Tratamento dos dados

Inicialmente, foram analisados os dados coletados para definição da tipologia predominante, utilizando-se o método de frequência de ocorrência. Foi encontrado um modelo de edificação que representasse as características arquitetônicas e construtivas das edificações localizadas no recorte urbano em estudo.

De modo a analisar o comportamento de alguns parâmetros construtivos, foram realizadas simulações computacionais, utilizando-se, como base, a tipologia predominante encontrada. Essa tipologia foi submetida a algumas variações já citadas anteriormente: o entorno, a proteção solar e a absortância das paredes externas.

Com o objetivo de avaliar o desempenho térmico e energético dos modelos propostos, utilizou-se da metodologia dos testes estatísticos para o tratamento desses dados. Os parâmetros escolhidos para análise do desempenho térmico foram: a temperatura do ar, os ganhos solares pelos fechamentos transparentes e os ganhos solares pelos fechamentos opacos. Para o desempenho energético, foram analisados os resultados obtidos referentes ao consumo de energia para refrigeração. Dentro do parâmetro temperatura do ar, foi aplicado também o método de análise graus-hora, com o intuito de aprofundar o estudo no âmbito do conforto térmico.

Para o parâmetro desempenho energético, além da aplicação dos testes estatísticos para os dados horários do ano típico de referência, analisou-se, também, os valores encontrados mensal e anualmente, baseando-se em pesquisas realizadas anteriormente.

A estatística objetiva extrair informação dos dados para obter uma melhor compreensão das situações que representam. A análise estatística das variáveis analisadas seguiu as seguintes etapas:

1. O primeiro passo foi à análise da frequência de ocorrência dos resultados através

dos histogramas. A distribuição de frequências é um agrupamento de dados em classes, de tal forma que se contabiliza o número de ocorrências em cada classe. O número de ocorrências de uma determinada classe recebe o nome de frequência absoluta. Esse tipo de representação tem como objetivo apresentar os dados de uma maneira mais concisa e que nos permita extrair informação sobre seu comportamento.

2. Em seguida, foi feita a análise do comportamento dos dados segundo a sua

distribuição, onde ela pode ser classificada como uma distribuição normal e não normal. Para isso, aplicam-se alguns testes, chamados testes de normalidade. O teste utilizado para todas as variáveis foi o lilliefors.

3. Com o objetivo de responder às hipóteses propostas pela pesquisa, são aplicados os

testes de hipótese. Segundo Devore (2006, p.586), o teste t é o melhor a ser usado, quando a amostra é extraída de uma população com distribuição normal porque, entre todos os testes com nível de significância , este é o que tem o mínimo. Para o autor, quando há grandes amostras, o teste de Wilcoxon não é menos eficiente do que o teste t e pode ser muito mais eficiente se a distribuição da população amostrada é distante de uma distribuição normal. Dessa forma, dentre os testes existentes, foi adotado para a presente pesquisa o teste Wilcoxon, o qual consiste na comparação entre postos. Kvam e Vidakovic (2007, p.128) afirmam que o teste da soma dos postos de Wilcoxon é frequentemente usado no lugar do teste t para duas amostras independentes, quando as amostras não apresentam distribuições normais. Os autores acrescentam que o teste indica se os grupos são homogêneos ou se um dos grupos é melhor do que o outro.

A maior parte dos resultados foi exposta através de gráficos, além do convencional gráfico de barras utilizou-se o gráfico de caixas, também denominado boxplot. Montgomery e Runger (2003) afirmam que os diagramas de caixas são muito úteis em comparações gráficas entre conjunto de dados, uma vez que tem alto impacto visual e são fáceis de entender. Os mesmos autores definem o gráfico de caixas como uma apresentação gráfica que descreve simultaneamente várias características importantes de um conjunto de dados, tais como centro, dispersão, desvio da simetria e identificação das observações que estão surpreendendo longe do seio dos dados, essas observações são chamadas também de valores discrepantes ou outlines.

Um diagrama de caixa apresenta três quartis, o mínimo e o máximo dos dados em uma caixa retangular alinhado tanto horizontalmente como verticalmente. A caixa inclui a amplitude interquartil, com o canto esquerdo (ou inferior) no primeiro quartil, e o canto direito (ou superior) no terceiro quartil. A linha desenhada através da caixa no segundo quartil representa o percentual de 50% dos dados, denominada mediana (Figura 22).

Figura 22: Descrição do gráfico de caixas

Fonte: Adaptado de Montgomery, Runger (2003).

Para todos os testes utilizados, foi adotado o nível de significação no valor de 0.05 como parâmetro para conclusões. A hipótese em teste, chamada hipótese nula, indica que os valores encontrados têm grandes chances de serem iguais e não haver uma diferença significativa. Desse modo, resultados com p-value inferior a 0.05 indicam que a hipótese nula pode ser rejeitada, e os valores do p-value superiores a 0.05 indicam a não rejeitar a hipótese nula (Figura 23).

Figura 23: Resumo do nível de significância adotado na pesquisa.

3.6 CONSIDERAÇÕES FINAIS

Este capítulo descreve uma metodologia para a realização das análises propostas pelo trabalho, tendo a influência do sombreamento e da absortância no desempenho térmico e energético de edificações residenciais. Os levantamentos das características construtivas objetivaram a obtenção de dados para a definição da tipologia predominante do recorto estudado que servirá de parâmetro para as simulações. As simulações computacionais foram divididas em duas etapas e seus resultados estão apresentados no capítulo seguinte.