Universidade Licungo- Extensão da Beira

Licenciatura em ensino de Matemática

Trabalho de Análise de Dados I

Nomes: Alfino Mapondo e Zacarias Vasco Camisola

1.Interpretação de tabelas e figuras de análise discriminante

Tabela 1 (Tests of Equality of Group Means)

A tabela 1, que é a tabela de Teste de igualdade de médias dos grupos, como o Wilks
Lambda, que varia de 0 a 1, testa a existência de diferenças de médias entre os grupos
para cada variável. É importante lembrar que valores elevados desta estatística indicam
ausência de diferença entre grupos. Podemos perceber que a variável referente a
desempenho é a que mais discriminam os grupos. Por outro lado a variável que se
refere percepção apresenta um valor mais elevado (0,933), demonstrando ser a pior em
termos de discriminações dos grupos.

Tabela 2 (Test Results)

Uma vez que este teste apresentou um Sig.F igual a 0,483, o que não permite a rejeição da
hipótese nula a 5%, podemos concluir que não há significância das diferenças observadas. A
estatística Box’s M é muito influenciada pelo tamanho que determinadas amostras podem
apresentar. O test Box’s M, considera duas hipóteses:

H 0 : as matrizes de covariância são iguais

H a : nem todas as matrizes de co-variância são iguais.

Como o Valor − p=0 , 433>0 , 05 logo não rejeitamos o H 0 , ou seja, não evidencias
estatísticas para rejeitar o H 0 , então prosseguimos com a analise discriminante.

Tabela 3 (Variables Entered/ Removeed)

A tabela apresenta as variáveis incluídas ou excluídas da análise por meio do procedimento

stepwise, os respectivos valores de lambda de Wilks e a transformação para a estatística F. neste
caso, a variável compatibilidade foi incluída no passo 1, já no passo 2 foi incluída a variável
durabilidade.

Tabela 4 (Variavel in the Analyses)

Esta tabela fornece as variáveis discriminantes em cada passo de análise. Podemos perceber que
apenas a variável compatibilidade é incluída no modelo no passo1. Já no passo 2, são incluídas
as variáveis compatibilidade e durabilidade.

Tabela 5 (Variables Not in the Analysis)

Apresenta os resultados da tolerância para cada variável em cada passo e, por meio dessa tabela,
podemos perceber que, em cada passo, apenas uma variável saiu da lista de excluídas (aquelas
com maior Sig.F, ou menor lambda de Wilks. As variáveis excluídas da analise foram:
desempenho, características, confiabilidade, percepção.

A tabela 6 nos apresenta Tabela 6 ( Wilks’ Lambda)

A tabela 6 nos apresenta o teste de Lambda de Wilks’, que serve para testar a significância das
funções discriminante. Para o nosso caso, vemos que na primeira linha são testadas as duas
funções em simultâneo, o que nos garante que a primeira é altamente significativa. Já a segunda
linha é referente a segunda função discriminante, na qual o p-valor (0,07) é maior do que
α =0,05 , assim considerando a hipotese H 0: média (μ) dos dois grupos são iguais; e H a :
média (μ) dos dois grupos são diferentes, podemos aceitar H 0, adimitindo assim que a segunda
função não é significativa.

Tabela 7 (Eingnvalues)

Os eigenvaues representam o percentual de variância explicada em termos de diferenças entre

os grupos e é uma medida relativa de quão diferentes os grupos são na função discriminante.

Pelo output apresentado, a primeira função discriminante apresenta um percentual de 79%

1,479
¿ ×100 , isto é, é a função que mais contribui para mostrar as diferenças entre os
1,479+ 0,392
0,392
grupos. Já a segunda função, explica 21 %= ×100 ,da variancia entre os grupos.
1,479+ 0,392

Tabela 8 ( Standardized Canonical Discriminant Function Coeficients)

A tabela apresenta coeficientes padronizados das funções discriminantes, onde esses

coeficientes que tem bem são chamados de pesos discriminantes, podem ser utilizados para
avaliar a importância relativa de cada variável explicativa para a função discriminante, sendo
que a interpretação destas funções a partir deles deve ser feita com alguma preocupação caso
haja problemas de colinear idade. Para o nosso caso, os valores mais relevantes são:
compatibilidade (função 1) e durabilidade (função 2).

Figura 1 ( Canonical Discriminant Functions)

A figura 1 apresenta o gráfico de dispersão dos elementos dos grupos em relação as funções
discriminantes não padronizadas F 1 e F 2, sendo que a origem (0,0) é o centroide dos centroides.

Tabela 9 (Classification Function Coeficients)

A tabela 9 nos apresenta os coeficientes das funções score determinante para cada grupo.
Portanto vamos classifica-las de acordo com o maior valor em uma dessas funções.

Tabela 10 ( Classification Results)

A tabela 10 mostra a efectividade do modelo (o quanto de acerto o modelo obteve). Para o

nosso caso o modelo conseguiu acertar correctamente a classificação em 66,7%. O grupo A e C
foram classificados com uma precisão ligeiramente melhor (80%) em relação ao grupo B
(40%).
Figura 2 (Territorial Map)

A figura 2 nos dá uma ideia do comportamento dos grupos e nos mostra as áreas delimitadas de
cada grupo bem como os centroides, que é o parâmetro que nos mostrará onde um novo
elemento amostral será alocado de acordo com os valores das variáveis (desempenho,
compatibilidade, durabilidade, características, confiabilidade, percepção). O mapa territorial
também nos da uma ideia de como as funções discriminantes separa os 3 grupos.

2. As funções discriminantes obtidas são:

F 1=0,756 ×compat −0,664 × durab i

F 2=0,655 ×compat + 0,748× durab Ilidade

3. As funções de classificações obtidas são:

Função A¿−9,705+3,554 × compat +0,983 ×durab ilidade

Função B¿−12,722+ 3,373× compat +2,390 durab ilidade

Função C¿−7,598+1,751× co mpact +2,407 × durab ilidade

Agora achemos o grupo a que pertence o individuo que tivesse pontuação de 3,5 nas
variáveis:

Função A¿−9,705+3,554 × 3,5+0,983 ×3,5=6,1745

Função B¿−12,722+ 3,373× 3,5+2,390 ×3,5=7,4485

Função C¿−7,598+1,751× ×3,5+2,407 × 3,5=6,955

Conclusão: o indivíduo pertence ao grupo B.

f 1=0,756 ×3,5−0,664 ×3,5=0,322 e f 2=0,655 ×3,5+0,748 × 3,5=4,9105.