualquer numa gama de valores de uma escala (Processos de Medio)
70
Escalas de Representao das Variveis

Escala NOMINAL: os dados so identificados por um nome que designa uma classe, sendo as classes: - Mutuamente exclusivas; - Exaustivas; - No ordenveis. Escala ORDINAL: possibilidade de estabelecer uma ordenao das classes; Escala de INTERVALO: os dados so diferenciados e ordenados por nmeros expressos numa escala com origem arbitrria; Escala ABSOLUTA: Tem origem fixa.
Grau crescente de conhecimento Variveis
Nominal Qualitativas Quantitativas X X
ESCALAS Ordinal Intervalo X X X
Absoluta
71
A obteno de informao Inquirindo um nmero restrito de pessoas, com a condio de que estas tenham sido correctamente escolhidas, possvel obter as mesmas informaes, com uma certa margem de erro (erro quantificvel), que se pode tornar suficientemente pequeno. A Amostra deve apresentar caractersticas idnticas s da populao, i.e., deve ser representativa.
A amostra representativa se os elementos que a constituem forem escolhidas por um processo tal que todos os elementos da populao tenham a mesma probabilidade de fazer parte da amostra.
72
Dimensionamento de amostras
Recolher e tratar uma amostra grande de mais para os resultados que se pretendem obter, constitui um evidente desperdcio de recursos; Recolher uma amostra cuja dimenso no suficiente para se poderem tirar concluses, constitui um erro.
A dimenso requerida para as amostras aumentar naturalmente, medida que aumentam os seguintes parmetros: A preciso do intervalo de confiana (que varia na razo inversa da sua amplitude); O grau de confiana do intervalo (i.e. A probabilidade de este vir a incluir o parmetro).
73
EXEMPLO: A proporo de edifcios a recuperar num bairro ser estimada a partir de um grupo de edifcios constitudo para esse efeito.
Qual dever ser a dimenso desse conjunto para que a amplitude do intervalo de confiana a 95 % para a proporo de edifcios a recuperar no ultrapasse 0.02?
p z ( / 2 )
Y (N Y ) N
3
Y a proporo real
z ( / 2 ) = z ( 0.025 ) = 1.96
1.96
Y (N Y ) N
3
< 0.01
74
EXEMPLO: Para determinar uma estimativa de p pode-se recolher uma amostra piloto de dimenso fixada arbitrariamente. Admita-se que a partir de uma amostra de n = 30 edifcios se obteve y = 3 edifcios a necessitar de recuperao. Ento
p=
y 3 = = 0.1 n 30 1.96 0.1 N ( N 0.1 N ) N

3
< 0.01
N > 3457.4
ou
N 3458
75
FACULDADE
DE
ARQUITECTURA
AMOSTRAGEM QUESTIONRIOS
76
Questionrios Objectivos
Estimar certas grandezas absolutas:
despesas ao longo de um certo perodo de tempo, percentagem de pessoas com uma determinada opinio, percentagem de pessoas que lem um certo jornal ou que compram um determinado produto, etc.
Estimar grandezas relativas:

por exemplo, quando se elabora uma tipologia, proporo de cada tipo na populao estudada. fazer uma estimativa da
Descrever uma populao ou sub-populao:

por exemplo, determinar as caractersticas dos compradores de um produto, dos leitores de um jornal, daqueles que afirmam ter um certa opinio, etc.
Verificar hipteses sob a forma de relaes entre 2 ou mais variveis:

por exemplo, verificar se a natureza ou a frequncia de um comportamento varia com a idade, se as opinies e os comportamentos relativos a um determinado objecto so coerentes.
77
Questionrios
A construo do questionrio e a formulao das questes constituem uma fase crucial do desenvolvimento de um inqurito.
Para construir um questionrio obviamente necessrio:
Saber com exactido o que se procura, Garantir que as questes tm o mesmo significado para todos; Que os diferentes aspectos da questo tenham sido bem abordados; Que cada questo contenha uma nica pergunta;
78
Questionrios
Um questionrio deve parecer uma troca de palavras to natural quanto possvel e as questes encadearem-se umas nas outras sem repeties nem despropsitos. Se necessrio garantir uma certa coerncia no contedo das questes e na sucesso dos temas, a variedade na forma das questes , em geral, bem recebida, evitando uma impresso de monotonia, a qual constitui um dos principais perigos dos questionrios longos. Questionrios entre 45 60 min. Questionrios < 10 min. As justificaes das respostas, sob a forma de porqu, provocam facilmente a irritao das pessoas.
79
Tipos de questes em relao ao contedo
Sobre FACTOS, em princpio susceptveis de serem conhecidos sem ser atravs de um inqurito.
Por exemplo: qual o jornal que leu ontem, em que lugar trabalha, onde passou as ltimas frias, etc.
Sobre OPINIES, ATITUDES, PREFERNCIAS, etc.

Por exemplo: pensa que este jornal objectivo?, Porque passou as frias nesse local?, o trajecto at ao seu local de trabalho cansativo?, etc.
80
Tipos de questes em relao forma
Questes ABERTAS, s quais a pessoa responde como quer, utilizando o seu prprio vocabulrio, fornecendo os pormenores e fazendo os comentrios que considera correctos, anotando-se integralmente o que foi dito dificuldades de codificao. Questes FECHADAS, onde se apresenta pessoa, depois de colocada a questo, uma lista preestabelecida de respostas possveis dentre as quais se pede que indique a que melhor corresponde que deseja dar.
Ordenar objectos (pessoas, opinies, situaes), atribuir notas, constituir categorias, estabelecer correspondncias, etc.
81
Tipos de questes questes fechadas

Respostas previstas inscritas numa ficha Indicar a resposta mais adequada; Indicar vrias respostas, sendo livre o nmero de repostas possveis; Indicar vrias respostas, sendo fixo o nmero de repostas possveis; Ordenar todas as respostas, da menos mais adequada; Ordenar as n (nmero fixo) respostas mais adequadas. Lista de respostas: Sim / No; Longa; No sei; Outras respostas
82
Formulao das questes

Testar as perguntas numa pequena amostra; Redigidas em vocabulrio simples; Controlar a estrutura lgica da questo;
Evitar negaes de frases interrogativas e duplas negaes
No necessrio que o psiclogo no tenha muito poder na empresa?
Evitar que uma resposta possa ser dada por razes muito diferentes;
Deseja a nacionalizao das grandes empresas?
Evitar termos vagos como frequentemente, muitos, etc.; Evitar termos carregados de afectividade, de juzos de valor e de conotaes; Evitar perguntas embaraosas do tipo:
voc masturba-se? substituir por com que idade comeou a masturbar-se?
83
Formulao das questes Exemplos

O psiclogo indispensvel ao bom andamento da empresa. de acordo; em desacordo ou absolutamente de acordo (2); relativamente de acordo (1); relativamente em desacordo (-1); absolutamente em desacordo (-2). O psiclogo indispensvel ao bom andamento da empresa? sim; no ou Na sua opinio, o psiclogo indispensvel ao bom andamento da empresa? sim; no Com qual destas opinies est mais de acordo? O psiclogo indispensvel ao bom andamento da empresa; O psiclogo presta servios numa empresa, mas pode-se passar sem ele; O psiclogo totalmente intil numa empresa; O psiclogo s serve para encobrir os verdaeiros problems da empresa.
84
Quando se termina a redaco de um questionrio, perguntar:

Todas as questes sero compreendidas, e sero compreendidas da mesma forma por todos e da forma prevista pelo investigador? Algumas questes no sero muito difceis? As listas de respostas propostas s questes fechadas cobrem todas as respostas possveis? Todas as respostas sero aceites pelas pessoas? No haver alguma que provoque muitas recusas inutilizveis? A ordem das questes aceitvel? No haver demasiadas rupturas, i.e. passagens inesperadas e sem motivo de um assunto para outro? Algumas questes no podero influenciar as respostas s questes seguintes? No haver questes inteis, seja porque faltaro informaes complementares para a interpretao das suas respostas, seja porque a quase totalidade das pessoas dar a mesma resposta? Como que as pessoas reagiro ao conjunto do questionrio? No o consideraro muito longo, aborrecido, difcil, indirecto, parcial?
85
Contactos
Bibliografia
Foddy, W. Como perguntar. Teoria e prtica da construo de perguntas para entrevistas e questionrios. Celta. Oeiras, 1996 Ghiglione, Rodolphe; Matalon, Benjamin O Inqurito Teoria e Prtica. 4 Edio, Celta Editora. Oeiras, 2005. 336 p.
86
87
FACULDADE
DE
ARQUITECTURA
ESTATSTICA Univariada, Bivariada, Multivariada
88
OBJECTIVOS
Fundamentos e conceitos elementares de Estatstica Descritiva Sensibilizar e proporcionar o conhecimento das potencialidades de tcnicas de tratamento estatstico de dados de diferentes naturezas e provenincias
89
ENQUADRAMENTO
Como tratar objectivamente grandes volumes de informao,

apresentada normalmente sob a forma de dados amorfos e de natureza diferente, cuja estrutura no clara a priori,
que tem importncia muito relevante para resolver problemas prticos?
90
ENQUADRAMENTO
Identificao da descontinuidade x y z Comp. Incl. N Int. Curv. Abert.
Rochas ornamentais
0102001 0102002
. . . .
22.5 24.2 . . . . 62.4 73.1
38.5 36.5 . . . . 44.5 45.9
3.8 2.5
4.77 3.22
39.0 21.5 . . . OD . 19.8 38 17.0 5 . . . . 5 5 97 . . . . 58 110 8.2 11.9
2 7 . . . pH. 2 8.0 2 7.3 271 . . . CMPR . 798

1 333 3 . . . . 3 3
1 0 . . . CQO . 1 1200 42 0 41 . . . DIAG . 25

2 15 1 . . . . 1 1
0 0 . . . .Nit. 1 169 33 . . . TEMP . 54 24

2 2 . . . . 2 1
0403114 0403115
. . Local e . . . perodo de . . . IBO amostragem 16.8 2.21
Cond
Sulf.
Fosf.
Cu
Fe
AN2
17.5 4.07
0.88 1 0.19
0.96 0
0.01 0 . . . STAY .1 0
. .
0.96 0.22 . . . . 1.43
gua superficial
AF3
. . . .
. . . . Identificao. . . dos .
indivduos8.1 24.6
. . . . . . . FSTR . 0 0
1 1 . . . . 1 1
CD45 RO/4
CD25
CD25/3
CVIRAL
NA7 NM8
0.21 0
01A 7.7 19 02A

. . . .
1 2
. 1.2 .
1 1 . . . .
1 3 . . . . 1 1
1 1 . . . . 1 1
1 3 . . . . 1 2
Doena infecciosa
54A 55A
. .
2 1
. .
1 1
91
ENQUADRAMENTO Vida pblica no Parque das Naes

Ruas 5162 5163 TP 48.0 707.0 TC 0.0 61.0 TJ 0.0 105.0

10129 10130

9.0 26.0

0.0 0.0

6.0 13.0
Tabela 1 Exemplo do ficheiro de dados EDC EVer Arv Pass APas 28.0 0.0 0.0 154.0 7.0 4158.0 498.0 5616.0 554.64 281.0 10.0 6330.0 3.0 0.0 0.0 5.0 850.0 0.0 13.0 0.0 0.0 29.0 27.0 3024.0
TA
Cdigo TP TC TJ TA TI AEPP PMM CONN CONT Tint Lint MeDe L Lut TAC HAB C/R
ASol 0.0 0.0
Seg 0.0 0.0
OCC 0.0 0.0
Forn 0.0 0.0

0.0 0.0

0.0 0.0

0.0 0.0

0.0 0.0
Cdigo Bic P/Sk PCao DMot Conv FTM Ler Fumo Tur Come Bebe Sent ASol Seg OCC Forn Descrio Bicicleta Patins / Skate Passear o Co Deficientes Motores Conversar Falar ao Telemvel Ler Fumar Turistas Comer Beber Sentar Apanhar Sol Segurana Operrios da Construo Civil Fornecedores
Tabela 2 Cdigos e descrio das variveis

Descrio Nmero de Pessoas Nmero de Crianas Nmero de Jovens Nmero de Adultos Nmero de Idosos rea de Espao Pblico / Pessoa Nmero de Pessoas / m . min. Conectividade Controlo Integrao Total Integrao Local Profundidade Mdia Comprimento Comprimento til (troo amostrado) rea Construda rea de Habitao rea de Comrcio e Restaurao Cdigo Serv EQC UE A/I EQT EDC EVer Arv Pass APas Banc Balz H2O Somb Est And Jogg Descrio rea de Servios rea de Equipamentos Colectivos rea de Usos Especiais rea de Armazns e Indstria rea de Equipamentos Tursticos rea de Edifcios em Construo Area de Espaos Verdes Nmero de rvores Largura de Passeio rea de Passeio Nmero de Bancos Nmero de Balizadores rea de gua rea de Sombra rea de Estacionamento Andar Jogging
92
Variables and Codes
ENQUADRAMENTO
Caracterizao da habitao em Maputo
rea Residencial Consolidada Formalmente Demarcada de Baixa Densidade de Habitao Unifamiliar rea Residencial Consolidada Formalmente Demarcada de Mdia Densidade de Habitao Unifamiliar rea Residencial Consolidada Formalmente Demarcada de Alta Densidade de Habitao Unifamiliar rea Residencial Consolidada Formalmente Demarcada de Baixa Densidade de Habitao Uni e Plurifamiliar rea Residencial Consolidada Formalmente Demarcada de Mdia Densidade de Habitao Uni e Plurifamiliar rea Residencial Consolidada Formalmente Demarcada de Baixa Densidade de Habitao Plurifamiliar rea Residencial Consolidada no Demarcada Formalmente de Baixa Densidade de Habitao Unifamiliar rea Residencial Consolidada no Demarcada Formalmente de Mdia Densidade de Habitao Unifamiliar rea Residencial Consolidada no Demarcada Formalmente de Alta Densidade de Habitao Unifamiliar rea Residencial Consolidada no Demarcada Formalmente de Baixa Densidade de Habitao Uni e Plurifamiliar rea Residencial Consolidada no Demarcada Formalmente de Mdia Densidade de Habitao Uni e Plurifamiliar rea Residencial da Periferia em Expanso Quarteiro Predominantemente Residencial Plurifamiliar Quarteiro Predominantemente Residencial Uni e Plurifamiliar Quarteiro Predominantemente Residencial Unifamiliar rea Residencial Central em Expanso Quarteiro Multifuncional
BDU MDU ADU
N de Habitaes com Laje de Beto no Tecto N de Habitaes com Telha no Tecto N de Habitaes com Lusalite no Tecto
TLB TT TL TZn TCCP TO HADC HAFC M A P CP CMZn PBC PBT PMZn PBA PCPB PPM PLCP POUT HALG HPP HCED HOUT HRET HLAT HSRL
BDUP N de Habitaes com Zinco no Tecto MDUP N de Habitaes com Capim/Colmo/Palmeira BDP N de Habitaes com Outro Material no Tecto
NBDU N de Habitaes com gua dentro de casa NMDU N de Habitaes com gua fora de casa NADU N de Habitaes de tipo Moradia NBUP N de Habitaes de tipo Apartamento NMUP N de habitaes de tipo Palhota ARPE N de Habitaes de tipo Casa Precria QPRP N de Habitaes de tipo Casa de Madeira e Zinco N de Habitaes com Bloco de Cimento nas QRUP Paredes QPRU N de Habitaes com Bloco de Tijolo nas Paredes ARCE N de Habitaes com Madeira e Zinco nas Paredes QM N de Habitaes com Bloco de Adobe nas Paredes N de Habitaes com Canio/Paus/Bambu/Palmeira PMP Paredes HLAT nasHSRL PMG N de Habitaes com Paus Maticados nas Paredes 20.0 N de Habitaes com 52.0 PC 85.0 Lata/Carto/Papel/Saco/Casca nas Paredes 131.0 PMT N de Habitaes com Outro Material nas Paredes PAD N de Habitaes Alugadas PTB N de Habitaes Prprias PO N de Habitaes Cedidas N de Habitaes com Outro Regime de Propriedade 2340.0N de Habitaes com Retrete 50.0 N de Habitaes com Latrina 2069.0N de Habitaes sem Retrete/Latrina 158.0
BDU AMa AMb 0.0 0.0
MDU 0.0 0.0
ADU 0.0 0.0
BDUP 0.0 0.0

25Jb ZPT

9606.8

10794.4

11719.9 0.0

0.0 0.0
79150.8 607098.6
PMP 1592.0 2190.0
PMG

118.0 9.0
HOUT HRET N de Habitaes com Mrmore/Granulito no Pavimento 21.0 436.0 15.0 0.0 26.0 1999.0 N de Habitaes com Cimento no Pavimento 18.0 719.0 41.0 1.0 18.0 2786.0 N de Habitaes com Mosaico/Tijoleira no Pavimento de Habitaes com Adobe no Pavimento N N batida de Habitaes com Sem nada/Terra noPavimento N de Habitaes com Outro Material no Pavimento 8.0 2511.0 16.0 29.0 3.0 532.0 2.0 1728.0 4.0 41.0 8.0 127.0
PC PMT PAD
N de Habitaes com Madeira/Parquet no Pavimento
93
ENQUADRAMENTO
Vida pblica no Parque das Naes

Localizao geogrfica
94
ENQUADRAMENTO

Localizao geogrfica
Bengalena Island
ZPT MGNN ABZ MHT
Xefina Pequena
GD
Rio In fulen e
MJHZ 3F
BGM HLb 25Ja

Xefina Grande
LL
CS
Machava
25Jb HLa MVb FPLM Ferr
IGa NSL Aeroporto IGb Jard MVa
Esturio do Espirito Santo MATOLA
LC
In di c
O ce an
Catembe
MAPUTO
CHMa
0 5 10 Km
U7 APb MXQd APa CHMd MXQa PCNa MXQb CHMc XPM Urb MXQc CHMb MFL MHGb MLG Coop Somm AMa MHGa Cta AMb Ctb PCTb Ctc MKD PCTa
PCNb
Bairros Boundaries
4 Km
Main Road
Railway
Airport
Water
Maputo City
95
ENQUADRAMENTO
Anlise estatstica univariada de dados (11 variveis)
Meses secos
Meses hmidos
96
Estatstica
Estatstica Univariada
97
Distribuies de Frequncia
DADOS QUALITATIVOS
Distribuio dos dados por um conjunto de diferentes Categorias ou Classes: Tabelas de Frequncia; Diagramas de Barras; Diagramas Circulares.
Exemplo: Numa amostra constituda por 120 peas, constatou-se que 100 no tinham defeito, 15 tinham defeito mas eram recuperveis e 5 eram irrecuperveis.
Tabela de Frequncias Absolutas e Relativas Diagrama Circular Categorias Diagramas de Barras
120 Freq. Absolutas 100 80 60 40 20 0 Sem defeito Recuperveis Irrecuperveis
fA
fr (%)
15 5 Sem defeito Recuperveis Irrecuperveis 100
Sem Defeito Recuperveis Irrecuperveis Totais
100 15 5 120
83.3 12.5 4.2 100.0
Freq. Relativas (%)
FREQUNCIA ABSOLUTA: Nmero de indivduos, Nk, pertencentes a cada uma das K K classes, e por consequncia
N=
N
k =1
360 f A= N
A ngulo; f frequncia;
100 80 60 40 20 0 Sem defeito Recuperveis Irrecuperveis
em que:
FREQUNCIA RELATIVA: Proporo do nmero total de dados:
N fr = k N
ou
N f r (%) = k 100 N
N nmero de dados
98
DADOS QUANTITATIVOS
Agrupamento dos dados em Classes ou Categorias, juntamente com as frequncias correspondentes

Representaes Tabular ou Grfica; Estatsticos; Representao Grfica de Estatsticos
Estatsticos bsicos Mdia Mediana Mnimo Mximo 1 Quartil 3 Quartil Amplitude Amplitude entre quartis Varincia Desvio padro Coeficiente de Assimetria
IBO
OD (%) 80.9 87.0 23.0 131.0 66.0 95.0 108.0 29.0
T (C) 16.8 16.8 5.7 29.2 12.9 20.9 23.5 8.0
pH
Cond (S/cm) 1763.0 1470.0 155.0 7780.0 343.0 2750.0 7625.0 2407.0
7
CQO (mg/l) 15.5 10.0 0.0 138.0 5.0 21.0 138.0 16.0
Sulf. (mg/l) 487.7 297.0 9.4 3190.0 35.0 940.0 3180.6 905.0
5
Nit. (mg/l) 35.524 4.500 0.000 202.000 0.300 51.500 202.000 51.200
Fosf. (mg/l) 0.140 0.100 0.000 1.700 0.000 0.200 1.700 0.200
Cu (mg/l) 0.008 0.000 0.000 0.094 0.000 0.013 0.094 0.013

-4
Fe (mg/l) 0.259 0.180 0.000 2.250 0.080 0.350 2.250 0.270
4.26 4.0 1.0 5.0 4.0 5.0 4.0 1.0
7.9 7.7 5.9 11.6 7.3 8.2 5.7 0.9
0.84 0.916
457.5 21.390
33.5 5.784
0.9 0.962
2.3x10
327.8 18.106
2.9x10
2819.82 53.102
0.043 0.207
2.0x10
0.093 0.304
1524.38
537.973
0.014
-1.361
-0.519
0.051
1.667
0.995
3.035
1.456
1.602
3.889
2.895
3.121
99
Intervalos e limites de classe
Exemplo: Peso (em gramas) do contedo de uma srie de 180 pacotes de arroz que saram de uma linha de enchimento automtico.
502.25 498.35 500.36

. . .
499.20 503.76 499.19

. . .
500.24 498.65 500.86

. . .
497.72 499.38 499.83

. . .
TABELA DE FREQUNCIAS Pesos (g)

Intervalo da classe Limite superior Limite inferior
fA 39 88 31 16 6 180
a fA
fr (%) 21.7 48.9 17.2 8.9 3.3 100.0
f ra (%)
21.7 70.6 87.8 96.7 100.0
497.00 499.00 499.00 501.00 501.00 503.00 503.00 505.00 505.00 507.00 Totais
39 127 158 174 180
AMPLITUDE DA CLASSE:
c = lim . superior lim. inferior
REGRAS PARA A ELABORAO DE DISTRIBUIES DE FREQUNCIAS: Determinao do Mximo, do Mnimo e Amplitude Total; Divide-se a Amplitude Total por um nmero razovel de classes (5 a 20); Determina-se o nmero de observaes que pertencem a cada classe, ou seja as frequncias de cada classe.
PONTO MDIO DA CLASSE: pm =
lim. superior + lim inferior 2
100
Histogramas e Polgonos de Frequncia

HISTOGRAMAS DE FREQUNCIAS ABSOLUTAS E RELATIVAS E POLGONO DE FREQUNCIAS ABSOLUTAS
100 90 80 Freq. Absolutas 70 60 50 40 30 20 10 0
495-497 497-499 499-501 501-503 503-505 505-507 507-509
POLGONO DE FREQUNCIAS RELATIVAS ACUMULADAS
120 Freq. Relativas Acumuladas (%) 100 80 60 40 20 0
Peso (g)
60 50 Freq. Relativas (%) 40 30 20 10 0

495-497 497-499 499-501 501-503 503-505 505-507 507-509
495
497
499
501
503
505
507
509
Peso (g)
Peso (g)
101
Curvas de Frequncia
simtrica
assimtrica positiva
assimtrica negativa
forma J
forma J invertido
forma U
bimodal
multimodal
102
Medidas de Tendncia Central

Mdia aritmtica
Populao () ou Amostra X
Dados no agrupados Sendo a amostra constituda por N dados:
x + x2 + L + xN = x = 1 N
x
i =1
x
N
Dados agrupados Sendo a amostra constituda por N dados agrupados em k classes, correspondendo a cada classe a respectiva frequncia absoluta (fA) ou frequncia relativa (fr):
x=
f A1 x1 + f A2 x 2 + L + f Ak x k f A1 + f A2 + L + f Ak
f
i =1 k
Ai
xi =
Ai
f
i =1
f x = f x N f
A A A
ou
x = f r1 x 1 + f r2 x 2 + L + f rk x k =
f
i =1
ri
xi =
103

Mediana
A Mediana de um conjunto de dados, organizados por ordem crescente ou decrescente de grandeza, o valor central ou a mdia aritmtica dos dois valores centrais, consoante o nmero de dados mpar ou par, respectivamente.
Deste modo, a Mediana divide os dados ordenados em duas partes iguais.
Quer para o caso de dados agrupados, quer para o caso de dados no agrupados, a posio da mediana dada por:
1 + 2 2
Quando os dados se referem a uma varivel contnua e se apresentam agrupados, o valor da mediana aproximadamente igual a:
Linf
- limite inferior da classe que contm a mediana; - amplitude da classe que contm a mediana; - nmero de observaes da distribuio de frequncia; - frequncia absoluta acumulada da classe anterior classe que contm a mediana;
M = Linf
N a f AA + c 2 f AM
c em que:
N
a AA
f AM - frequncia absoluta da classe que contm a mediana.
104

Moda
A moda o valor que ocorre com maior frequncia. A moda pode no existir, e se existir pode no ser nica.
Quando os dados se referem a uma varivel contnua e se apresentam agrupados, o valor da moda aproximadamente igual a:
d1 Mod = Linf + c d + d 2 1
em que:
Relao entre mdia, mediana e moda

D indicaes sobre a assimetria da distribuio
simtrica
assimtrica positiva
assimtrica negativa
Linf
c
limite inferior da classe que contm a moda; amplitude da classe modal; diferena entre as frequncias absolutas da classe modal e da classe anterior; diferena entre as frequncias absolutas da classe modal e da classe seguinte.
Mdia M Mod Mod M Mdia Mdia M Mod
d1 d2
105
Mdia Geomtrica
MG = N x1 x 2 x 3 L x N = (x1 x 2 x 3 L x N )
Mdia Harmnica
MH =
1 1 N 1 N i =1 x i
N 1 x
106
Medidas de Disperso
Descrevem o grupo de dados em termos da variabilidade existente no grupo
Quantis: quartis, decis e percentis
Quartis dividem os dados ordenados em quatro partes iguais, existindo portanto 3 quartis.
Decis dividem os dados ordenados em dez partes iguais, existindo portanto 9 decis. D1 ; D2 ; D3 ; ... ; D9,
sendo o D5 coincidente com a Mediana.
Percentis dividem os dados ordenados em cem partes iguais, existindo portanto 99 percentis. P1 ; P2 ; P3 ; ... ; P99,
sendo o P25 coincidente com o Q1, o P50 coincidente com o Q2 e por conseguinte com a Mediana, e o P75 coincidente com o Q3; ou seja:
P25 Q1 P50 Q2 M P75 Q3
1 Quartil, Q1
Posio:
1 + 4 2
2 Quartil, Q2 M
Posio:
2 N
1 + 4 2
3 Quartil, Q3
Posio:
3N
1 + 4 2
107
Medidas de Disperso
Quantis: quartis, decis e percentis
Quando os dados se referem a uma varivel contnua e se apresentam agrupados, os valores dos quantis podem ser aproximados por expresses idnticas da mediana, com as devidas adaptaes.
Exemplo da expresso para o 3 quartil:
Exemplo da expresso para o 7 decil:
Exemplo da expresso para o 83 percentil:
Q 3 = Linf
3N a f AA 4 + c f AQ3
7N a fAA 10 D7 = Linf + c fAD7

em que:

em que:
P83 = Linf
83 N a f AA 100 +c f AP83
em que:
Linf - lim. inf. da classe que contm o 3 quartil;

c
N
- ampl. da classe que contm o 3 quartil; - n de obs. da distribuio de frequncia; - freq. absol. acumulada da classe anterior classe que contm o 3 quartil;
Linf - lim. inf. da classe que contm o 7 decil;

c
N
- ampl. da classe que contm o 7 decil; - n de obs. da distribuio de frequncia; - freq. absol. acumulada da classe anterior classe que contm o 7 decil;
Linf - lim. inf. da classe que contm o 83 percentil;

c
N
- ampl. da classe que contm o 83 percentil; - n de obs. da distribuio de frequncia; - freq. absol. acumulada da classe anterior classe que contm o 83 percentil;
a AA
a AA
a AA
fAQ3 - freq. absol. da classe que contm o 3 quartil.
fAD7 - freq. absol. da classe que contm o 7 decil.
fAP83 - freq. absol. da classe que contm o 83 percentil.
108
Medidas de Disperso
Amplitude Total
R = Mx. min .
Amplitudes Modificadas
Elimina-se uma certa percentagem de dados em cada um dos extremos da distribuio de dados ordenados. O processo de clculo inicia-se pela localizao e determinao dos valores dos quantis adequados, seguindo-se o clculo da diferena entre os respectivos quantis. As amplitudes modificadas mais usadas so:
50 % dos valores centrais, ou amplitude interquartis
80 % dos valores centrais
90 % dos valores centrais
R 50 = Q 3 Q1 = P75 P25
R 80 = D9 D1 = P90 P10
R 90 = P95 P5
109
Medidas de Disperso
Desvio Mdio
Mdia do valor absoluto da diferena entre cada valor do conjunto de dados e a mdia aritmtica da totalidade dos dados.
Na situao dos dados no estarem agrupados em classes, tem-se a expresso seguinte:
No caso dos dados se encontrarem agrupados em classes, a expresso do desvio mdio assume as formas seguintes:
xx DM =
N
DM =
(f
pm x ) N
ou
DM = (f r pm x )
110
Medidas de Disperso
Varincia
Populao 2 ou Amostra s 2
Na situao dos dados no estarem agrupados em classes, tem-se a expresso seguinte:
No caso dos dados se encontrarem agrupados em classes, a expresso da varincia assume a forma seguinte:
(x x ) =
N 1
x =
N x2
N 1
[f =
(x x ) N 1
111
Medidas de Disperso
Desvio Padro
Populao
ou Amostra
Esta medida de disperso pode interpretar-se como sendo o valor absoluto de um desvio tpico (padro) dos dados em relao mdia.
Na situao dos dados no estarem agrupados em classes, tem-se a expresso seguinte: No caso dos dados se encontrarem agrupados em classes, a expresso do desvio padro assume a forma seguinte:
s=
(x x ) 2
N 1
s=
[f
(x x ) N 1
Coeficiente de Variao
Magnitude relativa do desvio padro quando comparado com a mdia da distribuio.
v =
s x
112
Medidas de Assimetria
Coeficientes de Assimetria
Medem o afastamento da simetria
Assimetria = 0 Assimetria > 0 Assimetria < 0 Distribuio simtrica Distribuio assimtrica positiva Distribuio assimtrica negativa
Coeficiente de Assimetria de Pearson:
Coeficiente de Assimetria:
3 (x M ) A= s
A=
N (x i x )
i =1
(N 1) (N 2) s 3
113
Medidas de Kurtose
Coeficientes de Kurtose
Medida da concentrao dos dados, dando indicao sobre a intensidade das frequncias na vizinhana dos valores centrais.
Coeficiente de Kurtose:
k=
2
N (N + 1) (x i x )
i =1
(N 1) (N 2) (N 3) s 4
(N 1)2 3 (N 2) (N 3)
ou
k=
Q3 Q1 2 (P90 P10 )
k < 0.263 k = 0.263 k > 0.263

Ambas as amostras so simtricas; N1 = N2; Ambas as amostras tm iguais medidas de localizao central e de disperso. Na amostra da distribuio 1 (Kurtose mais elevada) existe uma maior concentrao de dados no centro e nas caudas, e menor concentrao nos intervalos que separam aquelas zonas.
Distribuio leptocrtica Distribuio mesocrtica Distribuio platicrtica
leptocrtica
mesocrtica
platicrtica
114
Estatstica
Estatstica Bivariada
115
ESTATSTICA DESCRITIVA BIVARIADA

OBJECTIVO Descrever a variao conjunta de pares de variveis
REPRESENTAES GRFICAS
Histogramas tridimensionais Diagramas de disperso (Scattergrams) Diagramas Q-Q
MEDIDAS DE ASSOCIAO
Covarincia Coeficiente de Correlao - de Pearson - de Spearman
TABELAS Tabelas de contingncias
116
HISTOGRAMAS TRIDIMENSIONAIS
Diagrama de barras em que as classes em que as variveis foram divididas so colocadas por ordem ao longo do eixo dos x e dos y e o volume das barras proporcional ao nmero de valores (frequncia) em cada classe.
Moinho
180 Frequncia 150 120 90 60 30 0 23 27 28 33 38 22 43 48 53 32 Teor em Fe (%) 42 37 47
Teor em S (%)
117
DIAGRAMAS DE DISPERSO
Representao grfica que permite estudar o comportamento conjunto de duas variveis.
47 Teor em Fe (%) 43
39
35
31
27
23 25 30 35 40 45 50 55
Teor em S (%)
118
DIAGRAMAS Q-Q
Diagrama bidimensional em que os eixos representam cada uma das variveis e as coordenadas dos pontos so dados pelos valores quantis.
Moinho
53 Teor em Fe (%) 50 47 44 41 38 35 32 29 26 23 23
Mnimo Mediana 3 Quartil Mximo
1 Quartil
27
31
35
39
43
47
51
55
Teor em S (%)
119
MEDIDAS DE ASSOCIAO
Covarincia
1 n Cov( X ,Y ) = Cov XY = ( xi mx )( yi my ) n i =1
Propriedades
< Cov( X , Y ) < + Cov(X, Y) = Cov(Y, X) Cov(a+bX, c+dY) = bd Cov(X, Y) Cov(X, -Y) = -Cov(X,Y) Cov(X, X) = Var(X) Cov(X, c) = 0 Cov( X , Yi ) = Cov( X , Yi )
120
MEDIDAS DE ASSOCIAO
Coeficiente de correlao de Pearson
XY =
Propriedades
Cov ( X ,Y ) Var ( X ) Var (Y )
1 XY +1
A covarincia e o coeficiente de correlao medem a intensidade da relao linear (eventualmente) existente entre duas variveis aleatrias. |XY| = 1 Variveis linearmente dependentes Variveis linearmente independentes
XY = Cov(X, Y) = 0
Coeficiente de correlao de Spearman
Coeficiente de correlao obtido a partir dos nmeros de ordem das variveis.
121
TABELA DE CONTINGNCIAS
Quadro que cruza duas variveis qualitativas. O elemento genrico n(i, j) d o nmero de ocorrncias simultneas das modalidades de duas variveis.
1 1
M
p Soma
i
M
n(i, j)
n(i)
k Soma
n(j)
n = n( i, j )
i j
n( i ) = n( i, j )
j
independencia
n( j ) = n( i, j )
i
Variveis independentes
n( i, j ) n( j ) = n( i ) n
n ( i, j ) =
n( j ) n( i ) n
Medida da independncia
2 =
i j
[n(i, j ) n(i, j )]2

n (i, j )
122
Desempenho posterior Fraco < mdia Notas de teste mdia > mdia 67 42 10 119 Razovel 64 76 23 163 Bom 25 56 37 118 156 174 70 400
123
Desempenho posterior Fraco < mdia Notas de teste mdia > mdia 67
(46.4)
Razovel 64
(63.6)
Bom 25
(46.0)
156 174 70 400
42
(51.8)
76
(70.9)
56
(51.3)
10
(20.8)
23
(28.5)
37
(20.2)
119
163
118
n = n( i, j )
i j
n( i ) = n( i, j )
j
independencia
n( j ) = n( i, j )
i
Variveis independentes
n( i, j ) n( j ) = n( i ) n
n ( i, j ) =
n( j ) n( i ) n
Medida da independncia
2 =
i j
[n(i, j ) n(i, j )]2

n (i, j )
124
EXEMPLOS DE APLICAO
Anlise estatstica bivariada de dados

Coeficientes de correlao Comp. Incl. N Int. Curv. Abert. 1.00 -0.17 0.56 0.19 -0.03 1.00 0.02 0.07 -0.02 1.00 0.20 -0.02 1.00 -0.01 1.00 Comp. Incl. N Int. Curv. Abert.
125
EXEMPLOS DE APLICAO
Anlise estatstica bivariada de dados

Coeficientes de correlao IBO OD (%) T (C) pH Cond (S/cm) CQO (mg/l) Sulf. (mg/l) Nit. (mg/l) Fosf. (mg/l) Cu (mg/l) Fe (mg/l) 0.31 0.18 -0.08 -0.14 -0.19 0.10 -0.18 -0.36 0.13 0.13 1.00 -0.33 0.05 -0.10 0.07 -0.07 -0.08 0.01 0.05 0.05 1.00 -0.09 0.07 -0.05 0.26 -0.01 0.11 -0.02 -0.13 1.00 -0.56 -0.43 0.16 0.02 0.59 -0.08 0.56 1.00 -0.36 -0.19 0.34 0.09 0.94 0.09 1.00 0.04 -0.19 0.18 0.22 0.24 1.00 -0.48 -0.35 0.04 -0.32 0.14 0.47 1.00 0.09 1.00 -0.09 -0.12 1.00 IBO 1.00 0.23 1.00 OD (%) T (C) pH Cond (S/cm) CQO (mg/l) Sulf. (mg/l) Nit. (mg/l) Fosf. (mg/l) Cu (mg/l) Fe (mg/l)
126
Estatstica
Estatstica Multivariada
127

Ruas 5162 5163 TP 48.0 707.0 TC 0.0 61.0 TJ 0.0 105.0

10129 10130

9.0 26.0

0.0 0.0

6.0 13.0
Tabela 1 Exemplo do ficheiro de dados EDC EVer Arv Pass APas 28.0 0.0 0.0 154.0 7.0 4158.0 498.0 5616.0 554.64 281.0 10.0 6330.0 3.0 0.0 0.0 5.0 850.0 0.0 13.0 0.0 0.0 29.0 27.0 3024.0
TA
Cdigo TP TC TJ TA TI AEPP PMM CONN CONT Tint Lint MeDe L Lut TAC HAB C/R
ASol 0.0 0.0
Seg 0.0 0.0
OCC 0.0 0.0
Forn 0.0 0.0

0.0 0.0

0.0 0.0

0.0 0.0

0.0 0.0
Cdigo Bic P/Sk PCao DMot Conv FTM Ler Fumo Tur Come Bebe Sent ASol Seg OCC Forn Descrio Bicicleta Patins / Skate Passear o Co Deficientes Motores Conversar Falar ao Telemvel Ler Fumar Turistas Comer Beber Sentar Apanhar Sol Segurana Operrios da Construo Civil Fornecedores
Tabela 2 Cdigos e descrio das variveis

Descrio Nmero de Pessoas Nmero de Crianas Nmero de Jovens Nmero de Adultos Nmero de Idosos rea de Espao Pblico / Pessoa Nmero de Pessoas / m . min. Conectividade Controlo Integrao Total Integrao Local Profundidade Mdia Comprimento Comprimento til (troo amostrado) rea Construda rea de Habitao rea de Comrcio e Restaurao Cdigo Serv EQC UE A/I EQT EDC EVer Arv Pass APas Banc Balz H2O Somb Est And Jogg Descrio rea de Servios rea de Equipamentos Colectivos rea de Usos Especiais rea de Armazns e Indstria rea de Equipamentos Tursticos rea de Edifcios em Construo Area de Espaos Verdes Nmero de rvores Largura de Passeio rea de Passeio Nmero de Bancos Nmero de Balizadores rea de gua rea de Sombra rea de Estacionamento Andar Jogging
128
QUADRO DE DADOS GENRICO EM ANLISE DE DADOS
O elemento genrico zij corresponde ao valor do atributo (varivel) j medido na amostra i.
Tipos de variveis: Quantitativas Qualitativas
129
MTODOS DE ANLISE DE DADOS
MTODOS DE ANLISE DE DADOS
Descritivos
Explicativo
Classificativos
Anlise em Componentes Principais (ACP) Anlise Factorial das Correspondncias (AFC)
Regresso
Classificao Automtica Anlise Discriminante
130
INTERPRETAO GEOMTRICA DE UM QUADRO DE DADOS

P1 I1 2 3 P2 1 2 I2 3 I2 2 I1 2 P2
P2 3
Rp
I2
Rn
P1
3 P1
I1
Cada linha do quadro pode ser tomada como um vector (ou um ponto) que representa a posio de uma amostra no espao das variveis (Rp)
Cada coluna do quadro pode ser tomada como um vector (ou um ponto) que representa a posio de uma varivel no espao das amostras (Rn)
131
Eixo Factorial
Maximizar a diferena de mdias dos grupos relativamente varincia dentro dos grupos
132
Eixo Factorial
para indivduos pertencentes a um mesmo grupo, a nova varivel deve fornecer valores que sejam o mais prximos possvel; para indivduos pertencentes a grupos distintos, a nova varivel deve fornecer valores que sejam o mais diferentes possvel
133
INTRODUO AOS MTODOS FACTORIAIS

Encontrar o sistema de eixos que melhor ajusta a nuvem de pontos, permitindo diminuir a dimenso do espao com perda mnima de informao.
F1 F2
F1 F2
F1 F2
134
Anlise em Rp
Maximizando
Matriz de Inrcia
(Tu 1 )' Tu 1 = u 1 ' T' Tu 1

F1
sujeita aos constrangimentos
u1 ' u1 = 1
t1 d1 t1u1
obtm-se
Critrio dos mnimos quadrados
1 valor prprio de T T
u1
T' Tu 1 1 u 1 = 0
135
Anlise em Rp
Maximizando
F2 F1
Matriz de Inrcia
(Tu 2 )' Tu 2 = u 2 ' T' Tu 2

sujeita aos constrangimentos
u1 ' u 2 = 0
obtm-se
u2 ' u2 = 1
2 valor prprio de T T
T' Tu 2 2 u 2 = 0
136
ANLISE EM COMPONENTES PRINCIPAIS

1.2

F2
0.9 0.6 0.3 0.0 MeDe -0.3 -0.6 -0.9 -1.2 EQC Serv Est TAC C/R EDC HAB AEPP A/I TInt Balz APas LUt Pass UE LInt L CONT CONN Arv Somb H2O EVer Banc
Tabela 3 Resultados da ACP

Eixos 1 2 3 4 5 Valores prprios 11.0136 3.2447 2.1797 1.6487 1.4124 % Explicao 44.0545 12.9786 8.7188 6.5949 5.6498 % Explicao Acumulada 44.0545 57.0331 65.7519 72.3467 77.9965
F3
1.2 0.9 0.6 0.3 0.0 -0.3 -0.6 -0.9 -1.2
-1.6
-1.2
-0.8
-0.4
-0.0
0.4
0.8
1.2
1.6
F1
A/I Arv AEPP
TInt LInt
CONN CONT L EDC HAB Pass UE LUt Est Balz APas EQC Somb TAC Banc H2O C/R EVer Serv
MeDe
-1.6
-1.2
-0.8
-0.4
-0.0
0.4
0.8
1.2
1.6
F1
137

1.6 1.2 5190
F2
0.8 0.4 -0.0 -0.4 -0.8 -1.2 -1.6 -2.0 -1.2 -0.6 0.0 5221 0.6 1.2 1.8 2.4 3.0 3.6 5408 5244 5278 5325 5243 5448 525652169672 52505283 52485217 5291 5206 1012 5410 52055284 5220 5242 5207 7804 5414 5213 1013 5415 5254 52525165 5282 5249 52575413 5162 5219 5218 5229 54915202 5425 5163 5212 5426 5203
5416
F1
0.8 0.6 0.4 0.2 5162 5163 5202 5325 5283 5291 5282 5415 7804 5249 5491 5413 5284 9672 5207 5410 5426 5250 5220 5216 5218 5206 5217 5165 5408 5213 5414 52295257 5203 5219 5252 5248 5205 5242 5425 5212 5448 1012 5278 5244 5256 5243 1013 5254
F3
-0.0 -0.2 -0.4 -0.6
5416
5221 -0.8 -1.2 -0.6 0.0 0.6 1.2 1.8
5190 2.4 3.0 3.6
F1
138

F2
1.2 0.9 0.6 0.3 0.0 -0.3 -0.6 -0.9 PBC HAFC M HCED PBT HALG PCPB HADC POUT P PMG HRET PC PPM CP PLCP CMZn HOUT PMT TLB TZn TL PMZn PBA TT PMP HLAT HPP A TO PTB PO PAD HSRL TCCP
Components 1 2 3 4 5 6 7 8 9
Eigenvalues 12.34562 7.072803 4.817098 2.023813 1.576458 1.310139 1.116509 0.868968 0.569661
Variance (%) 35.27319 20.20801 13.76314 5.782324 4.504165 3.743255 3.190025 2.482765 1.627603
Cumulative Variance (%) 35.27319 55.48119 69.244331 75.026657 79.530823 83.274078 86.464104 88.946869 90.574471
-1.2
-1.6
-1.2
-0.8
-0.4
-0.0
0.4
0.8
1.2
1.6
F1
14 12 10 8 6 4 2 0
1.2 LC 0.9 GD 0.6

1 2 3 4 5 6 7 8 9 10
PCNa Somm CHMc XPM MXQb MXQa MFL AMb Ctb MHGb Cta PCTa Jard Ctc PCTb CHMa AMa MHGa MLG Coop
Ferr PCNb
F2
0.3 0.0 -0.3 -0.6 -0.9 -1.6
APa CHMd IGa Urb APb HLb IGb CHMb BGM CS MXQc U7 MKD 25Jb 25Ja MHT LL MVa 3F HLa MXQd ZPT FPLM NSL MGNN MVb MLHZ ABZ -1.2 -0.8 -0.4 -0.0
0.4
0.8
1.2
1.6
F1
139
Zimpeto Magoanine Mahotas
Bagamoio
Laulane Costa do Sol Ferroviario
Inhagoia "B"
Aeroporto
Luis Cabral
Xipamanine
Maxaquene "D" Polana Canico "B"
Mafalala Sommershield Alto Mae "B" Polana Cimento "A"

0 2 4 Km
PCA Groups of "Bairros" I II III IV V VI Non Classified Aeroporto
140
CLASSIFICAO AUTOMTICA Classificao Ascendente Hierrquica
c) b) a)
AMa
0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40 1.60 1.80 2.00 +---------+---------+---------+---------+---------+---------+---------+---------+---------+---------+--------------| |---| PCTb -----------| |-| | | MHGa ---------------| |--------| | | PCTa -----------------| | |-------| AMb ----------------| | | |-----| | | MHGb ----------------| | | | |---| |-----| Cta -------------| | | | |--------| | | Ctb -------------| | |-| | | | CHMa ----------------------------------| | | | |---------------------| Ctc ----------------------------------------| | | | | Coop -------------------------------------| | | |----| | Somm -------------------------------------| | | APa -------------------------------| | |--------------| | APb -------------------------------| | | | | CHMb -----------------------------| | | |-------| |----| | CHMc -------------------| | | | | | |---------| || | | | CHMd -------------------| || | | | || | | | MFL -------------------------------------||-------| | | | | | MKD -----------------------------| | |--| | |--------| | | | XPM -----------------------------| | | | | | | MXQa -----------------------| | | | |-------------------| | | | MXQb -----------------------| | | | | |-------| | | Urb ---------------------------| | |-----| | |-----| | | | | IGb ---------------------------| |---------| | | | | | | | IGa ---------------------------------| | | | | | | MLG ------------------------------------------------| | | | | | | | U7 ----------------------------------| |-----| | | |------------|| | | NSL ----------------------------------| || | | | | | Jard -----------------------------------------------| | | | | MXQc -----------------------------------------| | | |-| | | MXQd --------------| | | | | |--------------------------| | | | HLa --------------| |----| | | | | | | 3F ---------------------------| | | | | |---------------| | |---| LL ---------------------------| |-| | | | | FPLM ----------------| | | | |------------| | | | MVb ----------------| |------------------| |---| | | | | | MLHZ -----------------------------| | | | | | | MGNN --------------------------| | | | |-----------------------| | | 25Ja --------------------------| | | |-| | ABZ -------------------------------| | | | |----------| | | | ZPT -------------------------------| | | | | |------| | | | CS ---------------------------| | | | | | |--------------| | | | | MHT ---------------------------| |----| | | | | | HLb -------------------------------------| | |---| |-----------| | MVa -------------------------------------| | | PCNa -------------------------------------| | |----------| | BGM ---------------------------| | | | |---------| | | 25Jb ---------------------------| | | |-------| PCNb --------------------------| | |-----| | Ferr --------------------------| |-----| | | | | LC --------------------------------| |---------| | GD --------------------------------------|
c) b)
a)
a) Two clusters
b) Four clusters c) Six clusters
141

A B
CLASSIFICAO AUTOMTICA Classificao Ascendente Hierrquica

Inhagoia "B" Jardim Luis Cabral
Zimpeto Magoanine Albazine Mahotas
Zimpeto Magoanine Albazine Mahotas
G. Dimitrov Bagamoio
G. Dimitrov Bagamoio Costa do Sol
Laulane
Laulane Costa do Sol
RO PO RT O
Inhagoia "B" Jardim
AE

Xipamanine
AE
Luis Cabral
Xipamanine
Mafalala Malanga Sommershield Alto Mae "B" Central "C" Polana Cimento "A" Malanga
Mafalala Sommershield
RO PO RT O
Ferroviario
Ferroviario
I II Airport "Bairros" Boundaries

0 2 4 Km
Alto Mae "B" Central "C" Polana Cimento "A"
I II III IV Airport "Bairros" Boundaries

Zimpeto Magoanine Albazine
Mahotas
G. Dimitrov Bagamoio
Laulane Costa do Sol
R TO
Ferroviario "CEMENT CITY"
TIPOLOGY OF RESIDENTIAL AREAS

URBAN CORE: High rate of basic housing infrastructures; predominance of flats in buildings distributed by city blocks OLD SUBURB - Type A: Medium rate of basic housing infrastructures; predominance of wood and zinc houses densely distributed by non-demarcated areas OLD SUBURB - Type B: High rate of basic housing infrastructures; high diversity of type and quality of houses distributed by low density demarcated areas URBAN FRINGE: Low rate of basic housing infrastructures; high rate of detached houses distributed by medium density demarcated areas RURAL FRINGE: Very low rate of basic housing infrastructures; high rate of huts and precarious houses distributed by low density non-demarcated areas
Jardim Luis Cabral
AE
RO PO
Inhagoia "B"

Xipamanine
Mafalala Malanga Sommershield Alto Mae "B" Central "C" Polana Cimento "A" "CANIO CITY"
4 Km
NEW SUBURB -Type C: Medium/low rate of basic housing infrastructures; high diversity of type and quality of houses distributed by medium density demarcated areas
142
Contactos
Bibliografia
Escofier, Brigitte; Pags, Jrme Initiation aux Traitements Statistiques mthodes, mthodologie. Presses Universitaires de Rennes. 1997; Escofier, Brigitte; Pags, Jrme Analyses Factorielles Simples et Multiples objectifs, mthodes et interprtation. 3e dition. Dunod. 1998; Guimares, Rui Campos; Cabral, Jos A. Sarsfield Estatstica. McGraw Hill. 1998; Murteira, Bento J. Anlise exploratria de dados. Estatstica descritiva. McGraw Hill. 1993;
143

J Ribeiro

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

J Ribeiro

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE TCNICA DE LISBOA

JORGE MANUEL TAVARES RIBEIRO

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos

Escher's "Relativity" em LEGO, 2003

Escher (Relativity, 1953)

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos

UNIVERSIDADE TCNICA DE LISBOA

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Science is only the image of the truth

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Metodologia da investigao cientfica um trabalho planeado

fenmeno qualquer modificao observvel e passvel de repetio.

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Metodologia da investigao cientfica um trabalho que procura encontrar solues

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Metodologia da investigao cientfica um trabalho que se baseia em conhecimentos j existentes

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Metodologia da investigao cientfica um trabalho qualitativo e quantitativo

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Metodologia da investigao cientfica um trabalho qualitativo e quantitativo

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Metodologia da investigao cientfica um trabalho que obtm resultados

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Metodologia da investigao cientfica um trabalho de equipa

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Metodologia da investigao cientfica um trabalho que usa o mtodo cientfico e experimental

Problema Observao Pesquisa

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Metodologia da investigao cientfica Exemplo

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Metodologia da investigao cientfica A observao do fenmeno

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Metodologia da investigao cientfica Em que circunstncias aparece o arco-ris?

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Metodologia da investigao cientfica

Qual a forma do arco-ris?

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Metodologia da investigao cientfica Recolha de informaes

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Metodologia da investigao cientfica

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Metodologia da investigao cientfica

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Metodologia da investigao cientfica um fenmeno de reflexo ou de refraco?

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Metodologia da investigao cientfica A comprovao experimental

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Metodologia da investigao cientfica

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Metodologia da investigao cientfica Trabalho de laboratrio

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Mestrado em Reabilitao da Arquitectura e Ncleos Urbanos Mtodos de Investigao

Metodologia da investigao cientfica Como explicar o que ocorreu?