A maior rede de estudos do Brasil

Grátis
3 pág.
Aula5 Respostas

Pré-visualização | Página 1 de 1

ANÁLISE DISCRIMINANTE
1o exercício: Qual a importância das variáveis em termos de pesos e cargas discriminantes? Qual a melhor estatística para se fazer o ranking das variáveis?
Alunos
Pesos discriminantes: 0,96; 0,912; 0,755; 0,585
Ranking decrescente: raclog, redação, inglês, int_tex
Cargas discriminantes: 0,445; 0,296; 0,284; 0,234
Ranking decrescente: inglês, raclog, int_tex, redação
Cargas discriminantes: ranking mais confiável: inglês, raclog, int_tex, redação
Clirestaur
Pesos discriminantes: 0,641; 0,537; 0,519
Ranking decrescente: preço, variedad, confiab
Cargas discriminantes: 0,645; 0,608; 0,501
Ranking decrescente: preço, variedad, confiab
Neste caso, os rankings coincidiram.
2o exercício: Qual o valor do eigenvalue? Interprete os resultados obtidos para correlação canônica e Wilks’lambda e relacione-os entre si.
eigenvalue: são esperados valores altos; quando há mais de uma função discriminante, auxilia na identificação das funções mais importantes para discriminar os grupos.
correlação canônica: são esperados valores altos
Wilks’lambda: são esperados valores baixos
Alunos
eigenvalue: 4,851
correlação canônica = 0,911
Wilks’lambda = 0,171
0,171 + (0,911)2 = 1
Clirestaur
eigenvalue: 1,092
correlação canônica = 0,723
Wilks’lambda = 0,478
0,478 + (0,723)2 = 1
3o exercício: Obtenha o escore de corte com base nos centróides, faça as alocações dos 3 primeiros elementos com base neste escore de corte e refaça as alocações com base no coeficiente de classificação de Fisher.
Serão considerados os centróides calculados no SPSS.
Alunos
Grupo 1: 40 casos
Grupo 2: 80 casos
Escore de corte = [80 . 3,089 + 40 . (-1,544)] / 120 = 1,54
Método: função discriminante não padronizada e escore de corte 
	
	Elem1
	Elem2
	Elem3
	coefic
	RACLOG
	7,69
	9,62
	9,62
	0,563
	INT_TEX
	7
	7,25
	6,25
	0,692
	INGLES
	8,67
	9
	8,67
	0,711
	REDACAO
	8
	8
	8,5
	0,743
	
	
	
	
	-16,595
	Escores
	4,69
	6,18
	5,63
	
	Alocação
	Grupo 1
	Grupo 1
	Grupo 1
	
Método: coeficientes de Fisher 
	
	Fisher1
	Fisher2
	Alocação
	elem1
	229,99
	211,84
	Grupo 1
	elem2
	258,46
	233,39
	Grupo 1
	elem3
	246,36
	223,85
	Grupo 1
Clirestaur
Grupo 1: 20 casos
Grupo 2: 20 casos
Escore de corte = [1,019 + (-1,019)] / 2 = 0
Método: função discriminante não padronizada e escore de corte 
	
	Elem1
	Elem2
	Elem3
	coefic
	PREÇO
	7
	8
	7
	0,411
	VARIEDAD
	7
	7
	7
	0,437
	CONFIAB
	9
	6
	5
	0,365
	
	
	
	
	-7,909
	Escores
	1,31
	0,63
	-0,15
	
	Alocação
	Grupo 1
	Grupo 1
	Grupo 2
	
Método: coeficientes de Fisher 
	
	Fisher1
	Fisher2
	Alocação
	elem1
	42,73
	40,06
	Grupo 1
	elem2
	35,30
	34,03
	Grupo 1
	elem3
	28,99
	29,30
	Grupo 2
4o exercício: Interprete a matriz de classificação. Considerando a precisão da classificação, valeu a pena ter usado o modelo discriminante?
Alunos
O modelo discriminante acertou 97,5% das classificações a posteriori dos elementos nos 2 grupos. Houve 3 classificações erradas de elementos pertencentes ao grupo 1 mas alocados pelo modelo no grupo 2. 
Precisão da classificação: grupos de tamanhos diferentes: 40 e 80
Critério da probabilidade máxima: o maior grupo contém 67% da amostra. Como o resultado 97,5% excede 67%, a precisão da classificação foi alta.
Critério da probabilidade proporcional: p2 + (1-p)2 = 0,332 + 0,672 = 0,56. Como o resultado 97,5% excede 56%, a precisão da classificação foi alta.
Clirestaur
O modelo discriminante acertou 85% das classificações a posteriori dos elementos nos 2 grupos. Houve 6 classificações erradas de elementos pertencentes ao grupo 1 mas alocados pelo modelo no grupo 2. 
Precisão da classificação: grupos de tamanhos iguais: 20 e 20
Critério: 1/(no grupos) = 1/2 = 0,5. Como o resultado 85% excede 50%, a precisão da classificação foi alta.