Você está na página 1de 0

Análise Discriminante

MCTD 2010/11

Análise Discriminante MCTD 2010/11 Métodos Complexos de Tomada de Decisão

Análise Discriminante (AD)

Método estatístico multivariado utilizado para

descobrir as características que melhor distinguem os membros de diferentes grupos (2 ou +), de modo que ao conhecer as mesmas características de um novo indivíduo, seja

possível prever a que grupo pertence.

de um novo indivíduo, seja possível prever a que grupo pertence. Métodos Complexos de Tomada de

Objectivos

Identificar variáveis que melhor discriminam

entre 2 ou mais grupos;

Criar uma função discriminante que represente as diferenças entre os grupos;

Classificação a priori de novos indivíduos.

entre os grupos; • Classificação a priori de novos indivíduos. Métodos Complexos de Tomada de Decisão

Exemplo 1

Um psicólogo social pode estar interessado em

identificar as variáveis que discriminam entre funcionários de uma empresa que apresentam

Alta Vs. Baixa Produtividade no trabalho;

A identificação das variáveis e a construção da

função discriminante permitiria prever a produtividade de novos candidatos através da

análise das mesmas variáveis.

a produtividade de novos candidatos através da análise das mesmas variáveis. Métodos Complexos de Tomada de

Exemplo 2

Um psicólogo forense responsável pelo

acompanhamento de presos, pode estar interessado em prever quais os indivíduos que

apresentam maior risco de reincidirem após terem sido libertados.

que apresentam maior risco de reincidirem após terem sido libertados. Métodos Complexos de Tomada de Decisão

Exemplo 2 (cont.)

Através do conhecimento de dados tais como a idade,

o número de condenações prévias e o grau de abuso

de drogas, seria possível analisar se existe uma

combinação ponderada entre estas variáveis que

permita discriminar (função discriminante) aqueles que serão de novo condenados, após obterem a liberdade, daqueles que não serão condenados.

Com base na função discriminante seria possível prever

o risco de reincidência de novos presos através da

análise das variáveis incluídas na função;

de novos presos através da análise das variáveis incluídas na função; Métodos Complexos de Tomada de

AD Vs. MANOVA

A AD pode considerar-se como uma MANOVA

invertida;

MANOVA

Manipulação de um ou + factores (VI) de forma a investigar o seu efeito na(s) VD(s).

Se existir um efeito significativo podemos prever (parcialmente) o resultado da VD se soubermos a que grupo pertence o indivíduo;

Análise Discriminante

Através do conhecimento de uma ou + variáveis pretendemos discriminar a pertença a diferentes grupos;

Se houver um efeito discriminante podemos prever a que grupo pertence o indivíduo ao

conhecermos os valores das

variáveis;

a que grupo pertence o indivíduo ao conhecermos os valores das variáveis; Métodos Complexos de Tomada

AD Vs. Regressão Linear

Ambas as técnicas procuram fazer predições

com base num conjunto de variáveis;

Regressão Linear

Previsão do resultado de uma VD com base nos valores das variáveis preditoras;

Análise Discriminante

Classificação (prever a pertença a um determinado grupo) a priori de um indivíduo com base nos valores das variáveis com poder discriminante;

de um indivíduo com base nos valores das variáveis com poder discriminante; Métodos Complexos de Tomada

Etapas na AD

AD Descritiva: utilização de casos cuja

pertença a diferentes grupos é conhecida de forma a desenvolver uma função

discriminante que permita classificar a

pertença a essas mesmas categorias;

AD Preditiva: Utilização da função discriminante em novos casos, de modo a

prever a pertença a diferentes categorias.

em novos casos, de modo a prever a pertença a diferentes categorias. Métodos Complexos de Tomada

Pressupostos

Distribuição Normal Multivariada;

Homogeneidade das matrizes de variância-

covariância;

Existência de diferenças significativas entre os grupos.

Multicolinearidade.

de diferenças significativas entre os grupos. • Multicolinearidade. Métodos Complexos de Tomada de Decisão

Análise Discriminante

Uma VD de tipo qualitativo

(categorias/grupos);

Uma ou + VI de tipo quantitativo;

de tipo qualitativo (categorias/grupos); • Uma ou + VI de tipo quantitativo; Métodos Complexos de Tomada

Análise Discriminante

Considere o seguinte caso:

Existem diferenças significativas a nível da satisfação com salário e com o trabalho entre funcionários de diferentes categorias

profissionais: Técnicos; Dirigentes; Chefias.

de diferentes categorias profissionais: Técnicos; Dirigentes; Chefias. Métodos Complexos de Tomada de Decisão
A variável Trabalho permite discriminar a categoria dos Técnicos das outras duas. Contudo não permite
A variável Trabalho permite
discriminar a categoria dos
Técnicos das outras duas.
Contudo não permite
Os Técnicos sentem-se menos
satisfeitos com o Trabalho que
os chefes ou dirigentes.
discriminar entre os
chefes e os dirigentes.
Não existem
diferenças a nível da
satisfação com o
Trabalho.
Chefias
Técnicos
Dirigentes
e os dirigentes. Não existem diferenças a nível da satisfação com o Trabalho. Chefias Técnicos Dirigentes
A variável Salário permite discriminar a categoria das Chefias das outras duas. Os Chefes sentem-se
A variável Salário permite
discriminar a categoria das
Chefias das outras duas.
Os Chefes sentem-se mais
satisfeitos com o Salário que os
dirigentes ou técnicos.
satisfeitos com o Salário que os dirigentes ou técnicos. Contudo não permite discriminar entre os técnicos
satisfeitos com o Salário que os dirigentes ou técnicos. Contudo não permite discriminar entre os técnicos
satisfeitos com o Salário que os dirigentes ou técnicos. Contudo não permite discriminar entre os técnicos
Contudo não permite discriminar entre os técnicos e os dirigentes. Não existem diferenças a nível
Contudo não permite
discriminar entre os
técnicos e os
dirigentes. Não
existem diferenças a
nível da satisfação
com o Salário
Chefias Técnicos Dirigentes
Chefias
Técnicos
Dirigentes
e os dirigentes. Não existem diferenças a nível da satisfação com o Salário Chefias Técnicos Dirigentes
e os dirigentes. Não existem diferenças a nível da satisfação com o Salário Chefias Técnicos Dirigentes
e os dirigentes. Não existem diferenças a nível da satisfação com o Salário Chefias Técnicos Dirigentes
e os dirigentes. Não existem diferenças a nível da satisfação com o Salário Chefias Técnicos Dirigentes
e os dirigentes. Não existem diferenças a nível da satisfação com o Salário Chefias Técnicos Dirigentes

Análise Discriminante

Considere o seguinte caso:

A variável Trabalho permite discriminar os Técnicos das

outras categorias;

A variável Salário permite discriminar os Chefes das outras categorias;

Será possível encontrar uma função que nos permite discriminar ao máximo as três categorias profissionais utilizando as duas variáveis: Salário e Trabalho?

Análise Discriminante

A análise discriminante procura encontrar um

novo eixo que permita discriminar ao máximo os três grupos:

O eixo é definido pela Função discriminante.

ao máximo os três grupos: – O eixo é definido pela Função discriminante. Métodos Complexos de
É criada uma segunda função discriminante para ajudar na discriminação entre os D 1 =
É criada uma segunda função
discriminante para ajudar na
discriminação entre os
D 1 = 0.07Trabalho + 0.1Salário- 6.117
grupos.
D 2 = 0.097Trabalho - 0.072Salário- 0.302
O novo eixo consegue
discriminar melhor as
três categorias
profissionais.
Chefias
Técnicos
Dirigentes

Análise Discriminante

Caso:

Qual ou quais das dimensões de Satisfação permitem discriminar melhor a avaliação global do

clima social da Organização?

Será possível a partir do conhecimento dos índices

das variáveis prever o tipo de avaliação feita pelo

funcionário (baixa ou alta)?

Analisar primeiro as diferenças com a MANOVA.

funcionário (baixa ou alta)? • Analisar primeiro as diferenças com a MANOVA. Métodos Complexos de Tomada

Análise Discriminante

Análise Discriminante Distribuição Normal das VIs Não se verifica o pressuposto de distribuição normal Multivariada,
Análise Discriminante Distribuição Normal das VIs Não se verifica o pressuposto de distribuição normal Multivariada,
Análise Discriminante Distribuição Normal das VIs Não se verifica o pressuposto de distribuição normal Multivariada,
Análise Discriminante Distribuição Normal das VIs Não se verifica o pressuposto de distribuição normal Multivariada,

Distribuição Normal das VIs

Não se verifica o pressuposto de distribuição normal Multivariada, uma vez que a variável Trabalho não apresenta distribuição normal (p = .02).

vez que a variável Trabalho não apresenta distribuição normal ( p = .02). Métodos Complexos de

Análise Discriminante

Analyze Classify Discriminant
Analyze
Classify
Discriminant
Análise Discriminante Analyze Classify Discriminant VD – Qualitativa (Categoria Profissional) VIs – Quantitativas
VD – Qualitativa (Categoria Profissional) VIs – Quantitativas (Salário, Trabalho)
VD – Qualitativa (Categoria
Profissional)
VIs – Quantitativas (Salário,
Trabalho)
(Categoria Profissional) VIs – Quantitativas (Salário, Trabalho) Métodos Complexos de Tomada de Decisão

Análise Discriminante

Análise Discriminante Método de Selecção de Variáveis Enter: Todas as variáveis em análise são introduzidas na

Método de Selecção de Variáveis

Enter: Todas as variáveis em análise são introduzidas na função discriminante (independentemente do poder

discriminante)

Stepwise: Método que selecciona automaticamente as variáveis com capacidade discriminativa (método

híbrido dos métodos Forward e

Backward)

capacidade discriminativa (método híbrido dos métodos Forward e Backward ) Métodos Complexos de Tomada de Decisão

Análise Discriminante

Análise Discriminante Statistics Means Medidas descritivas Univariate ANOVAs Anovas univariadas para cada VI Box’s M

Statistics

Means Medidas descritivas

Univariate ANOVAs Anovas univariadas para cada VI

Box’s M

Teste de homogeneidade da matriz de

variância-covariância

Fisher’s Coefficients Coeficientes estandardizados

Unstandardized Coefficients Coeficientes não estandardizados

estandardizados Unstandardized Coefficients Coeficientes não estandardizados Métodos Complexos de Tomada de Decisão

Análise Discriminante

Análise Discriminante Method Critérios de Selecção de variáveis no método Stepwise: Wilks’ Lambda : As variáveis

Method

Critérios de Selecção de variáveis no método Stepwise:

Wilks’ Lambda: As variáveis são introduzidas (ou removidas) no modelo consolante a sua inclusão diminui significativamente (ou não) o valor de lambda.

Quanto menor o valor de Lambda, maiores as diferenças entre os grupos.

lambda. Quanto menor o valor de Lambda, maiores as diferenças entre os grupos . Métodos Complexos

Análise Discriminante

Análise Discriminante Classify Summary Table Percentagem de casos correctamente classificados Métodos Complexos de

Classify

Summary Table Percentagem de casos correctamente classificados

Classify Summary Table Percentagem de casos correctamente classificados Métodos Complexos de Tomada de Decisão

Análise Discriminante

Análise Discriminante Univariate ANOVAs Correcção do nível de Significância O p-value deve ser comparado com α
Análise Discriminante Univariate ANOVAs Correcção do nível de Significância O p-value deve ser comparado com α
Análise Discriminante Univariate ANOVAs Correcção do nível de Significância O p-value deve ser comparado com α
Análise Discriminante Univariate ANOVAs Correcção do nível de Significância O p-value deve ser comparado com α
Análise Discriminante Univariate ANOVAs Correcção do nível de Significância O p-value deve ser comparado com α
Análise Discriminante Univariate ANOVAs Correcção do nível de Significância O p-value deve ser comparado com α
Análise Discriminante Univariate ANOVAs Correcção do nível de Significância O p-value deve ser comparado com α
Análise Discriminante Univariate ANOVAs Correcção do nível de Significância O p-value deve ser comparado com α

Univariate ANOVAs

Correcção do nível de Significância

O p-value deve ser comparado com α/nº de Vis.

α = 0.05/2 = 0.025

Variáveis com poder discriminante significativo. Esta tabela apresenta o cálculo de One-Way ANOVAs para cada uma das Vis.

Existem diferenças a nível da categoria profissional para a variável Salário (Λ = .388; F(2, 98) = 77.394, p=.000))

e Trabalho (Λ = .314; F(2, 98) = 107.208, p=.000))

A variável Trabalho é a que apresenta o maior poder discriminante (Λ = .314).

variável Trabalho é a que apresenta o maior poder discriminante ( Λ = .314). Métodos Complexos

Análise Discriminante

Análise Discriminante Homogeneidade da Matriz de Variância-Covariância Teste M de Box p > .05 Verifica-se
Homogeneidade da Matriz de Variância-Covariância
Homogeneidade da Matriz de Variância-Covariância

Homogeneidade da Matriz de Variância-Covariância

Homogeneidade da Matriz de Variância-Covariância Teste M de Box p > .05
Homogeneidade da Matriz de Variância-Covariância Teste M de Box p > .05
Homogeneidade da Matriz de Variância-Covariância Teste M de Box p > .05
Teste M de Box
Teste M de Box

Teste M de Box

Homogeneidade da Matriz de Variância-Covariância Teste M de Box p > .05
Homogeneidade da Matriz de Variância-Covariância Teste M de Box p > .05
p > .05
p > .05

p > .05

Variância-Covariância Teste M de Box p > .05 Verifica-se o pressuposto de Homogeneidade da matriz de

Verifica-se o pressuposto de Homogeneidade da matriz de variâncias-covariâncias (M=2.286; F(6, 99983.151) = .369, p=.899).

matriz de variâncias-covariâncias (M=2.286; F(6, 99983.151) = .369, p =.899). Métodos Complexos de Tomada de Decisão

Análise Discriminante

Análise Discriminante Procedimento Stepwise Indica em cada passo que variáveis foram incluídas na função
Análise Discriminante Procedimento Stepwise Indica em cada passo que variáveis foram incluídas na função
Análise Discriminante Procedimento Stepwise Indica em cada passo que variáveis foram incluídas na função
Análise Discriminante Procedimento Stepwise Indica em cada passo que variáveis foram incluídas na função
Análise Discriminante Procedimento Stepwise Indica em cada passo que variáveis foram incluídas na função
Análise Discriminante Procedimento Stepwise Indica em cada passo que variáveis foram incluídas na função
Análise Discriminante Procedimento Stepwise Indica em cada passo que variáveis foram incluídas na função
Análise Discriminante Procedimento Stepwise Indica em cada passo que variáveis foram incluídas na função
Análise Discriminante Procedimento Stepwise Indica em cada passo que variáveis foram incluídas na função
Análise Discriminante Procedimento Stepwise Indica em cada passo que variáveis foram incluídas na função
Análise Discriminante Procedimento Stepwise Indica em cada passo que variáveis foram incluídas na função
Análise Discriminante Procedimento Stepwise Indica em cada passo que variáveis foram incluídas na função
Análise Discriminante Procedimento Stepwise Indica em cada passo que variáveis foram incluídas na função
Análise Discriminante Procedimento Stepwise Indica em cada passo que variáveis foram incluídas na função
Análise Discriminante Procedimento Stepwise Indica em cada passo que variáveis foram incluídas na função
Análise Discriminante Procedimento Stepwise Indica em cada passo que variáveis foram incluídas na função
Análise Discriminante Procedimento Stepwise Indica em cada passo que variáveis foram incluídas na função
Análise Discriminante Procedimento Stepwise Indica em cada passo que variáveis foram incluídas na função
Análise Discriminante Procedimento Stepwise Indica em cada passo que variáveis foram incluídas na função

Procedimento Stepwise

Indica em cada passo que variáveis foram incluídas na função discriminante.

No procedimento Stepwise as variáveis são introduzidas na função por decrescente de poder

discriminante (são incluídas as variáveis que reduzem o valor do Lambda de Wilks).

Todas as variáveis introduzidas no modelo (no método Stepwise) têm um poder discriminante significativo.

Análise Discriminante

Nem todas as variáveis com poder discriminante significativo necessitam de

ser incluídas na análise;

As variáveis são incluídas na função por ordem decrescente de poder

discriminante. Apesar de algumas apresentarem um poder discriminante

significativo podem não trazer nada de novo ao modelo em comparação com as que já foram incluídas e deste modo são excluídas;

Outra razão possível para a não inclusão de variáveis com poder

discriminante significativo é o facto de poderem estar significativamente correlacionadas com as variáveis já incluídas. Assim sendo as variáveis seriam redundantes e portanto dispensáveis.

Assim sendo as variáveis seriam redundantes e portanto dispensáveis. Métodos Complexos de Tomada de Decisão

Análise Discriminante

Análise Discriminante Eigenvalue ( λ ) Medida do grau em que a função realmente discrimina entre
Análise Discriminante Eigenvalue ( λ ) Medida do grau em que a função realmente discrimina entre
Análise Discriminante Eigenvalue ( λ ) Medida do grau em que a função realmente discrimina entre
Análise Discriminante Eigenvalue ( λ ) Medida do grau em que a função realmente discrimina entre
Análise Discriminante Eigenvalue ( λ ) Medida do grau em que a função realmente discrimina entre
Análise Discriminante Eigenvalue ( λ ) Medida do grau em que a função realmente discrimina entre
Análise Discriminante Eigenvalue ( λ ) Medida do grau em que a função realmente discrimina entre
Análise Discriminante Eigenvalue ( λ ) Medida do grau em que a função realmente discrimina entre
Análise Discriminante Eigenvalue ( λ ) Medida do grau em que a função realmente discrimina entre
Análise Discriminante Eigenvalue ( λ ) Medida do grau em que a função realmente discrimina entre
Análise Discriminante Eigenvalue ( λ ) Medida do grau em que a função realmente discrimina entre
Análise Discriminante Eigenvalue ( λ ) Medida do grau em que a função realmente discrimina entre
Análise Discriminante Eigenvalue ( λ ) Medida do grau em que a função realmente discrimina entre

Eigenvalue (λ)

Medida do grau em que a função realmente discrimina entre as categorias (permite verificar até que ponto os grupos diferem na respectiva função). Quanto maior o λ maior o poder discriminante do modelo.

λ= 0 : O modelo não apresenta poder discriminante.

% of Variance Percentagem de variância que é explicada pelas funções discriminantes (o total é

sempre 100%)

pelas funções discriminantes (o total é sempre 100%) O número de funções discriminantes é sempre igual

O número de funções discriminantes é sempre igual ao nº de Grupos menos 1

Análise Discriminante

Análise Discriminante Significância da Função Discriminante : Lambda de Wilks – Λ Medida inversa do grau
Análise Discriminante Significância da Função Discriminante : Lambda de Wilks – Λ Medida inversa do grau
Análise Discriminante Significância da Função Discriminante : Lambda de Wilks – Λ Medida inversa do grau
Análise Discriminante Significância da Função Discriminante : Lambda de Wilks – Λ Medida inversa do grau
Análise Discriminante Significância da Função Discriminante : Lambda de Wilks – Λ Medida inversa do grau
Análise Discriminante Significância da Função Discriminante : Lambda de Wilks – Λ Medida inversa do grau
Análise Discriminante Significância da Função Discriminante : Lambda de Wilks – Λ Medida inversa do grau
Análise Discriminante Significância da Função Discriminante : Lambda de Wilks – Λ Medida inversa do grau
Análise Discriminante Significância da Função Discriminante : Lambda de Wilks – Λ Medida inversa do grau
Análise Discriminante Significância da Função Discriminante : Lambda de Wilks – Λ Medida inversa do grau

Significância da Função Discriminante: Lambda de Wilks – Λ Medida inversa do grau de diferenciação: quanto menor o seu valor maior o grau de

diferenciação.

0 < Λ< 1

A função que apresentar o menor Λ é a mais significativa.

p < αO poder discriminante da função é estatisticamente significativo

H0: As médias dos grupos são iguais na função.

estatisticamente significativo H0: As médias dos grupos são iguais na função. Métodos Complexos de Tomada de

Análise Discriminante

Análise Discriminante A primeira função discrimina significativamente os 3 grupos ( Λ = .135; X 2
Análise Discriminante A primeira função discrimina significativamente os 3 grupos ( Λ = .135; X 2
Análise Discriminante A primeira função discrimina significativamente os 3 grupos ( Λ = .135; X 2
Análise Discriminante A primeira função discrimina significativamente os 3 grupos ( Λ = .135; X 2
Análise Discriminante A primeira função discrimina significativamente os 3 grupos ( Λ = .135; X 2
Análise Discriminante A primeira função discrimina significativamente os 3 grupos ( Λ = .135; X 2
Análise Discriminante A primeira função discrimina significativamente os 3 grupos ( Λ = .135; X 2
Análise Discriminante A primeira função discrimina significativamente os 3 grupos ( Λ = .135; X 2
Análise Discriminante A primeira função discrimina significativamente os 3 grupos ( Λ = .135; X 2
Análise Discriminante A primeira função discrimina significativamente os 3 grupos ( Λ = .135; X 2
Análise Discriminante A primeira função discrimina significativamente os 3 grupos ( Λ = .135; X 2
Análise Discriminante A primeira função discrimina significativamente os 3 grupos ( Λ = .135; X 2
Análise Discriminante A primeira função discrimina significativamente os 3 grupos ( Λ = .135; X 2
Análise Discriminante A primeira função discrimina significativamente os 3 grupos ( Λ = .135; X 2
Análise Discriminante A primeira função discrimina significativamente os 3 grupos ( Λ = .135; X 2
Análise Discriminante A primeira função discrimina significativamente os 3 grupos ( Λ = .135; X 2
Análise Discriminante A primeira função discrimina significativamente os 3 grupos ( Λ = .135; X 2
Análise Discriminante A primeira função discrimina significativamente os 3 grupos ( Λ = .135; X 2
Análise Discriminante A primeira função discrimina significativamente os 3 grupos ( Λ = .135; X 2
Análise Discriminante A primeira função discrimina significativamente os 3 grupos ( Λ = .135; X 2
Análise Discriminante A primeira função discrimina significativamente os 3 grupos ( Λ = .135; X 2
Análise Discriminante A primeira função discrimina significativamente os 3 grupos ( Λ = .135; X 2

A primeira função discrimina significativamente os 3 grupos (Λ = .135; X 2 (4)=

195.340, p=.000). A segunda função discrimina significativamente os 3 grupos (Λ =

.518; X 2 (1)= 64.226, p=.000).

A primeira função explica 75.3% da variabilidade entre os grupos (λ = 2.837)

enquanto que a segunda função explica apenas 24.7% (λ = .932).

Análise Discriminante

Análise Discriminante Coeficientes estandardizados Contribuição de cada variável para a discriminação entre as
Análise Discriminante Coeficientes estandardizados Contribuição de cada variável para a discriminação entre as

Coeficientes estandardizados

Contribuição de cada variável para a discriminação entre as categorias.

Permitem-nos comparar directamente o peso relativo de cada variável na função discriminante.

A variável Trabalho (d 1 =.813) é a que apresenta maior contributo na função 1, enquanto que a variável Salário é a que apresenta maior contributo na função 2 (d 2 =.812).

Salário é a que apresenta maior contributo na função 2 (d 2 =.812). Métodos Complexos de

Análise Discriminante

Análise Discriminante Coeficientes não estandardizados   Funções discriminantes.   D 1 = .070 *

Coeficientes não estandardizados

 
  Funções discriminantes.

Funções discriminantes.

 
 
D 1 = .070 * Salário + .100 * Trabalho – 6.117
D 1 = .070 * Salário + .100 * Trabalho – 6.117
D 1 = .070 * Salário + .100 * Trabalho – 6.117

D 1 = .070 * Salário + .100 * Trabalho 6.117

  D 1 = .070 * Salário + .100 * Trabalho – 6.117 D 2 =
  D 1 = .070 * Salário + .100 * Trabalho – 6.117 D 2 =
  D 1 = .070 * Salário + .100 * Trabalho – 6.117 D 2 =
D 2 = .097 * Salário - .072 * Trabalho - .302
D 2 = .097 * Salário - .072 * Trabalho - .302
D 2 = .097 * Salário - .072 * Trabalho - .302

D 2 = .097 * Salário - .072 * Trabalho - .302

* Trabalho – 6.117 D 2 = .097 * Salário - .072 * Trabalho - .302
* Trabalho – 6.117 D 2 = .097 * Salário - .072 * Trabalho - .302

Análise Discriminante

Análise Discriminante Coordenadas dos centróides Valor da média da função discriminante para cada uma das categorias.
Análise Discriminante Coordenadas dos centróides Valor da média da função discriminante para cada uma das categorias.
Análise Discriminante Coordenadas dos centróides Valor da média da função discriminante para cada uma das categorias.

Coordenadas dos centróides

Análise Discriminante Coordenadas dos centróides Valor da média da função discriminante para cada uma das categorias.

Valor da média da função discriminante para cada uma das categorias.

Quanto mais afastados, maior é a diferença entre as categorias.

Cada caso é classificado segundo a proximidade aos centróides.

as categorias. Cada caso é classificado segundo a proximidade aos centróides. Métodos Complexos de Tomada de

Análise Discriminante

Análise Discriminante Coeficientes das funções de classificação Permitem criar as funções de classificação O
Análise Discriminante Coeficientes das funções de classificação Permitem criar as funções de classificação O
Análise Discriminante Coeficientes das funções de classificação Permitem criar as funções de classificação O
Análise Discriminante Coeficientes das funções de classificação Permitem criar as funções de classificação O
Análise Discriminante Coeficientes das funções de classificação Permitem criar as funções de classificação O
Análise Discriminante Coeficientes das funções de classificação Permitem criar as funções de classificação O
Análise Discriminante Coeficientes das funções de classificação Permitem criar as funções de classificação O
Análise Discriminante Coeficientes das funções de classificação Permitem criar as funções de classificação O
Análise Discriminante Coeficientes das funções de classificação Permitem criar as funções de classificação O
Análise Discriminante Coeficientes das funções de classificação Permitem criar as funções de classificação O
Análise Discriminante Coeficientes das funções de classificação Permitem criar as funções de classificação O
Análise Discriminante Coeficientes das funções de classificação Permitem criar as funções de classificação O
Análise Discriminante Coeficientes das funções de classificação Permitem criar as funções de classificação O
Análise Discriminante Coeficientes das funções de classificação Permitem criar as funções de classificação O
Análise Discriminante Coeficientes das funções de classificação Permitem criar as funções de classificação O

Coeficientes das funções de classificação Permitem criar as funções de classificação

O número de funções é igual ao número de grupos

existentes.

Através da função é possível prever a que grupo pertence um novo caso

F

Chefias = .706 * Salário + .703 * Trabalho 34.899

F

Dirigentes = .387 * Salário + .706 * Trabalho 22.840

F

Técnicos = .344 * Salário + .313 * Trabalho 8.493

Para cada novo caso e conhecendo os valores das variáveis é possível resolver cada uma das funções. O grupo daquela que apresentar o valor mais elevado é o grupo ao qual pertence o novo caso. Deste modo é possível classificar a priori novos casos.

o novo caso . Deste modo é possível classificar a priori novos casos. Métodos Complexos de

Análise Discriminante

Análise Discriminante Resultados das Classificações Permite avaliar o sucesso da função discriminante. A percentagem
Análise Discriminante Resultados das Classificações Permite avaliar o sucesso da função discriminante. A percentagem
Análise Discriminante Resultados das Classificações Permite avaliar o sucesso da função discriminante. A percentagem
Análise Discriminante Resultados das Classificações Permite avaliar o sucesso da função discriminante. A percentagem
Análise Discriminante Resultados das Classificações Permite avaliar o sucesso da função discriminante. A percentagem
Análise Discriminante Resultados das Classificações Permite avaliar o sucesso da função discriminante. A percentagem
Análise Discriminante Resultados das Classificações Permite avaliar o sucesso da função discriminante. A percentagem
Análise Discriminante Resultados das Classificações Permite avaliar o sucesso da função discriminante. A percentagem
Análise Discriminante Resultados das Classificações Permite avaliar o sucesso da função discriminante. A percentagem
Análise Discriminante Resultados das Classificações Permite avaliar o sucesso da função discriminante. A percentagem
Análise Discriminante Resultados das Classificações Permite avaliar o sucesso da função discriminante. A percentagem
Análise Discriminante Resultados das Classificações Permite avaliar o sucesso da função discriminante. A percentagem
Análise Discriminante Resultados das Classificações Permite avaliar o sucesso da função discriminante. A percentagem
Análise Discriminante Resultados das Classificações Permite avaliar o sucesso da função discriminante. A percentagem
Análise Discriminante Resultados das Classificações Permite avaliar o sucesso da função discriminante. A percentagem
Análise Discriminante Resultados das Classificações Permite avaliar o sucesso da função discriminante. A percentagem
Análise Discriminante Resultados das Classificações Permite avaliar o sucesso da função discriminante. A percentagem
Análise Discriminante Resultados das Classificações Permite avaliar o sucesso da função discriminante. A percentagem
Análise Discriminante Resultados das Classificações Permite avaliar o sucesso da função discriminante. A percentagem

Resultados das Classificações

Permite avaliar o sucesso da função discriminante.

A percentagem de casos classificados correctamente com a classificação original foi de 92.1%. O modelo criado classificou com maior precisão o grupo Técnicos

(96.7%)

Exercício

Verifique que dimensões do constructo de

Imersão melhor discriminam entre os sexos.

Nota: Utilizar a base de dados: Dbase_exerc;

melhor discriminam entre os sexos. Nota: Utilizar a base de dados: Dbase_exerc; Métodos Complexos de Tomada