Apresentação do Curso (MTI)
BH1350 – Métodos e Técnicas de Análise da Informação para o Planejamento Bacharelado em Planejamento Territorial Flávia F. Feitosa Maio de 2015
Análise da Informação: Etapa
fundamental em pesquisas que
busquem um aumento da compreensão
de problemas e questões no nosso
campo de interesse
Métodos e Técnicas de Análise da Informação
para o Planejamento….
Descobrindo Coisas Novas:
O Processo de Pesquisa
Dados (Perguntas: Será que…?) Observação Inicial Formulação de Teoria/Hipóteses Identificação de
Variáveis
Coleta de Dados para Testar Hipóteses Formulação de Teoria/Hipóteses • Análise exploratória/ gráfica/espacial • Construção de Modelos
Análise dos Dados
Corrobora/Refuta Hipóteses
Descobrindo Coisas Novas:
O Processo de Pesquisa
Dados (Perguntas: Será que…?) Observação Inicial Formulação de Teoria/Hipóteses Identificação de
Variáveis
Coleta de Dados para Testar Hipóteses Formulação de Teoria/Hipóteses • Análise exploratória/ gráfica/espacial • Construção de Modelos
Análise dos Dados
Envolve observação de dados, senso comum, conhecimento prévio Corrobora/Refuta Hipóteses (Re)formula Teoria
Uma pesquisa costuma partir de ideias que temos da
realidade, ou seja, de hipóteses.
As hipóteses são frequentemente expressas em uma
afirmação da relação entre duas ou mais variáveis,
no mínimo, uma variável independente e uma
variável dependente.
Por exemplo: Famílias pobres são mais expostas à
violência.
Descobrindo Coisas Novas:
O Processo de Pesquisa
Dados (Perguntas: Será que…?) Observação Inicial Formulação de Teoria/Hipóteses Identificação de
Variáveis
Coleta de Dados para Testar Hipóteses Formulação de Teoria/Hipóteses • Análise exploratória/ gráfica/espacial • Construção de Modelos
Análise dos Dados
Definir variáveis e coletar dados
Característica de interesse que é medida em cada elemento da amostra ou
população. Seus valores variam de elemento para
elemento.
Influência do nosso MÉTODO DE PESQUISA
A pesquisa social pode assumir muitas formas. Entre
os métodos de pesquisa, podemos citar:
§
Experimento
§
Pesquisa tipo
survey
§
Análise de conteúdo
§
Observação Participativa
§
Análise Secundária
§
Possui um nível de controle
§
Pesquisadores manipulam variáveis (independentes)
às quais seus indivíduos estão expostos.
§
O pesquisador designa a variável independente a um
grupo de pessoas (chamado grupo experimental),
mas retira de outro grupo de pessoas (chamado
grupo de controle)
§
Idealmente, todas as outras diferenças iniciais entre
grupos experimentais e de controle são eliminadas,
atribuindo-‐se sujeitos aleatoriamente às condições
experimentais e de controle.
§
Pesquisa de levantamento
§
É retrospectiva – os efeitos das variáveis
independentes sobre as variáveis dependentes são
registrados depois de terem ocorridos.
§
Não possuem controles rígidos dos experimentos: as
variáveis não são manipuladas e indivíduos não são
designados para grupos de maneira aleatória.
Assim, é muito mais difícil estabelecer
CAUSA e EFEITO
Exemplo:
Uma pesquisa que avalie a percepção de (in)segurança.
O pesquisador descobriu que entrevistados de bairros com
menor investimento em segurança tendem a ser mais temerosos.
Como a variável “investimentos em segurança” não foi manipulada, não podemos chegar à conclusão de que os
investimentos em segurança alteram a percepção de segurança.
Uma explicação alternativa de que a condição de vizinhança (pobreza, número de ocorrências, etc.) altera a percepção quanto à criminalidade nas ruas é igualmente plausível.
Vantagens
§ Em comparação com experimentos, essas pesquisas podem
investigar um número muito maior de variáveis independentes importantes em relação à variável dependente.
§ Como não estão confinadas a um ambiente de laboratório no
qual uma variável independente pode ser manipulada,
também podem ser mais representativas – seus resultados podem ser generalizados a um número maior de pessoas
§ Método de pesquisa por meio do qual um pesquisador busca
descrever de forma objetiva o conteúdo de mensagens produzidas anteriormente
§ Não precisam observar, de forma direta, comportamentos ou
questionar uma amostra de entrevistados
§ Normalmente estudam o conteúdo de livros, revistas e jornais,
filmes, transmissões de rádios, etc.
§ É comum a análise numérica da frequência de ocorrência de
determinados termos, construções e referências em uma dada comunicação/texto.
O pesquisador “participa” da vida cotidiana das
pessoas sendo estudadas, seja abertamente no papel
de pesquisador, seja veladamente em algum papel
disfarçado, observando o que ocorre, ouvindo o que
é dito e questionando-‐as por um período de tempo.
Riscos: Subjetividade do pesquisador, devido ao seu
envolvimento pessoal com o objeto; Possibilidade de
que sua presença perturbe o normal decurso da
interação social
§ É possível que o pesquisador não colete os próprios dados,
mas utilize conjuntos de dados previamente coletados ou reunidos por outros pesquisadores.
§ Em relação à coleta de dados em primeira mão, a análise
secundária tem a vantagem de ser mais rápida e fácil, mas mesmo assim explora dados que podem ter sido reunidos de maneira cientificamente sofisticada.
§ Por outro lado, o pesquisador é limitado ao que está
disponível e não tem voz ativa sobre como as variáveis são definidas e medidas.
IPEADATA
Fundação SEADE
Pesquisa Origem e Des@no
Atlas do Desenvolvimento
Humano no Brasil
Descobrindo Coisas Novas:
O Processo de Pesquisa
Dados (Perguntas: Será que…?) Observação Inicial Formulação de Teoria/Hipóteses Identificação de
Variáveis
Coleta de Dados para Testar Hipóteses Formulação de Teoria/Hipóteses • Análise exploratória/ gráfica/espacial • Construção de Modelos
Análise dos Dados
FOCO
DESTE
CURSO!!!
Corrobora/Refuta Hipóteses (Re)formula TeoriaEste curso trata da
Análise Exploratória de dados
e da construção/utilização de
MODELOS
Mas o que são modelos?
Modelos
Representações simplificadas de um objeto, estrutura, ideia ou sistema. Estas representações atendem a algum propósito!!!
São menores, menos detalhados, menos complexos, ou tudo isso junto…
Modelos nos auxiliam na representação e
compreensão de alguns aspectos do mundo real…
Este curso trata principalmente de
Modelos baseados em Métodos Estatísticos
Ferramentas importantes para análises de dados que
“O Grito” (1893) Edvard Munch
Vocês já estão acostumados a
lidar com modelos
!
(inclusive esta-s.cos)
Média como um modelo estaVs@co
Média do número de habitantes por domicílio
Nos ajuda a representar simplificadamente (modelar) este
aspecto particular da realidade
Digamos que eu tenha uma amostra de 5 domicílios, cada
qual com os seguintes números de habitantes:
Em média temos 2,6 habitantes por domicílio
Censos: Residentes por Domicílio
4.63% 4.19% 3.76% 3.31% 3.0$ 3.2$ 3.4$ 3.6$ 3.8$ 4.0$ 4.2$ 4.4$ 4.6$ 4.8$ 1980$ 1991$ 2000$ 2010$ Número$de$ residentes$por$ domicílio$ocupado$ (média)$Média como um modelo estaVs@co
Média do número de habitantes por domicílio
Em média temos 3,31 habitantes por
domicílio
(dados do censo de 2010)
Mas é impossível ter 3,31 habitantes em um domicílio!!!
A média é um valor hipotético, um MODELO
criado para resumir nossos dados
Descobrindo Coisas Novas:
O Processo de Pesquisa
Dados (Perguntas: Será que…?) Observação Inicial Formulação de Teoria/Hipóteses Identificação de
Variáveis
Coleta de Dados para Testar Hipóteses Formulação de Teoria/Hipóteses • Análise exploratória/ gráfica/espacial • Construção de Modelos
Análise dos Dados
Envolve observação de dados, senso comum, conhecimento prévio
Exemplos
Exemplos
Trabalho de Geoprocessamento – 2015/1 Fernanda Gomes, Rafael Costa & Rafael Cabral
Exemplos
Descobrindo Coisas Novas:
O Processo de Pesquisa
Dados (Perguntas: Será que…?) Observação Inicial Formulação de Teoria/Hipóteses Identificação de
Variáveis
Coleta de Dados para Testar Hipóteses Formulação de Teoria/Hipóteses • Análise exploratória/ gráfica/espacial • Construção de Modelos
Análise dos Dados
Definir variáveis e coletar dados
Característica de interesse que é medida em cada elemento da amostra ou
população. Seus valores variam de elemento para
Exemplos
Trabalho de Geoprocessamento – 2014/1 – Victor Mendes Del Prete
Análise Secundária (Dados do Censo Demográfico 2010)
Identificação de Variáveis
Exemplos
Trabalho de Geoprocessamento – 2014/1 – Victor Mendes Del Prete
Exemplos
Trabalho de Geoprocessamento – 2014/1 – Victor Mendes Del Prete
Descobrindo Coisas Novas:
O Processo de Pesquisa
Dados (Perguntas: Será que…?) Observação Inicial Formulação de Teoria/Hipóteses Identificação de
Variáveis
Coleta de Dados para Testar Hipóteses Formulação de Teoria/Hipóteses • Análise exploratória/ gráfica/espacial • Construção de Modelos
Análise dos Dados
FOCO
DESTE
CURSO!!!
Corrobora/Refuta Hipóteses (Re)formula TeoriaExiste uma relação entre consumo
de água e renda no país?
Como esta relação pode ser
caracterizada?
O crescimento populacional não é o único
fator relacionado ao aumento do consumo
de recursos naturais
novos padrões de consumo
Consumo de Água per Capita (resposta) X Renda per capita (preditora)
CARMO, Roberto Luiz do; DAGNINO, Ricardo Sampaio; FEITOSA, Flávia da Fonseca; JOHANSEN, Igor Cavallini; CRAICE, Carla. População, Renda e Consumo Urbano de Água no Brasil: Interfaces e Desafios. XX Simpósio Brasileiro de Recursos Hídricos. 17 a 22 de novembro de 2013. Bento Gonçalves, RS.
Distribuição espacial de consumo residencial de água e renda da população em 2010.
Fonte: SNIS (2010) e IBGE (2010).
Co ns umo d e Á gu a pe r C apita (m 3/ di a/ an o)
Renda per Capita (R$)
Consumo de Água per Capita (resposta) X Renda per capita(preditora)
!"#$%&"
!= !
!+ !
!!"#$%
!+ !
Variável β Desvio Padrão Estatística t (constante) 4,25.(10-3) 4,55.(10-4) 9,3 RENDA 41.(10-6) 8,2.(10-7) 49 Coeficiente de determinação: R2 = 0,36 Teste F: F = 2499,1MODELO DE REGRESSÃO LINEAR
GLOBAL
Mas será que esta relação,
entre consumo de água e
renda, ocorre da mesma
maneira em todo o país???
GWR
– Geographically Weighted Regression
Consumo de Água per Capita (resposta) X Renda per capita(preditora) GWR:
CARMO, Roberto Luiz do; DAGNINO, Ricardo Sampaio; FEITOSA, Flávia da Fonseca; JOHANSEN, Igor Cavallini; CRAICE, Carla. População, Renda e Consumo Urbano de Água no Brasil: Interfaces e Desafios. XX Simpósio Brasileiro de Recursos Hídricos. 17 a 22 de novembro de 2013. Bento Gonçalves, RS.
GWR
– Geographically Weighted Regression
Consumo de Água per Capita (resposta) X Renda per capita(preditora)
CARMO, Roberto Luiz do; DAGNINO, Ricardo Sampaio; FEITOSA, Flávia da Fonseca; JOHANSEN, Igor Cavallini; CRAICE, Carla. População, Renda e Consumo Urbano de Água no Brasil: Interfaces e Desafios. XX Simpósio Brasileiro de Recursos Hídricos. 17 a 22 de novembro de 2013. Bento Gonçalves, RS.
Os menores coeficientes estimados para a variável
RENDA foram observados em municípios do Estado do Rio Grande do Sul ...
GWR
– Geographically Weighted Regression
Consumo de Água per Capita (resposta) X Renda per capita(preditora)
CARMO, Roberto Luiz do; DAGNINO, Ricardo Sampaio; FEITOSA, Flávia da Fonseca; JOHANSEN, Igor Cavallini; CRAICE, Carla. População, Renda e Consumo Urbano de Água no Brasil: Interfaces e Desafios. XX Simpósio Brasileiro de Recursos Hídricos. 17 a 22 de novembro de 2013. Bento Gonçalves, RS.
Região do Município de Traipu (AL) à maior coeficiente estimado
Um aumento de R$ 1 na renda per capita da população está associado a um incremento do consumo de água de 100,3 ml/dia/hab.
Região do município de Floriano Peixoto (RS) à um dos menores
coeficientes significativos (t-valor > 1,96):
Um aumento de R$ 1 na renda per capita da população está associado a um aumento do consumo de 10,22 ml/dia/hab.
Descobrindo Coisas Novas:
O Processo de Pesquisa
Dados (Perguntas: Será que…?) Observação Inicial Formulação de Teoria/Hipóteses Identificação de
Variáveis
Coleta de Dados para Testar Hipóteses Formulação de Teoria/Hipóteses • Análise exploratória/ gráfica/espacial • Construção de Modelos
Análise dos Dados
Corrobora/Refuta Hipóteses
CARMO, Roberto Luiz do; DAGNINO, Ricardo Sampaio; FEITOSA, Flávia da Fonseca; JOHANSEN, Igor Cavallini; CRAICE, Carla. População, Renda e Consumo Urbano de Água no Brasil: Interfaces e Desafios. XX Simpósio Brasileiro de Recursos Hídricos. 17 a 22 de novembro de 2013. Bento Gonçalves, RS.
De maneira geral, as regiões apresentadas como
aquelas onde a elevação da renda está relacionada a
um maior incremento do consumo (áreas mais
escuras) tendem a coincidir com as áreas onde o
aumento do poder de consumo – que acompanhou
o recente processo de estabilização econômica,
crescimento econômico e ampliação dos programas
redistributivos – apresentou os maiores impactos na
redução da pobreza e extrema pobreza do país.
CARMO, Roberto Luiz do; DAGNINO, Ricardo Sampaio; FEITOSA, Flávia da Fonseca; JOHANSEN, Igor Cavallini; CRAICE, Carla. População, Renda e Consumo Urbano de Água no Brasil: Interfaces e Desafios. XX Simpósio Brasileiro de Recursos Hídricos. 17 a 22 de novembro de 2013. Bento Gonçalves, RS.
São regiões onde a redução da pobreza ampliou de
maneira expressiva o acesso a recursos básicos para a
manutenção de vida desta população, entre eles a
água potável.
Já em regiões como a Sul, caracterizada por níveis
mais elevados de renda, um aumento na renda tende
a gerar um impacto menor no aumento do consumo
de bens essenciais como a água e, provavelmente,
maior no consumo de bens de outra natureza.
OBJETIVO DO CURSO
Oferecer um panorama geral de distintas ferramentas
de análise de dados, com ênfase em técnicas de
inferência estatística clássica e espacial e sua
aplicabilidade em estudos que subsidiem o processo
de planejamento territorial.
Através da construção de experimentos, os alunos
deverão ser vivenciar diferentes possibilidades de
análise quantitativa de dados e ser capazes nde
explorar um problema de pesquisa aplicado ao
planejamento territorial com o auxílio dos métodos e
técnicas apresentados em sala de aula.
CONTEÚDO CURSO
1.
Inferência Estatística: Conceitos Básicos
CONTEÚDO CURSO
1.
Inferência Estatística: Conceitos Básicos
2.
Análise Exploratória de Dados (incluindo
análise gráfica e espacial)
CONTEÚDO CURSO
1.
Inferência Estatística: Conceitos Básicos
2.
Análise Exploratória de Dados (incluindo
análise gráfica)
3.
Correlação (Clássica & Espacial)
PRÁTICA no SPSS (correlação clássica) e
no GeoDa (correlação espacial)
CONTEÚDO CURSO
1.
Inferência Estatística: Conceitos Básicos
2.
Análise Exploratória de Dados (incluindo
análise gráfica)
3.
Correlação (Clássica & Espacial)
4.
Análise de Regressão (Clássica & Espacial)
CONTEÚDO CURSO
1.
Conceitos Básicos de Estatística (Nivelamento)
2.
Análise Exploratória de Dados (incluindo
análise gráfica)
3.
Correlação (Clássica & Espacial)
4.
Análise de Regressão (Clássica & Espacial)
5.
Outras Técnicas: Análise de Agrupamentos
(Clássica & Espacial)
BIBLIOGRAFIA BÁSICA
BIBLIOGRAFIA BÁSICA
BIBLIOGRAFIA BÁSICA
BIBLIOGRAFIA BÁSICA
Druck, S.; Carvalho, M.S.; Câmara, G.; Monteiro, A.V.M. (eds) "Análise
Espacial de Dados Geográficos".
Brasília, EMBRAPA, 2004.
CAPÍTULO 5 – ANÁLISE DE ÁREAS
Disponível em:
http://www.dpi.inpe.br/gilberto/ livro/analise/
BIBLIOGRAFIA BÁSICA
Disponível em:
https://geodacenter.asu.edu/
AVALIAÇÕES
1.
Listas de Exercícios & Trabalhos Práticos
(4)
2.
Proposta de Trabalho/ Resultados Parciais/
Presença nos Assessoramentos
(2)
3.
Trabalho Final
–
Apresentação/Prova Oral
(2)
& Trabalho Escrito
(2)
Atendimentos Alunos
Prof. Flávia Feitosa – flavia.feitosa@ufabc.edu.br
Horário Atendimento: Terças, 17h00 às 19h00 [Marcar por e-‐mail]
Lanna Danna – lannadanna@gmail.com [horário a combinar]
Lista de Exercícios (1)
1.
O que são modelos?
2.
Por que uma simples média estatística
pode ser considerada um modelo? Dê
outros exemplos de modelos.
3.
Identifique alguns temas de pesquisa do
seu interesse e descreva um possível
processo de pesquisa
Dicas:
(a) Visite os portais de dados apresentados na aula(b) No site do Tidia “MTI2015”, visite os artigos disponibilizados em “Repositório > Artigos”
Lista de Exercícios (1)
Site do Tidia:
“MTI2015”
Lista a ser entregue no Tidia até 02/06
Será que os procedimentos de
cobrança do IPTU
desfavorecem imóveis de
menor valor no mercado?
Trabalhos Alunos
–
2014
Camila Brito, Sabrina Nascimento e Renan Telles
Trabalhos Alunos
Cristiane Nagaka
Trabalhos Alunos
Cristiane Nagaka