Estatística Aplicada e Biometria
URI permanente para esta coleçãohttps://locus.ufv.br/handle/123456789/195
Navegar
Item Análise conjunta de fatores baseadas em escolhas: estimação e inferências(Universidade Federal de Viçosa, 2010-04-23) Bastos, Fernando de Souza; Ribeiro Junior, José Ivo; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4723282Y6; Cecon, Paulo Roberto; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4788114T5; Silva, Carlos Henrique Osório; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4785396A6; http://lattes.cnpq.br/9772451905214345; Gava, Rodrigo; http://lattes.cnpq.br/1863489842661064; Caetano, Sidney Martins; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4706384A9Qualquer empresa orientada para o mercado consumidor tem por objetivo oferecer um produto ou serviço, melhor do que seus concorrentes, para que o consumidor venha a preferí-lo e até mesmo pagar um preço maior por ele. Portanto é de interesse conhecer métodos de análise estatística que possam auxiliar nas pesquisas que visem estudar a preferência do consumidor. Uma das metodologias de maior difusão para a análise do mercado consumidor utilizada atualmente é a conjoint analysis traduzida como Análise Conjunta de Fatores (ANCF), conforme proposto por Minim et al. (2006). Apesar da literatura sobre a utilização desta metodologia em pesquisas de mercado ser extensa, ainda existem muitas oportunidades para o estudo de sua utilização, principalmente, relacionadas à análise per si, tais como a inclusão de interações entre fatores no modelo e testes de significância para as importâncias relativas dos fatores. Quando utilizada para avaliar muitos atributos ou atributos com muitos níveis, a ANCF na sua forma tradicional não é indicada. Uma alternativa é apresentar todos os tratamentos ao consumidor e este escolhe o(s) de sua preferência ao invés de atribuir notas ou rank a todos, o que na prática é mais representativo do ambiente real de compra. Essa metodologia é denominada, Choice Based Conjoint Analysis, traduzida como Análise Conjunta de Fatores Baseada em Escolhas (ANCFE). Na presente dissertação descreve-se o modelo da ANCF e suas pressuposições, além de mostrar como é feito a estimação dos parâmetros do modelo, apresenta-se algumas das principais vantagens e desvantagens do modelo e um exemplo de aplicação. Descreve-se também detalhadamente o desenvolvimento do modelo da ANCFE, a estimação dos parâmetros por máxima verossimilhança, com exemplos de aplicação, além de apresentar um estudo por simulação de dados para ilustrar uma comparação entre as metodologias ANCF e ANCFE. Neste estudo foram simuladas notas de aceitação ou intenção de compra atribuídas por 200 consumidores para 8 alternativas de um produto hipotético. Na análise dos resultados da simulação é possível notar que em termos de interpretação as duas metodologias se complementam, dificultando a escolha de uma delas. Porém, a metodologia ANCFE tem a vantagem de ser mais próximo do ambiente real de compra.Item Análise conjunta de fatores: distribuição amostral da importância relativa por simulação de dados(Universidade Federal de Viçosa, 2008-11-17) Temoteo, Alex da Silva; Peternelli, Luiz Alexandre; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4723301Z7; Silva, Fabyano Fonseca e; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4766260Z2; Silva, Carlos Henrique Osório; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4785396A6; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4255477U5; Ribeiro Junior, José Ivo; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4723282Y6; Minim, Valéria Paula Rodrigues; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4761407T6; Martins Filho, Sebastião; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4723282T5Conjoint analysis ou análise conjunta de fatores (ANCF) é uma análise de regressão que utiliza um modelo com variáveis explicativas indicadoras ou dumnmy, para se estudar a preferência de consumidores por tratamentos que podem ser servidos ou produtos, e que são definidos pela combinação de níveis de diversos atributos ou fatores. Com essa técnica estima-se a Importância Relativa (IR) de cada fator que compõe os tratamentos avaliados. Tais estudos são importantes por permitir decidir, com base nas estimativas das IR de cada fator, quais devem ser observados com maior atenção na definição do tratamento. No presente trabalho foi realizado um estudo por simulação para se investigar a robustez da distribuição amostral do estimador da IR de um fator, à variação na distribuição do erro aleatório do modelo de regressão empregado na ANCF. Foram gerados erros aleatórios com a distribuição normal e também três outras distribuições alternativas obtidas por uma transformação de locação e escala da beta: uma distribuição assimétrica à direita, outra assimétrica à esquerda e uma com forma U. Para cada distribuição, utilizou-se desvio-padrão σ = 2,8 e σ = 0,5, portanto para oito condições foram simulados 100 conjuntos de dados referentes a avaliações (notas de aceitação) de 108 consumidores para cada um dos 36 tratamentos formados pela combinação de 4 fatores (A, B, C e D) num esquema fatorial completo 32 x 22. Definiu-se com base em um modelo de regressão para ANCF, valores de referências para as IR's iguais a 44,25%, 25,66%, 26,55% e 3,54%, respectivamente para os fatores A, B. C e D. Na avaliação dos resultados com base em intervalos de confiança percentil e pela aproximação normal, ambos a 95%, verificou-se intervalos mais estreitos pela aproximação normal. Conforme esperado, verificou-se intervalos de confiança para as IR´s mais amplos quando σ = 2,8. Observou-se que todos os intervalos de confiança incluíram os valores das IR's tomados como referência, exceto para os seguintes casos: (i) intervalo de confiança pela aproximação normal para a simulação de erros com distribuição normal e σ = 2,8, para os fatores A e B; (ii) com intervalo pela aproximação normal e σ = 0,5, (iia) para os fatores A e C com distribuição normal, em forma de U e assimétrica à esquerda; (iib) para o fator B com distribuição em forma de U; e (iic) para o fator D com distribuição normal e em forma de U . Entretanto, neste casos de não inclusão do valor IR de referência nos intervalos, observou-se que o valor estava próximo ao limite do IC, tanto à esquerda quanto à direita. As estimativas de IR obtidas no estudo por simulação também foram avaliadas pelo Erro Médio Relativo (EMR) com relação aos respectivos valores de referência. Exceto para o fator D na simulação com erros normais e σ = 2,8, na qual se obteve EMR = 7,91%, em todas as demais situações simuladas obteve-se EMR < 5%. Adicionalmente, o teste de Kolmogorov-Smirnov indicou normalidade (p > 0,05) das distribuições amostrais em todos os casos. Concluiu-se que o estimador da IR pode ser considerado como robusto à não nor-malidade da distribuição do erro aleatório do modelo de regressão utilizado na ANCF. Adicionalmente, pode-se considerar que a distribuição amostral da IR seja normal e que portanto métodos inferenciais que requerem normalidade podem ser aplicados às estimativas de lR's obtidas na ANCF.Item Análise de correspondência: uma abordagem geométrica(Universidade Federal de Viçosa, 2012-06-28) Silva, Yury Vasconcellos da; Regazzi, Adair José; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4783586A7; Santos, Gérson Rodrigues dos; http://lattes.cnpq.br/0674757734832405; Silva, Carlos Henrique Osório; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4785396A6; http://lattes.cnpq.br/0641718908659343; Lopes, Jaques Silveira; http://lattes.cnpq.br/1605698945852448; Peternelli, Luiz Alexandre; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4723301Z7A análise de correspondência é uma técnica estatística multivariada que permite realizar a análise simultânea de diferentes variáveis categóricas. Possui aspecto simples e intuitivo na apresentação de resultados por meio dos mapas perceptuais. Apesar da análise de correspondência estar disponível em diversos softwares, incluindo o sistema livre R, o principal problema que contribui para o desconhecimento do potencial desta técnica e de sua consequente difusão é a existência de diversos textos especializados de difícil compreensão, por apresentarem um alto nível de algebrismo, abstração e por omitirem passos elucidativos importantes. Por outro lado, a leitura pura e simples das técnicas de interpretação se torna desprovida de sentido convincente, que pode levar a equívocos e insegurança nas interpretações e impede até mesmo de tirar o maior proveito possível dos resultados. Assim, o objetivo deste trabalho foi elaborar um texto elucidativo que mostrasse os detalhes matemáticos de todas as etapas da análise de correspondência, de forma aplicada e com ênfase na construção geométrica. Uma aplicação desta técnica com dados de um experimento na área de melhoramento genético da cana-de-açúcar é apresentada na qual constatou-se que o número de colmos é um fator determinante para antecipar a categoria de peso da touceira. Esta informação é de fundamental importância, uma vez que pode facilitar os aspectos operacionais na seleção de famílias para o melhoramento genético, visto que o pesquisador não necessitará esperar a época da colheita para selecioná-las, pois poderá fazê-la previamente se baseando naquelas com os maiores números de colmos. Portanto concluiu-se que esta técnica pode ser promissora em ciências agrárias. Apesar da leitura do presente trabalho exigir tempo e disposição, o mesmo contribui para um melhor entendimento desta técnica, principalmente para um leitor não muito afeito aos desenvolvimentos algébricos, pois ele fornece uma visão completa do passo a passo da análise de correspondência simples através da visão geométrica e do exemplo ilustrativo.Item Comparação dos métodos soma constante e análise conjunta de fatores para estimar a importância relativa(Universidade Federal de Viçosa, 2010-02-11) Dias, Adriana; Minim, Valéria Paula Rodrigues; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4761407T6; Regazzi, Adair José; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4783586A7; Silva, Carlos Henrique Osório; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4785396A6; http://lattes.cnpq.br/9808310940421979; Peternelli, Luiz Alexandre; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4723301Z7; Cecon, Paulo Roberto; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4788114T5; Silva, Fabyano Fonseca e; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4766260Z2A proposta deste trabalho foi comparar os métodos Soma Constante (SC) e Análise Conjunta de Fatores (ANCF) para estimar a importância relativa ((IR%)) dos fatores em estudos da preferência do consumidor. O objetivo principal foi verificar se o método SC pode ser utilizado para avaliar as estimativas de IR (%) obtidas pela ANCF. Foi realizado um estudo para avaliar a intenção de compra de uma bebida láctea sabor café com base na embalagem. Utilizou-se uma amostra de 192 julgadores residentes na cidade de Viçosa. Os fatores e respectivos níveis avaliados foram: tamanho da embalagem (200 mL e 1000 mL), nome do produto (café e chocolate e chocolate e café) e informação descafeinado (com e sem). Com as estimativas de IR (%) fornecidas pelos julgadores obtidas pelos dois métodos foram realizadas análises descritivas: gráficos Box e Whisker, histogramas e tabelas com medidas descritivas; e também análises inferenciais: teste t para dados pareados e para amostras independentes e testes de hipóteses lineares gerais. Optou-se por realizar as análises com e sem a exclusão de julgadores que não se adequaram ao modelo da ANCF, com base na não significância (valor p > 0,20) da Análise de Variância (ANOVA) realizada para os três fatores com os dados fornecidos por cada julgador. Após a realização das análises estatísticas concluiu-se que o método SC não se mostrou apropriado para avaliar os valores de importância relativa dos fatores estimados na ANCF. Devido à facilidade de aplicação, o método SC pode ser utilizado como um pré-estudo na seleção fatores para serem submetidos à ANCF, principalmente quando existem muitos fatores avaliados no estudo.Item Estimação da Sensibilidade e Especificidade de Testes Diagnósticos da Brucelose Bovina via lnferência Bayesiana(Universidade Federal de Viçosa, 2014-10-22) Souza, Márcio Rodrigues dos Santos; Silva, Fabyano Fonseca e; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4766260Z2; Santos, Gérson Rodrigues dos; http://lattes.cnpq.br/0674757734832405; Silva, Carlos Henrique Osório; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4785396A6; http://lattes.cnpq.br/4362780621340321; Nascimento, Moysés; http://lattes.cnpq.br/6544887498494945; Silva, Antônio Fernando Pêgo e; http://lattes.cnpq.br/4978699023776025A brucelose é uma doença infectocontagiosa provocada por bactérias do gênero Brucella que produz infecção característica nos animais, podendo contaminar o homem. Os testes para diagnóstico da brucelose utiIizados no Brasil são reaIizados a partir de amostras obti- das em animais com suspeita da enfermidade abatidos ou mortos na propriedade. No país são poucos os estudos de vaIidação de testes diagnósticos para brucelose que apresentam metodologias estatísticas para a estimação da sensibilidade e da especificidade satisfatori- amente. Neste trabalho, empregou a metodologia proposta por Joseph, Gyorkos e Coupal (1995) para obter estimativas da sensibilidade e da especificidade do teste de triagem Antígeno Acidificado Tamponado (AAT) e dos testes confirmatórios Mercaptoetanol (2- ME) e Diagnóstico Bacteriológico (DBac), testes estes, em conformidade ao Programa Nacional de Controle e Erradicação da Brucelose e da Tuberculose Animal (PNCEBT) inserido no Brasil em 2001. De forma complementar, comparou-se as estimativas em três cenário distintos: quando dispõe do resultado de somente um teste; (ii) quando dispõe dos resultados de dois testes; e (iii) quando dispõe dos resultados de três testes. A amostra conteve 175 animais, obtida por conveniência a partir de material encaminhado, de todas as regiões do BrasiI, ao Laboratório de Diagnóstico de Doenças Bacterianas do LANAGRO-MG, entre os anos de 2008 a 2011. Os códigos para obter as estimativas foram impIementados no OpenBUGS, por meio do algoritmo Gibbs Sampler. Os resuIta- dos apontaram que a prevalência estimada para brucelose bovina em animais suspeitos é de 79%, ou seja, de cada 100 animais com suspeita da doença, 79 são diagnósticos como doentes. Em relação às medidas de desempenho, AAT se mostrou mais sensível para diagnosticar a Brucelose Bovina, o 2-ME mais Especifico para não diagnosticar a Brucelose Bovina e o DBac mostrou-se 100% específico para não diagnosticar a doença e menos sensível para diagnosticar a doença.Item Um estudo do teste não paramétrico de Kohli aplicado em Conjoint Analysis(Universidade Federal de Viçosa, 2011-08-05) Mendes, André; Ribeiro Junior, José Ivo; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4723282Y6; Silva, Fabyano Fonseca e; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4766260Z2; Silva, Carlos Henrique Osório; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4785396A6; http://lattes.cnpq.br/6645099142656304; Lopes, Jaques Silveira; http://lattes.cnpq.br/1605698945852448; Nascimento, Moysés; http://lattes.cnpq.br/6544887498494945Neste trabalho avaliou-se o teste não paramétrico proposto por Kohli (1988), denominado teste h, para acessar a significância de atributos na Conjoint Analysis (CA). O referido teste foi comparado ao teste F da ANOVA (Análise de variância) com a execução de ambas as metodologias em 48 conjuntos de dados, sendo cada um a simulação da avaliação por 48 consumidores para oito tratamentos. Foram geradas notas de intenção de compra (ou preferência) numa escala ordinal formada pelos números inteiros de 1 a 9, sendo nota 1 para o tratamento menos preferido e 9 para o mais preferido, à semelhança de estudos realizados na área de Ciência e Tecnologia de Alimentos. Tomou-se como referência um modelo de CA aditivo e sem interação entre os atributos, com três atributos (A, B e C) e dois níveis cada, para formar os oito tratamentos num esquema fatorial completo 23. Foram definidos quatro cenários especificados por suas distintas Importâncias Relativas (IR%) entre os três atributos (e consequentemente amplitudes distintas entre os coeficientes de preferência): Cenário 1 – IRA = 60%, IRB = 30% e IRC = 10%; Cenário 2 – IRA= 40%, IRB = 40% e IRC = 20%; Cenário 3 – IRA = 35%, IRB = 35% e IRC = 30% e Cenário 4 – IRA = 5%, IRB = 45% e IRC = 50%. Para cada cenário, as notas foram geradas com erro aleatório seguindo duas distribuições de probabilidades distintas, ambas com média zero e desvio-padrão sigma (σ): distribuição normal e não normal (em forma de U). Adicionalmente, para cada uma destas duas distribuições foram utilizados diferentes valores de sigma (σ = 1,5; 2,0; 2,5; 3,0; 3,5 e 4,0). Concluiu-se que o teste h proposto por Kohli (1988) não deve ser recomendado com o intuito de apontar um atributo como significativo ou não, pois a utilização desse teste não permitiu relacionar a significância de um atributo com: (1) magnitude da importância relativa estimada na CA, (2) amplitude das estimativas dos coeficientes do modelo de regressão utilizado na CA comparada à magnitude da variância do erro aleatório do modelo, (3) ambas (1) e (2). Surpreendentemente, mesmo na ausência de normalidade do erro aleatório do modelo, o que teoricamente deveria desfavorecer o teste F da ANOVA em favor do teste h de Kohli (1988), este não se sobressaiu.