atlas brasil 2013 dimensÃo …...pontÍficia universidade catÓlica de sÃo paulo faculdade de...

PONTÍFICIA UNIVERSIDADE CATÓLICA DE SÃO PAULO

Faculdade de Economia, Administração, Contabilidade e Atuariais.

ATLAS BRASIL 2013

DIMENSÃO DESVULNERABILIDADE E OUTRAS

VARIÁVEIS

Disciplina: Métodos Quantitativos

Professor: Dr. Arnoldo Jose de Hoyos

Sandra Rocío Parada Castiblanco

1º Semestre 2014

INDICE DE DESENVOLVIMENTO HUMANO MUNICIPAL ATLAS BRASIL

Sumário 1. INTRODUÇÃO. ............................................................................................................................................. 4 2. ENTENDENDO OS DADOS ....................................................................................................................... 4

2.1. Os Indivíduos. ......................................................................................................................................... 4 2.2 As Variáveis. ............................................................................................................................................ 4 2.3 A Tabela de Dados ................................................................................................................................. 6

3. ANÁLISE DAS VARIÁVEIS ........................................................................................................................ 6 3.1 Variáveis Categóricas. ......................................................................................................................... 6

3.1.1 Variável: “Região” ............................................................................................................................ 7 3.1.2 Variável: “Munícipio” ........................................................................................................................ 8

3.2 Variáveis Quantitativas. ...................................................................................................................... 8 3.2.1. Análise Exploratório de Dados. ................................................................................................ 8 3.2.1.1. Variável MORT1_np. “% de mulheres de 10 a 14 anos que tiveram filhos”. ..................... 8 3.2.1.2. Variável: PINDCRI_np. “índice de crianças fora de pobreza”. ........................................... 10 3.2.1.3. Variável: NESTUDA_np “Indicador de pessoas de 15 a 24 anos que estudam e ou trabalham e que não são vulneráveis à pobreza”............................................................................... 12 3.2.1.4. Variável: FUNDI_TODOS_M_np “Indicador de pessoas em domicílios não vulneráveis à pobreza e em que tem fundamental completo” ................................................................................... 13 3.2.1.5. Variável: MAXIDOSO_np “Indicador de pessoas em domicílios não vulneráveis à pobreza e dependentes de idosos” ....................................................................................................... 15 3.2.1.6. Variável: SOBRE40_np “Indicador probabilidade de sobrevivência até 40 anos”. ......... 17 3.2.1.7. Variável: SOBRE60_np “Índice de probabilidade de sobrevivência até 60 ano” ............ 18 3.2.1.8. Variável: BANAGUA_np “Índice da população que vive em domicílios com banheiro e água encanada” ....................................................................................................................................... 20 3.2.1.9. Variável: DENS_np. “Índice da população que vive em domicílios com densidade inferior a 2 pessoas por dormitório”. ..................................................................................................... 21 3.2.1.10 Variável: ESPVIDA_np “Esperança de vida ao nascer”. .................................................... 23 3.2.1.11. Variável: IDHM_np “Índice de Desenvolvimento Humano Municipal” ............................. 25 3.2.1.12. Variável: ALF11A14_np “Índice de alfabetismo da população de 11 a 14 anos de idade” ......................................................................................................................................................... 26 3.2.1.13. Variável: ALF15A17_np “Alfabetismo da população entre 15 a 17 anos de idade” ..... 28 3.2.1.14. Variável: ALF18M_np “alfabetismo da população de 18 anos ou mais de idade” ........ 30 3.2.1.15. Variável: RENOCUP “Rendimento médio dos ocupados”. ............................................... 32 3.2.1.16. Variável: PRENTRAB “Percentual da renda proveniente de rendimentos do trabalho” .................................................................................................................................................................... 33 3.2.1.17. Variável: P_FORMAL “Grau de formalização do trabalho das pessoas ocupadas” ..... 35 3.2.1.18. Variável: DES2529_np “Índice de desocupação da população de 25 a 29 anos de idade” ......................................................................................................................................................... 37

3.2.2. Relação entre variáveis: Correlação e Regressão. ................................................................ 42 3.2.2.1. Correlação. ..................................................................................................................................... 42 É uma técnica que permite estabelecer uma forma de estimação dos dados. “A correlação mede a forca ou o grau de relacionamento entre duas variáveis”. .................................................................... 42 A tabela número 3 relaciona as variáveis com maior grau de correlação: ......................................... 42 3.2.2.2. Gráficos de Dispersão. ................................................................................................................. 43 3.2.2.3. Linhas de Tendência..................................................................................................................... 44 3.2.2.4. Correlação Linear. ......................................................................................................................... 45 3.2.2.5. Dendrograma. ................................................................................................................................ 47 3.2.3. Regressão Multivariada & Stepwise .......................................................................................... 48 3.2.4. Análise de Tendências e Projeções (IBGE Series Estadísticas & Series Históricas) ... 55

3.2.4.1. Entendendo os dados ............................................................................................................... 55 3.2.4.1.1. Os Indivíduos .......................................................................................................................... 55 3.2.4.1.2. As Variáveis ............................................................................................................................ 55 3.2.4.1.3. A fonte e o tamanho da série de dados .............................................................................. 56 3.2.4.2. Análise das Variáveis................................................................................................................ 57 3.2.4.2.1. Variável: Mortalidade ............................................................................................................. 57 3.2.4.2.2. Variável: TaxtFreEsCr06. Taxa de frequência a escola ou creche de crianças de 0 a 6 anos de idade ........................................................................................................................................... 59

3.2.4.2.3. Variável: InstaSan. Existência de Instalação Sanitária no domicilio. ............................. 62 3.2.5. Comparações. ................................................................................................................................. 65

3.2.5.1. Variável: MORTI_np.................................................................................................................. 65 3.2.5.2. Variável: PINDCRI_np .............................................................................................................. 66 3.2.5.3. Variável: NESTUDA_np ........................................................................................................... 68 3.2.5.4. Variável: FUNDIN_TODOS_Mnp ............................................................................................ 70 3.2.5.5. Variável: MAXIDOSO ................................................................................................................ 72 3.2.5.7. Variável: SOBRE60(n) .............................................................................................................. 76 3.2.5.7. Variável: BANAGUA(n) .......................................................................................................... 77 3.2.5.8. Variável: DENSn ........................................................................................................................ 79 3.2.5.9. Variável: ESPVIDA .................................................................................................................... 81 3.2.5.11. Variável: ALFAB11A14 ........................................................................................................... 85 3.2.5.12. Variável: ALFA15A17 ............................................................................................................. 87 3.2.5.13. Variável: ALFAB18M .............................................................................................................. 89 3.2.5.14. Variável: RENOCUPn ............................................................................................................. 91 3.2.5.15. Variável: PRENTRABn ........................................................................................................... 93 3.2.5.16. Variável: FORMAn .................................................................................................................. 95 3.2.5.17. Variável: DES2529np ............................................................................................................. 97

3.2.6. Pesquisa por Amostragem ........................................................................................................ 100 3.2.6.1. Variável: MORTI_np Supervivência Infantil até um ano. ................................................... 100 3.2.6.1.1. Amostragem: 25 Municípios. .............................................................................................. 100 3.2.6.1.2. Amostragem: 100 Municípios. ............................................................................................ 101 3.2.6.1.3. Amostragem: 400 Municípios. ............................................................................................ 102 3.2.6.2. Variável: ALFA18 ..................................................................................................................... 104 3.2.6.2.1. Amostragem: 25 municípios ............................................................................................... 104 3.2.6.2.2. Amostragem: 100 municípios ............................................................................................. 105 3.2.6.2.3. Amostragem: 400 municípios ............................................................................................. 106 3.2.6.3. Variável: ESPVIDA .................................................................................................................. 108 3.2.6.3.1. Amostragem: 25 municípios ............................................................................................... 108 3.2.6.3.2. Amostragem: 100 municípios ............................................................................................. 109 3.2.6.3.3. Amostragem: 400 municípios. ............................................................................................ 110

3.2.7. Analise Multivariada - Componentes Principais. ................................................................. 114 3.2.7.1. Principais Componentes. ........................................................................................................... 117 3.2.8. Análise de Conglomerado .......................................................................................................... 119

3.2.8.1. Dendrograma dos dados agrupados pelo resultado das médias MORTI_np x ALFAB18 x ESPVIDA_np POR ESTADO (-DF) ................................................................................................. 119 3.2.8.2. Dendrograma dos dados agrupados pelo resultado do Desvio Padrão para MORTI_np x ALFAB18 x ESPIVIDA por Estados do Brasil. .................................................................................. 121 3.2.8.3. Análise das variâncias das variáveis por Estado ............................................................... 123 3.2.8.4 Análise das variâncias da variável Morti_np por estado .................................................... 123 3.2.8.5 Análise das variâncias da variável Alfa18 por estado. ........................................................ 124 3.2.8.6 Análise das variâncias da variável Espvida por estado. ..................................................... 125

3.2.9. Análise Discriminante ................................................................................................................ 126 3.2.9.1. Análise Discriminante Linear por Região ............................................................................. 126 3.2.9.3. Análise Discriminante Quadrática por “4 Brasis” ................................................................ 128 3.2.9.4. Análise Discriminante Linear para dados agrupados ........................................................ 130

3.2.10 Regressão logística. ................................................................................................................... 131 3.2.10.1. ANOVA das variáveis. .......................................................................................................... 131 3.2.10.2. Regressão Logistica Ordinal. .............................................................................................. 133

3.2.11. Arvores de Classificação. ........................................................................................................ 135 3.2.12. Análise de correspondências. ................................................................................................ 137 4. CONSIDERAÇÕES FINAIS. ............................................................................................................... 143

4

1. INTRODUÇÃO. O bem-estar de uma sociedade não pode ser calculado só medindo a riqueza ou os recursos de um país através do PIB, é assim como o Programa das Nações Unidas para o Desenvolvimento Humano criou em 1990 o Indicador IDH “Índice de Desenvolvimento Humano”. Este indicador resume em um só dado às três dimensões mais importantes para o desenvolvimento das pessoas em um país.

a) Oportunidade de vida longa e saudável b) Acesso ao conhecimento c) Padrão de vida digno.

Além da renda, são estudadas as condições de Saúde e Educação para medir o progresso da sociedade. No Brasil foi criado o indicador IDHM “Índice de Desenvolvimento Humano Municipal” o qual tem sete dimensões: Desenvolvimento Humano, Demografia, Educação, Trabalho, Renda, Habitação e Vulnerabilidade. O presente trabalho tem por objetivo efetuar uma análise exploratória1 para algumas das variáveis do Atlas Brasil, para poder efetuar a análise iniciamos com o entendimento dos dados, incluindo a definição dos indivíduos e das variáveis, suas classificações em variáveis categóricas ou quantitativas, os significados e unidades de medida. Na sequência, analisamos cada uma das variáveis separadamente quanto a sua forma de distribuição, os valores atípicos, medidas de centro e dispersão. Para tal contamos com o auxílio de gráficos (pie chart, barras, histogramas, gráficos de ramos, box-plot, dot-plot e curvas de densidade) e de medidas numéricas (média, mediana, quartis, desvio-padrão, variância, intervalo de confiança e teste de normalidade de Anderson-Darling). No final, buscamos comparar as análises efetuadas para cada variável. O software estatístico utilizado é o MINITAB 16. 2. ENTENDENDO OS DADOS 2.1. Os Indivíduos.

Os indivíduos desta análise são 5564 Municípios já que foi desconsiderado o DF. Foram involucradas as cinco regiões do país, (Centro Oeste, Nordeste, Norte, Sudeste, Sul) considerando como fonte os dados do Atlas de Desenvolvimento Humano Brasil 2013, dados 2010. http://www.atlasbrasil.org.br/2013/

2.2 As Variáveis. 1 “A análise Exploratória de dados utiliza gráficos e resumos numéricos para descrever as variáveis de um

conjunto de dados e as relações entre elas” Introdução a Pratica da Estadística pag. 32

http://www.atlasbrasil.org.br/2013/

São apresentadas 18 variáveis numéricas tomadas de diferentes dimensões do Atlas do Brasil, mais duas variáveis categóricas que descrevemos a seguir para um total de 19 variáveis, as quais são detalhadas na tabela 1.

Tabela 1. Variáveis.

SIGLA NOME LONGO Tipo

UFCódigo da Unidade da Federação

variável Categorica

UFNNome da Unidade da Federação

variável Categorica

ESPVIDAEsperança de vida ao nascer

variável Numérica

MORT1_npSupervivência Infantil até um ano de idade

variável Numérica

SOBRE40Índice de probabilidade de sobrevivência até 40 anos

variável Numérica

SOBRE60Índice de probabilidade de sobrevivência até 60 anos

variável Numérica

ALF11A14Índice Alfabetismo da população de 11 a 14 anos de idade

variável Numérica

ALF15A17Índice Alfabetismo da população de 15 a 17 anos de idade

variável Numérica

ALF18MÍndice Alfabetismo da população de 18 anos ou mais de idade

variável Numérica

PINDCRI_npÍndice de crianças fora da condição de ser extremamente pobres

variável Numérica

PRENTRABÍndice da renda proveniente de rendimentos do trabalho

variável Numérica

P_FORMALÍndice do Grau de formalização do trabalho das pessoas ocupadas

variável Numérica

RENOCUPÍndice do rendimento médio dos ocupados

variável Numérica

DES2529Índice de ocupação da população de 25 a 29 anos de idade

variável Numérica

BANAGUAÍndice da população que vive em domicílios com banheiro e água encanada

variável Numérica

DENS_npÍndice da população que vive em domicílios com densidade superior a 2 pessoas

por dormitóriovariável Numérica

T_FUNDIN_TODOS_MMEIO_npIndice de pessoas em domicílios não vulneráveis à pobreza e em que pelo menos

alguem tem fundamental completo.variável Numérica

IDHMÍndice de Desenvolvimento Humano Municipal

variável Numérica

MAXIDOSO_npÍndice de pessoas em domicílios vulneráveis à pobreza e dependentes de idosos

variável Numérica

NESTUDA_NTRAB_npìndice de pessoas de 15 a 24 anos que estudam e ou trabalham e não são

vulneráveis à pobreza.variável Numérica

NOTA IMPORTANTE. Todas estas variáveis foram normalizadas e positivadas, mas por facilidade e manejo foi conservada a abreviatura do nome original, por exemplo. MORTI1 que originalmente era Mortalidade Infantil, torna-se normalizada e positivada como MORTI_np, é dizer, Supervivência Infantil de até um ano.

2.3 A Tabela de Dados

Descriptive Statistics: MORT1_np. PINDCRI_np. T_NESTUDA_NT. T_FUNDIN_TOD. ... Variable N N* Mean StDev Minimum Q1 Q3 Maximum

MORT1_np 5564 0 0,71919 0,18629 0 0,60037 0,86139 1

PINDCRI_np 5564 0 0,7786 0,21198 0 0,62381 0,9583 1

T_NESTUDA_NTRAB_MMEIO_np 5564 0 0,73254 0,15839 0 0,60905 0,86787 1

T_FUNDIN_TODOS_MMEIO_np 5564 0 0,72383 0,17138 0 0,59277 0,87271 1

T_RMAXIDOSOnp 5564 0 0,80654 0,13701 0 0,70721 0,9213 1

SOBRE40(n) 5564 0 0,59935 0,15206 0 0,49879 0,70823 1

SOBRE60(n) 5564 0 0,57219 0,14626 0 0,48115 0,66968 1

T_BANAGUA(n) 5564 0 0,80224 0,22445 0 0,66679 0,97933 1

T_DENS(n) 5564 0 0,27818 0,14774 0 0,16775 0,36288 1

ESPVIDAn 5564 0 0,58383 0,20093 0 0,43853 0,73913 1

IDHMn 5564 0 0,54308 0,16209 0 0,40766 0,67568 1

ALFAB_11A14n 5564 0 0,09465 0,0973 0 0,03053 0,13443 1

AFALB_15A17n 5564 0 0,07936 0,07697 0 0,02863 0,11095 1

ALFAB_18Mn 5564 0 0,3522 0,22923 0 0,16333 0,54205 1

RENOCUPn 5564 0 0,21158 0,11209 0 0,11579 0,2866 1

PRENTRABn 5564 0 0,60539 0,15923 0 0,49583 0,72508 1

P_FORMAn 5564 0 0,47052 0,22374 0 0,27107 0,65933 1

T_DES2529np 5564 0 0,82568 0,1138 0 0,76663 0,90755 1

3. ANÁLISE DAS VARIÁVEIS

3.1 Variáveis Categóricas. São variáveis de tipo qualitativo que podem ser classificadas como de Nominais ou Ordinais. Estes tipos de variáveis indicam que o foco de concentração deve ser a análise de gráficos do tipo pie chart e barras.

3.1.1 Variável: “Região”

Nossa amostra totaliza 5 regiões, onde segundo o Gráfico # 1 apresenta que a maior concentração de municípios do Brasil esta em o Nordeste (NE) com 32,2%, e em o Sudeste (SE) com 30% e no Sul (S) com 21,3%.

Gráfico 1. Distribuição dos municípios por regiões

CO

N

NE

S

SE

Category

SE30,0%

S21,3%

NE32,2%

N8,1%

CO8,4%

Pie Chart of Região

Fonte. Informações tiradas do Atlas de Desenvolvimento humano. Cálculos Minitab

3.1.2 Variável: “Munícipio” Esta variável tem 5564 dados representados em Unidades Federais, o DF foi desconsiderado. As UFN mais representativas são Mina Gerais 15,3%, São Paulo 11,6% e Rio Grande do Sul 8,9%.

Gráfico 2. Distribuição dos Municípios pelas UFN

MG

MS

MT

PA

PB

PE

PI

PR

RJ

RN

AC

RO

RR

RS

SC

SE

SP

TO

Other

AL

AM

AP

BA

CE

ES

GO

MA

Category

Other0,0%TO

2,5%SP

11,6%SE

1,3%

SC5,3%

RS8,9%

RR0,3%

RO0,9%

RN3,0%

RJ1,7% PR

7,2%PI

4,0% PE3,3%

PB4,0%

PA2,6%

MT2,5%

MS1,4%

MG15,3%

MA3,9%

GO4,4%

ES1,4%

CE3,3%

BA7,5%

AP0,3%

AM1,1%

AL1,8%

AC0,4%

Pie Chart of UFN

Fonte. Informações tiradas do Atlas de Desenvolvimento humano. Cálculos Minitab

3.2 Variáveis Quantitativas. Os gráficos abaixo nos ajudam a entender melhor o comportamento desta variável. 3.2.1. Análise Exploratório de Dados. 3.2.1.1. Variável MORT1_np. “% de mulheres de 10 a 14 anos que tiveram filhos”.

Segue abaixo quadro contendo Histograma, Curva de Densidade, Box-Plot, Intervalo de confiança da média e mediana, além das medidas numéricas como média, desvio-padrão, variância, quantidade de observações, valores mínimos, máximos e o teste de normalidade de Anderson-Darling (A-Squared e P-Value), para a variável “MORT1_np” Observações.

Forma. O histograma apresenta uma distribuição concentrada na faixa de uma taxa entre 0,80 a 1 O box.plot demonstra a concentração na faixa acima citada, o posicionamento da mediana está deslocada a direita da referida faixa.

Valores Atípicos: Há um número expressivo de valores atípicos onde podemos ressaltar os três municípios com menores índices de Supervivência Infantil de até um ano. Os municípios são ROTEIRO com índice de 0,0000 (AL) no Norte, OLHO D'ÁGUA GRANDE com 0,0104 (AL) no Nordeste, BREJO DE AREIA com 0,0392 (MA) no Nordeste.

0,980,840,700,560,420,280,140,00

Median

Mean

0,7950,7800,7650,7500,7350,720

1st Quartile 0,60037

Median 0,78034

3rd Quartile 0,86139

Maximum 1,00000

0,71429 0,72408

0,77296 0,78570

0,18290 0,18982

A-Squared 158,73

P-Value < 0,005

Mean 0,71919

StDev 0,18629

Variance 0,03471

Skewness -1,00602

Kurtosis 0,43190

N 5564

Minimum 0,00000

Anderson-Darling Normality Test

95% Confidence Interval for Mean

95% Confidence Interval for Median

95% Confidence Interval for StDev95% Confidence Intervals

Summary for MORT1_np

O Dot-plot abaixo confirma a assimetria e a concentração dos valores entre 0,80 a 0,97

0,980,840,700,560,420,280,140,00

MORT1_np

Dotplot of MORT1_np

Each symbol represents up to 10 observations.

3.2.1.2. Variável: PINDCRI_np. “índice de crianças fora de pobreza”. Segue abaixo quadro contendo Histograma, Curva de Densidade, Box-Plot, Intervalo de confiança da média e mediana, além das medidas numéricas como média, desvio-padrão, variância, quantidade de observações, valores mínimos, máximos e o teste de normalidade de Anderson-Darling (A-Squared e P-Value), para a variável “PINDCRI_np” Observações.

Forma. O histograma apresenta uma distribuição concentrada na faixa entre 0,92 a 0,98. O box.plot demonstra a concentração na faixa acima citada, o posicionamento da mediana está deslocada a direita da referida faixa.

Valores Atípicos: Não há um número expressivo de valores atípicos, mais se podem citar os 3 indicadores mais representativos para a variável crianças fora de pobreza: SANTA ROSA DO PURUS com 0,0039 (AC) no Norte, AMAJARI com 0,0475 (RR) no Norte, e MARAJÁ DO SENA (MA) no Nordeste com 0,0715

0,980,840,700,560,420,280,140,00

Median

Mean

0,880,860,840,820,800,780,76


Median 0,86263


Maximum 1,00000

0,77303 0,78417

0,85332 0,87141

0,20811 0,21599

A-Squared 251,80

P-Value < 0,005

Mean 0,77860

StDev 0,21198

Variance 0,04494

Skewness -0,895147

Kurtosis -0,244816

N 5564

Minimum 0,00000





Summary for PINDCRI_np


0,980,840,700,560,420,280,140,00

PINDCRI_np

Dotplot of PINDCRI_np


3.2.1.3. Variável: NESTUDA_np “Indicador de pessoas de 15 a 24 anos que estudam e ou trabalham e que não são vulneráveis à pobreza”. egue abaixo quadro contendo Histograma, Curva de Densidade, Box-Plot, Intervalo de confiança da média e mediana, além das medidas numéricas como média, desvio-padrão, variância, quantidade de observações, valores mínimos, máximos e o teste de normalidade de Anderson-Darling (A-Squared e P-Value), para a variável “NESTUDA_np” Observações.

Forma. O histograma apresenta uma distribuição concentrada na faixa entre 0,55 a 0,63 e mais uma entre 0,84 e 0,96 O box.plot demonstra a concentração na faixa acima citada, o posicionamento da mediana está deslocada a direita da referida faixa.

0,980,840,700,560,420,280,140,00

Median

Mean

0,7600,7550,7500,7450,7400,7350,730


Median 0,75258


Maximum 1,00000

0,72837 0,73670

0,74045 0,75920

0,15551 0,16139

A-Squared 61,29

P-Value < 0,005

Mean 0,73254

StDev 0,15839

Variance 0,02509

Skewness -0,387856

Kurtosis -0,679669

N 5564

Minimum 0,00000





Summary for T_NESTUDA_NTRAB_MMEIO_np

Valores Atípicos: Há 4 valores atípicos onde podemos ressaltar os três municípios com menores índices para a variável “pessoas de 15 a 24 anos que estudam e ou trabalham e que não são vulneráveis à pobreza”. Os municípios são Amajari com 0,0000 (RR) no Norte, São João Batista com 0,1602 (MA) no Nordeste e Recursolândia com 0,1946 (TO) no Nordeste.

O Dot-plot abaixo confirma a assimetria e a concentração dos valores entre 0,56 e 0,60 e mais uma entre 0,84 e 0,93

0,980,840,700,560,420,280,140,00

T_NESTUDA_NTRAB_MMEIO_np

Dotplot of T_NESTUDA_NTRAB_MMEIO_np


3.2.1.4. Variável: FUNDI_TODOS_M_np “Indicador de pessoas em domicílios não vulneráveis à pobreza e em que tem fundamental completo” Segue abaixo quadro contendo Histograma, Curva de Densidade, Box-Plot, Intervalo de confiança da média e mediana, além das medidas numéricas como média, desvio-padrão, variância, quantidade de observações, valores mínimos, máximos e o teste de normalidade de Anderson-Darling (A-Squared e P-Value), para a variável FUNDI_TODOS_M_np Observações.

Forma. O histograma apresenta uma distribuição concentrada na faixa entre 0,56 a 0,83 e mais uma entre 0,85 e 0,97 O box.plot demonstra a concentração na faixa acima citada, o posicionamento da mediana está deslocada a direita da referida faixa.

0,980,840,700,560,420,280,140,00

Median

Mean

0,760,750,740,730,72


Median 0,75027


Maximum 1,00000

0,71933 0,72834

0,74278 0,75762

0,16826 0,17463

A-Squared 78,16

P-Value < 0,005

Mean 0,72383

StDev 0,17138

Variance 0,02937

Skewness -0,518668

Kurtosis -0,562850

N 5564

Minimum 0,00000





Summary for T_FUNDIN_TODOS_MMEIO_np

Valores Atípicos: Há poucos valores atípicos onde podemos ressaltar os três municípios com menores índices de “pessoas em domicílios não vulneráveis à pobreza e que tem fundamental completo” Os municípios são: Melgaço (PA) no Norte com 0,0000, Itamarati (AM) com 0,0870 no Norte e Marajá do Sena (MA) com 0,0997 no Nordeste.


0,980,840,700,560,420,280,140,00

T_FUNDIN_TODOS_MMEIO_np

Dotplot of T_FUNDIN_TODOS_MMEIO_np


3.2.1.5. Variável: MAXIDOSO_np “Indicador de pessoas em domicílios não vulneráveis à pobreza e dependentes de idosos” Segue abaixo quadro contendo Histograma, Curva de Densidade, Box-Plot, Intervalo de confiança da média e mediana, além das medidas numéricas como média, desvio-padrão, variância, quantidade de observações, valores mínimos, máximos e o teste de normalidade de Anderson-Darling (A-Squared e P-Value), para a variável : MAXIDOSO_np Observações.

Forma. O histograma apresenta uma distribuição concentrada na faixa entre 0,85 a 0,97 O box.plot demonstra a concentração na faixa acima citada, o posicionamento da mediana está deslocada à direita da referida faixa.

Valores Atípicos: Há poucos valores atípicos onde podemos ressaltar os três municípios com menores indicadores de “pessoas em domicílios não vulneráveis à pobreza e dependentes de idosos” Os municípios são: GAÚCHA DO NORTE (MT) com 0,000 no Centro este, BACURITUBA (MA) com 0,1629 no Nordeste e SERRANO DO MARANHÃO (MA) com 0,2895 no Nordeste.

0,980,840,700,560,420,280,140,00

Median

Mean

0,850,840,830,820,810,80


Median 0,84287


Maximum 1,00000

0,80294 0,81014

0,83599 0,84810

0,13451 0,13961

A-Squared 116,61

P-Value < 0,005

Mean 0,80654

StDev 0,13701

Variance 0,01877

Skewness -0,756424

Kurtosis -0,031299

N 5564

Minimum 0,00000





Summary for T_RMAXIDOSOnp

O Dot-plot abaixo confirma a assimetria e a concentração dos valores entre 0,87 e 0,97

0,980,840,700,560,420,280,140,00

T_RMAXIDOSOnp

Dotplot of T_RMAXIDOSOnp


3.2.1.6. Variável: SOBRE40_np “Indicador probabilidade de sobrevivência até 40 anos”. Segue abaixo quadro contendo Histograma, Curva de Densidade, Box-Plot, Intervalo de confiança da média e mediana, além das medidas numéricas como média, desvio-padrão, variância, quantidade de observações, valores mínimos, máximos e o teste de normalidade de Anderson-Darling (A-Squared e P-Value), para a variável SOBRE40_np Observações.

Forma. O histograma apresenta uma distribuição concentrada na faixa entre 0,56 a 0,75 O box.plot demonstra a concentração na faixa acima citada, o posicionamento da mediana está deslocada ao centro da referida faixa.

0,980,840,700,560,420,280,140,00

Median

Mean

0,6200,6150,6100,6050,6000,595


Median 0,61259


Maximum 1,00000

0,59535 0,60335

0,60775 0,61743

0,14929 0,15494

A-Squared 13,71

P-Value < 0,005

Mean 0,59935

StDev 0,15206

Variance 0,02312

Skewness -0,392852

Kurtosis 0,025091

N 5564

Minimum 0,00000





Summary for SOBRE40(n)

Valores Atípicos: Há alguns valores atípicos onde podemos ressaltar os três municípios com menores valores para o “Indicador probabilidade de sobrevivência até 40 anos”. Os municípios são: Santa Helena de Minas (MG) com 0,000 no Sudeste, ROTEIRO (AL) com 0,0630 no Nordeste e OLHO D'ÁGUA GRANDE (AL) com 0,0738 no Nordeste.


0,980,840,700,560,420,280,140,00

SOBRE40(n)

Dotplot of SOBRE40(n)


3.2.1.7. Variável: SOBRE60_np “Índice de probabilidade de sobrevivência até 60 ano” Segue abaixo quadro contendo Histograma, Curva de Densidade, Box-Plot, Intervalo de confiança da média e mediana, além das medidas numéricas como média, desvio-padrão, variância, quantidade de observações, valores mínimos, máximos e o teste de normalidade de Anderson-Darling (A-Squared e P-Value), para a variável SOBRE60_np Observações.

Forma. O histograma apresenta uma distribuição concentrada na faixa entre 0,42 a 0,76. O box.plot demonstra a concentração na faixa acima citada, o posicionamento da mediana está deslocada a direita da referida faixa.

0,980,840,700,560,420,280,140,00

Median

Mean

0,5850,5800,5750,570


Median 0,58099


Maximum 1,00000

0,56834 0,57603

0,57621 0,58630

0,14359 0,14903

A-Squared 8,07

P-Value < 0,005

Mean 0,57219

StDev 0,14626

Variance 0,02139

Skewness -0,334111

Kurtosis 0,228310

N 5564

Minimum 0,00000





Summary for SOBRE60(n)

Valores Atípicos: Há um número expressivo de valores atípicos onde podemos ressaltar os três municípios com menores índices para “probabilidade de sobrevivência até 60 anos” Os municípios são: Divisa Alegre (MG) com 0,0016 no Nordeste, CACIMBAS (PB) com 0,0733 no Nordeste e Palmópolis (MG) com 0,0813 no Sudeste.


0,980,840,700,560,420,280,140,00

SOBRE60(n)

Dotplot of SOBRE60(n)


3.2.1.8. Variável: BANAGUA_np “Índice da população que vive em domicílios com banheiro e água encanada” Segue abaixo quadro contendo Histograma, Curva de Densidade, Box-Plot, Intervalo de confiança da média e mediana, além das medidas numéricas como média, desvio-padrão, variância, quantidade de observações, valores mínimos, máximos e o teste de normalidade de Anderson-Darling (A-Squared e P-Value), para a variável T_BANAGUA. Observações.

Forma. O histograma apresenta uma distribuição concentrada na faixa entre 0,97 a 0,98 O box.plot demonstra a concentração na faixa acima citada, o posicionamento da mediana está deslocada a direita da referida faixa.

Valores Atípicos: Há um número expressivo de valores atípicos onde podemos ressaltar os três municípios com menores valores para o índice população que vive em domicílios com banheiro e água encanada. Os municípios são: SANTA CECÍLIA (PB) com 0,000 no Nordeste, PEDRO DO ROSÁRIO com 0,0173 (MA) no Nordeste, e CACHOEIRA DO PIRIÁ (PA) com 0,0354no Norte.

0,980,840,700,560,420,280,140,00

Median

Mean

0,920,900,880,860,840,820,80


Median 0,90950


Maximum 1,00000

0,79634 0,80814

0,90122 0,91654

0,22036 0,22870

A-Squared 358,52

P-Value < 0,005

Mean 0,80224

StDev 0,22445

Variance 0,05038

Skewness -1,21301

Kurtosis 0,55632

N 5564

Minimum 0,00000





Summary for T_BANAGUA(n)

O Dot-plot abaixo confirma a assimetria e a concentração dos valores entre 0,97 e 0,98.

0,980,840,700,560,420,280,140,00

T_BANAGUA(n)

Dotplot of T_BANAGUA(n)


3.2.1.9. Variável: DENS_np. “Índice da população que vive em domicílios com densidade inferior a 2 pessoas por dormitório”. Segue abaixo quadro contendo Histograma, Curva de Densidade, Box-Plot, Intervalo de confiança da média e mediana, além das medidas numéricas como média, desvio-padrão, variância, quantidade de observações, valores mínimos, máximos e o teste de normalidade de Anderson-Darling (A-Squared e P-Value), para a variável DENS_np Observações.

Forma. O histograma apresenta uma distribuição concentrada na faixa entre 0,14 a 0,42 O box.plot demonstra a concentração na faixa acima citada, o posicionamento da mediana está deslocada a esquerda da referida faixa.

0,980,840,700,560,420,280,140,00

Median

Mean

0,2800,2750,2700,2650,2600,2550,250


Median 0,25474


Maximum 1,00000

0,27430 0,28206

0,25042 0,26032

0,14505 0,15054

A-Squared 60,82

P-Value < 0,005

Mean 0,27818

StDev 0,14774

Variance 0,02183

Skewness 1,04488

Kurtosis 1,63321

N 5564

Minimum 0,00000





Summary for T_DENS(n)

Valores Atípicos: Há um número expressivo de valores atípicos onde podemos ressaltar os três municípios com maiores índices ‘população que vive em domicílios com densidade inferior a 2 pessoas por dormitório’. Os municípios são: UIRAMUTÃ com 1,000 (RR) no Norte, SANTA ISABEL DO RIO NEGRO com 0,9881 (AM) no Norte, e MELGAÇO com 0,9749 (PA) no Norte.


0,980,840,700,560,420,280,140,00

T_DENS(n)

Dotplot of T_DENS(n)


3.2.1.10 Variável: ESPVIDA_np “Esperança de vida ao nascer”. Segue abaixo quadro contendo Histograma, Curva de Densidade, Box-Plot, Intervalo de confiança da média e mediana, além das medidas numéricas como média, desvio-padrão, variância, quantidade de observações, valores mínimos, máximos e o teste de normalidade de Anderson-Darling (A-Squared e P-Value), para a variável ESPVIDA_np Observações:

Forma. O histograma apresenta uma distribuição concentrada na faixa entre 0,42 a 0,44 e mais uma entre 0,57 e 0,82. O box.plot demonstra a concentração na faixa acima citada, o posicionamento da mediana está deslocada à direita da referida faixa.

0,980,840,700,560,420,280,140,00

Median

Mean

0,620,610,600,590,58


Median 0,61244


Maximum 1,00000

0,57854 0,58911

0,60570 0,61844

0,19726 0,20473

A-Squared 34,97

P-Value < 0,005

Mean 0,58383

StDev 0,20093

Variance 0,04037

Skewness -0,409423

Kurtosis -0,486571

N 5564

Minimum 0,00000





Summary for ESPVIDAn

Valores atípicos: Não tem pontos atípicos. O Dot-plot abaixo confirma a assimetria e a concentração os valores assim: entre 0,42 a 0,44 e mais uma entre 0,57 e 0,82.

0,980,840,700,560,420,280,140,00

ESPVIDAn

Dotplot of ESPVIDAn


3.2.1.11. Variável: IDHM_np “Índice de Desenvolvimento Humano Municipal” Segue abaixo quadro contendo Histograma, Curva de Densidade, Box-Plot, Intervalo de confiança da média e mediana, além das medidas numéricas como média, desvio-padrão, variância, quantidade de observações, valores mínimos, máximos e o teste de normalidade de Anderson-Darling (A-Squared e P-Value), para a variável IDHM_np Observações:

Forma. O histograma apresenta uma distribuição concentrada na faixa entre 0,30 a 0,44 e mais uma entre 0,57 e 0,82. O box.plot demonstra a concentração na faixa acima citada, o posicionamento da mediana está deslocada à direita da referida faixa.

0,980,840,700,560,420,280,140,00

Median

Mean

0,5650,5600,5550,5500,5450,540


Median 0,55631


Maximum 1,00000

0,53882 0,54734

0,54955 0,56532

0,15914 0,16516

A-Squared 40,64

P-Value < 0,005

Mean 0,54308

StDev 0,16209

Variance 0,02627

Skewness -0,156737

Kurtosis -0,846019

N 5564

Minimum 0,00000





Summary for IDHMn

Valores Atípicos: Há um só valor atípico no município de MELGAÇO apontando um índice de Desenvolvimento Humano Municipal de 0,0000 (PA) localizado no Norte do país para .


0,980,840,700,560,420,280,140,00

IDHMn

Dotplot of IDHMn


3.2.1.12. Variável: ALF11A14_np “Índice de alfabetismo da população de 11 a 14 anos de idade” Segue abaixo quadro contendo Histograma, Curva de Densidade, Box-Plot, Intervalo de confiança da média e mediana, além das medidas numéricas como média, desvio-padrão, variância, quantidade de observações, valores mínimos, máximos e o teste de normalidade de Anderson-Darling (A-Squared e P-Value), para a variável ALF11A14_np Observações:

Forma. O histograma apresenta uma distribuição concentrada na faixa entre 0,01 a 0,14 O box.plot demonstra a concentração na faixa acima citada, o posicionamento da mediana está deslocada à esquerda da referida faixa.

0,980,840,700,560,420,280,140,00

Median

Mean

0,100,090,080,070,060,05


Median 0,05195


Maximum 1,00000

0,09209 0,09720

0,05003 0,05362

0,09552 0,09914

A-Squared 372,45

P-Value < 0,005

Mean 0,09465

StDev 0,09730

Variance 0,00947

Skewness 2,16651

Kurtosis 7,33493

N 5564

Minimum 0,00000





Summary for ALFAB 11A14n

Valores Atípicos: Há um número expressivo de valores atípicos onde podemos ressaltar os três municípios com maiores índices de alfabetismo da população entre 11 a 14 anos de idade. Os municípios são: ALTO ALEGRE com 1,000 no Município RR localizado no Norte, SANTA ISABEL DO RIO NEGRO com 0,8894 em o município (AM) localizado no Norte, ATALAIA DO NORTE com 0,7966 em AM, município localizado no Norte do país.


0,980,840,700,560,420,280,140,00

ALFAB 11A14n

Dotplot of ALFAB 11A14n


3.2.1.13. Variável: ALF15A17_np “Alfabetismo da população entre 15 a 17 anos de idade” Segue abaixo quadro contendo Histograma, Curva de Densidade, Box-Plot, Intervalo de confiança da média e mediana, além das medidas numéricas como média, desvio-padrão, variância, quantidade de observações, valores mínimos, máximos e o teste de normalidade de Anderson-Darling (A-Squared e P-Value), para a variável ALF15A17_np Observações:


0,980,840,700,560,420,280,140,00

Median

Mean

0,0800,0750,0700,0650,0600,0550,050


Median 0,05100


Maximum 1,00000

0,07734 0,08138

0,04921 0,05279

0,07557 0,07843

A-Squared 298,31

P-Value < 0,005

Mean 0,07936

StDev 0,07697

Variance 0,00592

Skewness 2,6772

Kurtosis 15,1646

N 5564

Minimum 0,00000





Summary for AFALB 15A17n

“Valores Atípicos: Há um número expressivo de valores atípicos onde podemos ressaltar os três municípios com maiores índices de ‘Alfabetismo da população entre 15 a 17 anos de idade”. Os municípios são: ALTO ALEGRE com 1,000 no município de RR localizado no Norte, SANTA ISABEL DO RIO NEGRO com 0,9153 no município de AM localizado no Norte, e AMAJARI com 0,9016 no município RR localizado no Norte também.


0,980,840,700,560,420,280,140,00

AFALB 15A17n

Dotplot of AFALB 15A17n


3.2.1.14. Variável: ALF18M_np “alfabetismo da população de 18 anos ou mais de idade” Segue abaixo quadro contendo Histograma, Curva de Densidade, Box-Plot, Intervalo de confiança da média e mediana, além das medidas numéricas como média, desvio-padrão, variância, quantidade de observações, valores mínimos, máximos e o teste de normalidade de Anderson-Darling (A-Squared e P-Value), para a variável ALF18M_np. Observações:

Forma. O histograma apresenta uma distribuição concentrada na faixa entre 0,03 a 0,28 e mais uma entre 0,56 e 0,72. O box.plot demonstra a concentração na faixa acima citada, o posicionamento da mediana está deslocada ao centro das duas faixas referidas.

0,980,840,700,560,420,280,140,00

Median

Mean

0,360,340,320,300,28


Median 0,28155


Maximum 1,00000

0,34617 0,35822

0,27427 0,29012

0,22505 0,23357

A-Squared 142,07

P-Value < 0,005

Mean 0,35220

StDev 0,22923

Variance 0,05255

Skewness 0,597951

Kurtosis -0,784988

N 5564

Minimum 0,00000





Summary for ALFAB 18Mn

Valores atípicos. Não tem pontos atípicos. O Dot-plot abaixo confirma a assimetria e a concentração dos valores entre 0,03 e 0,28 e mais uma entre 0,56 e 0,70.

0,980,840,700,560,420,280,140,00

ALFAB 18Mn

Dotplot of ALFAB 18Mn


3.2.1.15. Variável: RENOCUP “Rendimento médio dos ocupados”. Segue abaixo quadro contendo Histograma, Curva de Densidade, Box-Plot, Intervalo de confiança da média e mediana, além das medidas numéricas como média, desvio-padrão, variância, quantidade de observações, valores mínimos, máximos e o teste de normalidade de Anderson-Darling (A-Squared e P-Value), para a variável RENOCUP

0,980,840,700,560,420,280,140,00

Median

Mean

0,21500,21250,21000,20750,20500,20250,2000


Median 0,20561


Maximum 1,00000

0,20863 0,21452

0,20019 0,21051

0,11005 0,11422

A-Squared 35,54

P-Value < 0,005

Mean 0,21158

StDev 0,11209

Variance 0,01257

Skewness 0,70531

Kurtosis 1,17887

N 5564

Minimum 0,00000





Summary for RENOCUPn

Observações:


Valores Atípicos: Há um número expressivo de valores atípicos onde podemos ressaltar os três municípios com maiores índices para “Rendimento médio dos ocupados”. Os municípios são: SANTANA DE PARNAÍBA com 1,000 no estado de SP localizado no Sudeste, SÃO CAETANO DO SUL com 0,9306 no estado de SP localizado no Sudeste e o munícipio NITERÓI com 0,8512 localizado no estado de RJ no Sudeste do país.


0,980,840,700,560,420,280,140,00

RENOCUPn

Dotplot of RENOCUPn


3.2.1.16. Variável: PRENTRAB “Percentual da renda proveniente de rendimentos do trabalho” Segue abaixo quadro contendo Histograma, Curva de Densidade, Box-Plot, Intervalo de confiança da média e mediana, além das medidas numéricas como média, desvio-padrão, variância, quantidade de observações, valores mínimos, máximos e o teste de normalidade de Anderson-Darling (A-Squared e P-Value), para a variável PRENTRAB Observações:

Forma. O histograma apresenta uma distribuição concentrada na faixa entre 0,42 a 0,84. O box.plot demonstra a concentração na faixa acima citada, o posicionamento da mediana está deslocada à direita da referida faixa.

0,980,840,700,560,420,280,140,00

Median

Mean

0,640,630,620,610,60


Median 0,63626


Maximum 1,00000

0,60121 0,60958

0,63065 0,64114

0,15632 0,16224

A-Squared 56,59

P-Value < 0,005

Mean 0,60539

StDev 0,15923

Variance 0,02535

Skewness -0,540203

Kurtosis -0,306711

N 5564

Minimum 0,00000





Summary for PRENTRABn

Valores Atípicos: Há um número de valores atípicos onde podemos ressaltar os três municípios com menores indicadores para “Renda proveniente de rendimentos do trabalho”. Os municípios são: Jequitibá com 0,0000, localizado no estado MG no Sudeste, São José dos Cordeiros com 0,0587 no estado de PB localizado no Nordeste, e Aroeiras do Itaim com 0,0736 no estado de PI localizado no Nordeste.


0,980,840,700,560,420,280,140,00

PRENTRABn

Dotplot of PRENTRABn


3.2.1.17. Variável: P_FORMAL “Grau de formalização do trabalho das pessoas ocupadas” Segue abaixo quadro contendo Histograma, Curva de Densidade, Box-Plot, Intervalo de confiança da média e mediana, além das medidas numéricas como média, desvio-padrão, variância, quantidade de observações, valores mínimos, máximos e o teste de normalidade de Anderson-Darling (A-Squared e P-Value), para a variável P_FORMAL Observações:

Forma. O histograma apresenta uma distribuição concentrada na faixa entre 0,14 a 0,84. O box.plot demonstra a concentração na faixa acima citada, o posicionamento da mediana está deslocada ao centro da referida faixa.

0,980,840,700,560,420,280,140,00

Median

Mean

0,4800,4750,4700,4650,4600,4550,450


Median 0,46291


Maximum 1,00000

0,46464 0,47640

0,45108 0,47604

0,21966 0,22798

A-Squared 65,17

P-Value < 0,005

Mean 0,47052

StDev 0,22374

Variance 0,05006

Skewness 0,11467

Kurtosis -1,15758

N 5564

Minimum 0,00000





Summary for P_FORMAn

Pontos atípicos:Não tem pontos atípicos O Dot-plot abaixo confirma a assimetria e a concentração dos valores entre 0,14 e 0,84

0,980,840,700,560,420,280,140,00

P_FORMAn

Dotplot of P_FORMAn


3.2.1.18. Variável: DES2529_np “Índice de desocupação da população de 25 a 29 anos de idade” Segue abaixo quadro contendo Histograma, Curva de Densidade, Box-Plot, Intervalo de confiança da média e mediana, além das medidas numéricas como média, desvio-padrão, variância, quantidade de observações, valores mínimos, máximos e o teste de normalidade de Anderson-Darling (A-Squared e P-Value), para a variável DES2529_np Observações:

Forma. O histograma apresenta uma distribuição concentrada na faixa entre 0,80 a 0,98. O box.plot demonstra a concentração na faixa acima citada, o posicionamento da mediana está deslocada à direita da referida faixa.

0,980,840,700,560,420,280,140,00

Median

Mean

0,8450,8400,8350,8300,8250,820


Median 0,84216


Maximum 1,00000

0,82268 0,82867

0,83923 0,84523

0,11173 0,11596

A-Squared 64,58

P-Value < 0,005

Mean 0,82568

StDev 0,11380

Variance 0,01295

Skewness -1,19667

Kurtosis 2,78096

N 5564

Minimum 0,00000





Summary for T_DES2529np

Valores Atípicos: Há um número de valores atípicos onde podemos ressaltar os três municípios com menores indicadores para “Desocupação da população de 25 a 29 anos de idade”. Os municípios são: RIACHO DA CRUZ com 0,000 no estado de RN no Nordeste do país, CAMPO ALEGRE DO FIDALGO com 0,0122 no estado de PI no Nordeste, e AMAJARI com 0,1711 no estado RR localizado no Norte do país.


0,980,840,700,560,420,280,140,00

T_DES2529np

Dotplot of T_DES2529np


Abaixo apresenta-se uma comparação dos diferentes quesitos que foram analisados nas variáveis anteriores. A tabela apresenta uma relação que permite comparar os histogramas, Box/plot, Curva de Densidade, Média, Desvio Padrão e mediana.

Tabela 2. Analise Comparativa das variáveis.

3.2.2. Relação entre variáveis: Correlação e Regressão. 3.2.2.1. Correlação. É uma técnica que permite estabelecer uma forma de estimação dos dados. “A correlação mede a forca ou o grau de relacionamento entre duas variáveis”2. A tabela número 3 relaciona as variáveis com maior grau de correlação:

Grau

de

Correlação

ESPVIDAnEsperança de vida ao nascer

0,967

IDHMnÍndice de Desenvolvimento Humano Municipal

0,829

T_FUNDIN_TODOS_np

Indicador de pessoas em domicílios em que pelo

menos uma pessoa tem fundamental completo. 0,879

T_BANAGUA_np

Indice da população que vive em domicílios com

banheiro e água encanada 0,866


0,87

T_FUNDIN_TODOS_np



T_RMAXIDOSO_np

Indicador de pessoas em domicílios não

vulneráveis à pobreza e dependentes de idosos 0,834

IDHMn Índice de Desenvolvimento Humano Municipal

0,837

T_FUNDIN_TODOS_MMEIOIndicador de pessoas em domicílios em que pelo

menos uma pessoa tem fundamental completo.IDHMn

Índice de Desenvolvimento Humano Municipal

0,962

SOBRE40(n)Indicador de Probabilidade de sobrevivência até

40 anosSOBRE60(n)

Indicador de Probabilidade de sobrevivência até

60 anos0,956

ESPVIDAn

Esperança de vida ao nascer

IDHMn


0,852

RENOCUPn Rendimento médio dos ocupados 0,869

P_FORMAn

Grau de formalização do trabalho

das pessoas ocupadas 0,824

ALFAB 11A14nIndicador de Alfabetismo - 11 a 14 anos AFALB 15A17n Indicador de Alfabetismo - 15 a 17 anos

0,919

NESTUDA_np

Indicador de pessoas de 15 a 24 anos que

estudam e ou trabalham e não são vulneráveis à

pobreza.


Correlations: MORT1_np. PINDCRI_np. T_NESTUDA_NT. T_FUNDIN_TOD. ...

Variável Variável

MORTI_np Supervivencia Infantil de até um ano

PINDRI_npIndicador Crinças fora de risco de ser

Extremadamente pobres

Na coluna Grau de Correlação apresenta-se em cor verde as variáveis mais representativas.

2 ESTADISTICA APLICADA Á ADMINISTRAÇÃO (1984) pág. 341.

3.2.2.2. Gráficos de Dispersão. Os gráficos de dispersão proporcionam uma útil visualização do relacionamento na análise de dados, não obstante é necessário desenvolver os métodos de cálculo também. Este tipo de gráfico deve ser inicialmente analisado quanto a seu padrão geral e seus desvios relativos ao padrão. A descrição do padrão geral pode ser feita pela verificação de sua forma, direção e intensidade.

Nos gráficos abaixo são apresentadas as relações entre as variáveis a través da ferramenta Scatterplot.

Direção: Da análise das correlações acima percebemos que exceto pela gráfica Alfab 18 X IDHM, todas possuem associações positivas, ou seja, o crescimento de uma variável é acompanhado do crescimento da outra. O que nos parece é que não há nenhuma associação negativa, ao menos de evidência visual. Intensidade: Alguns dos gráficos acima não parecem indicar a existência de relações lineares, como:

PINDCRI_np x IDHM_np

NESTUDA_np x IDHM_np

FORMA_np x IDHM_np

FUNDI_TODOS_np x PINDRI_np Porém, outros parecem indicar relações lineares como:

MORTI_np x ESPVIDA_np

T_FUNDIN_TODOS x IDHM_np

Forma: A maioria dos gráficos tem uma distribuição que parece pulverizada, com exceção do gráfico MORTI_np x ESPVIDA_np que sugerem relações lineares.

Valores Atípicos: Praticamente todos os gráficos indicam a existência de valores atípicos, ou seja, municípios, que tem dados longe dos demais.

3.2.2.3. Linhas de Tendência.

IDHM x ALFA18 apresenta um relacionamento negativo, moderado. FORMA x IDHM apresenta relacionamento positivo, moderato. Não existem relacionamentos positivos, perfeitos. O mais perto deste conceito é MORTI x Espvida e Fundin_Todos_M x IDHM

A linha de tendência permite verificar qual é o tipo de relação existente entre variáveis se é linear, quadrática, cubica, exponencial, etc. A relação MORTI_np x ESPVIDA_np estabelece que existe uma grande relação entre supervivência infantil e Expectativa de vida.

3.2.2.4. Correlação Linear.

A matriz embaixo apresenta o coeficiente de correlação conhecido como r de Pearson, em homenagem ao matemático Karl Pearson.

A correlação é sempre um número entre zero e um, e mede a intensidade das relações lineares que podem ser:

Relacionamento positivo perfeito

Relacionamento positivo, moderado.

Ausência de Relacionamento

Relacionamento negativo, moderado.

Relacionamento negativo, perfeito.

Correlations: MORT1_np. PINDCRI_np. T_NESTUDA_NT. T_FUNDIN_TOD. ... MORT1_np PINDCRI_np T_NESTUDA_NTRAB_

PINDCRI_np 0,777

T_NESTUDA_NTRAB_ 0,741 0,825

T_FUNDIN_TODOS_M 0,796 0,879 0,835

T_RMAXIDOSOnp 0,724 0,823 0,834

SOBRE40(n) 0,463 0,188 0,206

SOBRE60(n) 0,590 0,293 0,303

T_BANAGUA(n) 0,739 0,866 0,722

T_DENS(n) -0,594 -0,677 -0,670

ESPVIDAn 0,967 0,776 0,753

IDHMn 0,829 0,870 0,837

ALFAB 11A14n -0,692 -0,758 -0,670

AFALB 15A17n -0,668 -0,727 -0,670

ALFAB 18Mn -0,827 -0,840 -0,805

RENOCUPn 0,705 0,762 0,721

PRENTRABn 0,593 0,704 0,618

P_FORMAn 0,678 0,798 0,697

T_DES2529np 0,373 0,341 0,526

0,000 0,000 0,000

T_FUNDIN_TODOS_M T_RMAXIDOSOnp SOBRE40(n)

T_RMAXIDOSOnp 0,799

SOBRE40(n) 0,295 0,212

SOBRE60(n) 0,384 0,305 0,956

T_BANAGUA(n) 0,810 0,706 0,132

T_DENS(n) -0,662 -0,563 -0,054

ESPVIDAn 0,802 0,726 0,504

IDHMn 0,962 0,799 0,351

ALFAB 11A14n -0,772 -0,643 -0,124

AFALB 15A17n -0,755 -0,624 -0,135

ALFAB 18Mn -0,883 -0,803 -0,289

RENOCUPn 0,792 0,731 0,312

RENTRABn 0,620 0,691 0,202

P_FORMAn 0,802 0,715 0,228

T_DES2529np 0,340 0,430 0,035

0,000 0,000 0,010

SOBRE60(n) T_BANAGUA(n) T_DENS(n)

T_BANAGUA(n) 0,230

T_DENS(n) -0,141 -0,750

ESPVIDAn 0,635 0,726 -0,589

IDHMn 0,453 0,806 -0,646

ALFAB 11A14n -0,215 -0,753 0,691

AFALB 15A17n -0,224 -0,704 0,645

ALFAB 18Mn -0,390 -0,748 0,541

RENOCUPn 0,418 0,657 -0,430

PRENTRABn 0,307 0,528 -0,245

P_FORMAn 0,310 0,722 -0,470

T_DES2529np 0,089 0,269 -0,395

ESPVIDAn IDHMn ALFAB 11A14n

IDHMn 0,852

ALFAB 11A14n -0,667 -0,744

AFALB 15A17n -0,646 -0,723 0,919

ALFAB 18Mn -0,826 -0,886 0,755

RENOCUPn 0,742 0,869 -0,562

PRENTRABn 0,585 0,638 -0,462

P_FORMAn 0,709 0,824 -0,581

T_DES2529np 0,372 0,334 -0,329

0,000 0,000 0,000

AFALB 15A17n ALFAB 18Mn RENOCUPn

ALFAB 18Mn 0,756

RENOCUPn -0,550 -0,796

PRENTRABn -0,460 -0,701 0,753

P_FORMAn -0,568 -0,772 0,802

T_DES2529np -0,312 -0,354 0,247

0,000 0,000 0,000

PRENTRABn P_FORMAn

P_FORMAn 0,631

T_DES2529np 0,270 0,185

Cell Contents: Pearson correlation

P-Value

3.2.2.5. Dendrograma. Diagrama que organiza determinados fatores e variáveis. Apresenta um diagrama de similaridade. A interpretação de um Dendrograma de similaridade entre amostras fundamenta-se na intuição: duas amostras próximas devem ter também valores semelhantes para as variáveis medidas. Ou seja, elas devem ser próximas matematicamente no espaço multidimensional. Portanto, quanto maior a proximidade entre as medidas relativas às amostras, maior a similaridade entre elas. O dendrograma hierarquiza esta similaridade de modo que podemos ter uma visão bidimensional da similaridade ou dissimilaridade de todo o conjunto de amostras utilizado no estudo.

Cluster Analysis of Variables: MORT1_np. PINDCRI_np. T_NESTUDA_NT. ... Correlation Coefficient Distance, Single Linkage

Amalgamation Steps

Number

of obs.

Number of Similarity Distance Clusters New in new

Step clusters level level joined cluster cluster

1 17 98,3572 0,03286 1 10 1 2

2 16 98,0777 0,03845 4 11 4 2

3 15 97,8091 0,04382 6 7 6 2

4 14 95,9428 0,08114 12 13 12 2

5 13 93,9314 0,12137 2 4 2 3

6 12 93,4643 0,13071 2 15 2 4

7 11 93,3117 0,13377 2 8 2 5

8 10 92,6019 0,14796 1 2 1 7

9 9 91,8716 0,16257 1 3 1 8

10 8 91,7035 0,16593 1 5 1 9

11 7 91,1857 0,17629 1 17 1 10

12 6 87,8062 0,24388 12 14 12 3

13 5 87,6672 0,24666 1 16 1 11

14 4 84,5617 0,30877 9 12 9 4

15 3 81,7410 0,36518 1 6 1 13

16 2 76,3215 0,47357 1 18 1 14

17 1 47,2914 1,05417 1 9 1 18

Segue abaixo o Dendrograma das variáveis analisadas:

ALF

AB 18

Mn

AFA

LB 1

5A17

n

ALF

AB

11A14

n

T_DEN

S(n)

T_DES

2529

np

SOBR

E60(n)

SOBR

E40(

n)

PREN

TRABn

P_FO

RMAn

T_RM

AXIDOSO

np

T_NES

TUDA_N

TRAB_

MMEIO_n

p

T_BA

NAG

UA(n

)

RENOCU

Pn

IDHMn

T_FU

NDIN

_TODOS_

MMEI

O_n

p

PIND

CRI_

np

ESPV

IDAn

MORT

1_np

47,29

64,86

82,43

100,00

Variables

Sim

ila

rity

DendrogramSingle Linkage. Correlation Coefficient Distance

As variáveis com maior grau de similaridade se podem determinar por grupos assim:

Morti_np, Espvida

Fundi_todos_np, IDHM_np

Sobre40_np, Sobre60_np

Alfabetismo_11ª14, Alfabetismo_15ª17 3.2.3. Regressão Multivariada & Stepwise A regressão compreende a analise de dados amostrais para saber como uma ou mais variáveis estão relacionadas. Em quanto à correlação apresenta o grau de relação entre as variáveis, a regressão oferece uma equação matemática que descreve o relacionamento. Existem algumas situações nas que as regressões são de muita utilidade3:

Quando duas variáveis medem aproximadamente a mesma coisa, mas uma delas pode ser relativamente dispendiosa, ou difícil de lidas, enquanto a outra não.

3 Estatística Aplicada a Administração. Capitulo 14 pag. 341

Explicar valores de uma variável em termos da outra. (uma relação de causa e efeito entre duas variáveis).

Predizer valores futuros de uma variável. Para a realização das seguintes regressões, os dados foram normalizados. Normalizar é passar uma variável de uma percentagem para um novo indicador.

General Regression Analysis

Regression Analysis: MORT1_np versus ESPVIDAn. IDHMn The regression equation is

MORT1_np = 0,193 + 0,883 ESPVIDAn + 0,0202 IDHMn

Predictor Coef SE Coef T P

Constant 0,192792 0,002220 86,84 0,000

ESPVIDAn 0,882807 0,006034 146,30 0,000

IDHMn 0,020236 0,007480 2,71 0,007

S = 0,0473394 R-Sq = 93,5% R-Sq(adj) = 93,5%

Analysis of Variance

Source DF SS MS F P

Regression 2 180,605 90,303 40295,37 0,000

Residual Error 5561 12,462 0,002

Total 5563 193,067

Regression Analysis: PINDCRI_np versus T_BANAGUA(n). IDHMn. T_FUNDIN_TOD The regression equation is

PINDCRI_np = 0,00445 + 0,411 T_BANAGUA(n) + 0,230 IDHMn

+ 0,441 T_FUNDIN_TODOS_MMEIO_np


Constant 0,004453 0,005736 0,78 0,438

T_BANAGUA(n) 0,411259 0,008670 47,43 0,000

IDHMn 0,23020 0,02562 8,98 0,000

T_FUNDIN_TODOS_MMEIO_np 0,44098 0,02447 18,02 0,000

S = 0,0838614 R-Sq = 84,4% R-Sq(adj) = 84,3%


Source DF SS MS F P

Regression 3 210,875 70,292 9994,92 0,000


Total 5563 249,977

Regression Analysis: T_NESTUDA_NT versus T_FUNDIN_TOD. T_RMAXIDOSOn. ... The regression equation is

T_NESTUDA_NTRAB_MMEIO_np = 0,0318 + 0,196 T_FUNDIN_TODOS_MMEIO_np

+ 0,506 T_RMAXIDOSOnp + 0,277 IDHMn


Constant 0,031761 0,006909 4,60 0,000


T_RMAXIDOSOnp 0,50649 0,01232 41,11 0,000

IDHMn 0,27689 0,02279 12,15 0,000

S = 0,0743549 R-Sq = 78,0% R-Sq(adj) = 78,0%


Source DF SS MS F P

Regression 3 108,829 36,276 6561,53 0,000


Total 5563 139,569

Regression Analysis: T_FUNDIN_TODOS_MMEIO_np versus IDHMn The regression equation is

T_FUNDIN_TODOS_MMEIO_np = 0,172 + 1,02 IDHMn


Constant 0,171710 0,002206 77,82 0,000

IDHMn 1,01665 0,00389 261,14 0,000

S = 0,0470680 R-Sq = 92,5% R-Sq(adj) = 92,5%


Source DF SS MS F P

Regression 1 151,07 151,07 68192,33 0,000


Total 5563 163,39

Regression Analysis: SOBRE40(n) versus SOBRE60(n) The regression equation is

SOBRE40(n) = 0,0305 + 0,994 SOBRE60(n)


Constant 0,030540 0,002410 12,67 0,000

SOBRE60(n) 0,994099 0,004081 243,57 0,000

S = 0,0445237 R-Sq = 91,4% R-Sq(adj) = 91,4%


Source DF SS MS F P

Regression 1 117,60 117,60 59325,68 0,000


Total 5563 128,63

Regression Analysis: ESPVIDAn versus IDHMn The regression equation is

ESPVIDAn = 0,0102 + 1,06 IDHMn


Constant 0,010249 0,004931 2,08 0,038

IDHMn 1,05615 0,00870 121,39 0,000

S = 0,105190 R-Sq = 72,6% R-Sq(adj) = 72,6%


Source DF SS MS F P

Regression 1 163,04 163,04 14735,01 0,000


Total 5563 224,58

Regression Analysis: IDHMn versus RENOCUPn. P_FORMAn The regression equation is

IDHMn = 0,243 + 0,846 RENOCUPn + 0,257 P_FORMAn


Constant 0,243220 0,002284 106,50 0,000

RENOCUPn 0,84564 0,01449 58,35 0,000

P_FORMAn 0,257043 0,007260 35,40 0,000

S = 0,0723944 R-Sq = 80,1% R-Sq(adj) = 80,1%


Source DF SS MS F P

Regression 2 117,020 58,510 11164,02 0,000


Total 5563 146,165

Regression Analysis: ALFAB 11A14n versus AFALB 15A17n The regression equation is

ALFAB 11A14n = 0,00247 + 1,16 AFALB 15A17n


Constant 0,0024675 0,0007394 3,34 0,001

AFALB 15A17n 1,16149 0,00669 173,67 0,000

S = 0,0383961 R-Sq = 84,4% R-Sq(adj) = 84,4%


Source DF SS MS F P

Regression 1 44,464 44,464 30160,01 0,000


Total 5563 52,663

General Regression Analysis: PINDCRI_np versus T_FUNDIN_TOD. T_BANAGUA(n). ... Regression Equation

PINDCRI_np = 0,0044533 + 0,440984 T_FUNDIN_TODOS_MMEIO_np + 0,411259

T_BANAGUA(n) + 0,230201 IDHMn

Coefficients

Term Coef SE Coef T P

Constant 0,004453 0,0057364 0,7763 0,438


T_BANAGUA(n) 0,411259 0,0086703 47,4333 0,000

IDHMn 0,230201 0,0256206 8,9850 0,000

Summary of Model

S = 0,0838614 R-Sq = 84,36% R-Sq(adj) = 84,35%

PRESS = 39,1749 R-Sq(pred) = 84,33%


Source DF Seq SS Adj SS Adj MS F P

Regression 3 210,875 210,875 70,2916 9994,92 0

T_FUNDIN_TODOS_MMEIO_np 1 192,979 2,284 2,2838 324,74 0

T_BANAGUA(n) 1 17,328 15,823 15,8231 2249,92 0

IDHMn 1 0,568 0,568 0,5678 80,73 0

Error 5560 39,102 39,102 0,0070

Total 5563 249,977

General Regression Analysis: MORT1_np versus ESPVIDAn. IDHMn Regression Equation

MORT1_np = 0,192792 + 0,882807 ESPVIDAn + 0,0202364 IDHMn

Coefficients


Constant 0,192792 0,0022200 86,842 0,000

ESPVIDAn 0,882807 0,0060344 146,296 0,000

IDHMn 0,020236 0,0074800 2,705 0,007

Summary of Model

S = 0,0473394 R-Sq = 93,55% R-Sq(adj) = 93,54%

PRESS = 12,4792 R-Sq(pred) = 93,54%



Regression 2 180,605 180,605 90,3025 40295,4 0,0000000

ESPVIDAn 1 180,589 47,963 47,9634 21402,5 0,0000000

IDHMn 1 0,016 0,016 0,0164 7,3 0,0068428

Error 5561 12,462 12,462 0,0022

Lack-of-Fit 5421 12,358 12,358 0,0023 3,1 0,0000000

Pure Error 140 0,104 0,104 0,0007

Total 5563 193,067

General Regression Analysis: ESPVIDAn versus IDHMn

Regression Equation

ESPVIDAn = 0,010249 + 1,05615 IDHMn

Coefficients


Constant 0,01025 0,0049311 2,078 0,038

IDHMn 1,05615 0,0087006 121,388 0,000

Summary of Model

S = 0,105190 R-Sq = 72,60% R-Sq(adj) = 72,59%

PRESS = 61,5926 R-Sq(pred) = 72,57%



Regression 1 163,041 163,041 163,041 14735,0 0

IDHMn 1 163,041 163,041 163,041 14735,0 0

Error 5562 61,543 61,543 0,011

Lack-of-Fit 346 7,511 7,511 0,022 2,1 0

Pure Error 5216 54,031 54,031 0,010

Total 5563 224,584

General Regression Analysis: T_FUNDIN_TODOS_MMEIO_np versus IDHMn

Regression Equation

T_FUNDIN_TODOS_MMEIO_np = 0,17171 + 1,01665 IDHMn

Coefficients


Constant 0,17171 0,0022065 77,821 0,000

IDHMn 1,01665 0,0038932 261,137 0,000

Summary of Model

S = 0,0470680 R-Sq = 92,46% R-Sq(adj) = 92,46%

PRESS = 12,3328 R-Sq(pred) = 92,45%



Regression 1 151,073 151,073 151,073 68192,3 0

IDHMn 1 151,073 151,073 151,073 68192,3 0

Error 5562 12,322 12,322 0,002

Lack-of-Fit 346 3,295 3,295 0,010 5,5 0

Pure Error 5216 9,027 9,027 0,002

Total 5563 163,395

Stepwise Regression: T_FUNDIN_TODOS_MMEIO_np versus IDHMn

Alpha-to-Enter: 0,15 Alpha-to-Remove: 0,15

Response is T_FUNDIN_TODOS_MMEIO_np on 1 predictors, with N = 5564

Step 1

Constant 0,1717

IDHMn 1,0166

T-Value 261,14

P-Value 0,000

S 0,0471

R-Sq 92,46

R-Sq(adj) 92,46

Mallows Cp 2,0

Stepwise Regression: MORT1_np versus IDHMn. ESPVIDAn Alpha-to-Enter: 0,15 Alpha-to-Remove: 0,15

Response is MORT1_np on 2 predictors, with N = 5564

Step 1 2

Constant 0,1957 0,1928

ESPVIDAn 0,8967 0,8828

T-Value 283,71 146,30

P-Value 0,000 0,000

IDHMn 0,0202

T-Value 2,71

P-Value 0,007

S 0,0474 0,0473

R-Sq 93,54 93,55

R-Sq(adj) 93,54 93,54

Mallows Cp 8,3 3,0

Stepwise Regression: PINDCRI_np versus T_FUNDIN_TOD. T_BANAGUA(n). IDHMn

Alpha-to-Enter: 0,15 Alpha-to-Remove: 0,15

Response is PINDCRI_np on 3 predictors, with N = 5564

Step 1 2 3

Constant -0,008038 -0,022512 0,004453

T_FUNDIN_TODOS_MMEIO_np 1,0868 0,6365 0,4410

T-Value 137,23 56,45 18,02

P-Value 0,000 0,000 0,000

T_BANAGUA(n) 0,4243 0,4113

T-Value 49,29 47,43

P-Value 0,000 0,000

IDHMn 0,230

T-Value 8,98

P-Value 0,000

S 0,101 0,0845 0,0839

R-Sq 77,20 84,13 84,36

R-Sq(adj) 77,19 84,12 84,35

Mallows Cp 2544,6 82,7 4,0

3.2.4. Análise de Tendências e Projeções (IBGE Series Estadísticas & Series Históricas)

Se apresenta uma análise de tendência e projeções das variáveis temporais e quantitativas "Mortalidade taxa de mortalidade infantil", "Taxa de frequência a escola ou creche de crianças de 0 a 6 anos de idade" (TaxFreEsCr06), "Existência de instalação sanitária no domicílio" (ExtInstSanDom). Os dados utilizados são referentes ao Brasil, e a fonte de dados foi tirada do IBGE Instituto Brasileiro de Geografia e Estatística www.seriesestatisticas.ibge.gov.br.

A analise espoe três partes assim: i) análise do comportamento histórico através de gráficos, ii) Análise de tendências, identificando a função que melhor representa a cada variáveis. iii) Análise de projeções através de extrapolações estatísticas. O software estatístico utilizado foi o MINITAB16.

3.2.4.1. Entendendo os dados 3.2.4.1.1. Os Indivíduos Os dados são séries históricas referentes ao Brasil, portanto, tratam-se de séries temporais. As séries vão de 2001 a 2007 para a variável “Taxa de frequência à escola ou creche de crianças de 0 a 6 anos de idade” abreviação TaxFreEsCr06, de 1997 a 2008 “Mortalidade Infantil” e 2001 a 2009 “Existência de Instalação Sanitária no domicilio comum a mais de um” abreviação ExtInstSanDom. 3.2.4.1.2. As Variáveis São três as variáveis pesquisadas mais a variável ano. Ver Tabela 2.

http://www.seriesestatisticas.ibge.gov.br/

Tabela 2. As Variáveis

Variável Significado Conceito TipoUnidade

de Medida

Ano Ano É o ano do dado de cada variável. Categorica NA

Mortalidade taxa de mortalidade infantil

Número de óbitos de menores de

um ano de idade, por mil nascidos

vivos, na população residente em

determinado espaço geográfico, no

ano considerado.

Numérica Taxa

TaxFreEsCr06Taxa de frequencia a escola ou

creche de crianças de 0 a 6 anos

de idade

Percentagem de pessoas de uma

determinada faixa etária que

freqüenta escola em relação ao total

de pessoas da mesma faixa etária.

Numérica Taxa

ExtInstSanDomExistência de instalação sanitária

no domicílio

Saneamento Básico. É caracterizado

através dos seguintes indicadores:

abastecimento de água, esgotamento

sanitário, filtro de água, uso de

instalação sanitária e destino do lixo.

Numérica Percentual

3.2.4.1.3. A fonte e o tamanho da série de dados A fonte foi o portal do Instituto Brasileiro de Geografia e Estatística (IBGE) - http://seriesestatisticas.ibge.gov.br A serie de dados de Mortalidade Infantil é considerada satisfatória porque possui mais de 10 anos de informações, não em tanto as series de "Taxa de frequência a escola ou creche de crianças de 0 a 6 anos de idade" e "Existência de instalação sanitária no domicílio" que possuem 7 e 9 anos respectivamente, mesmo assim foram importantes no momento de sua seleção porque representam relação com a dimensão de Vulnerabilidade objeto de estudo da matéria. A Tabela de Dados

Brasil Mortalidade TaxFreEsCr06 ExtInstSanDom

1997 31,9 nd nd

1998 30,43 nd nd

1999 28,37 nd nd

2000 27,36 nd nd

2001 26,3 34,9 1,58

2002 24,89 36,5 1,35

2003 23,88 37,7 1,35

2004 22,59 40,2 1,11

2005 21,43 40,8 1,09

2006 20,66 43 1

2007 20,01 44,5 0,93

2008 17,56 nd 0,9

2009 nd nd 0,79

* Tinham instalacao sanitaria - comum a mais de um

nd = não divulgado

http://seriesestatisticas.ibge.gov.br/

3.2.4.2. Análise das Variáveis Para cada variável analisa-se o comportamento histórico da série, linhas de tendência, funções e erros fazendo uso de gráficos. 3.2.4.2.1. Variável: Mortalidade

121110987654321

32

30

28

26

24

22

20

18

16

Index

Mo

rta

lid

ad

e

Time Series Plot of Mortalidade

O comportamento da variável Os gráficos facilitam a verificação visual do comportamento das variáveis assim como o comportamento histórico. O gráfico acima permite estabelecer que a variável “Mortalidade” é uma serie temporal com tendência descendente.

A análise de tendência Para a análise de tendência da série de dados, apresentam-se as funções linear, quadrática, exponencial e s-curve identificado qual é aquela que representa melhor a variável. Para medir a eficiência da função ou da curva de tendência, se analisam os erros:

MAPE (Mean Average Percentual Error)

MAD (Mean Absolute Deaviation) e

MSD (Mean Standard Deviation).

Os gráficos abaixo incluem a função, a linha de tendência e os erros.

A seguinte tabela permite identificar os três tipos de erros para cada uma das funções e assim estabelecer qual é a melhor função que representa a variável mortalidade, isto quer dizer aquela com o menor grau de erro.

Linear Quadrática Exponencial S-Curve

MAPE 1,47612 1,18358 0,18657 1,23145

MAD 0,35191 0,26350 0,25339 0,27880

MSD 0,16637 0,12615 0,13471 0,13315

A função Quadrática é a que melhor representa a série de dados para a variável “Mortalidade Infantil”, por possuir os valores com menor grau de erro para dois dos três erros analisados, é dizer para MAPE e MSD já que para o erro MAD a função Exponencial é a que melhor representa a variável. Foram utilizados 12 ciclos anuais de 1997 a 2008. Fitted Trend Equation Yt: 33,085 - 1,461*t + 0,0190*t**2 As previsões Utilizando a equação da função quadrática apresentada no gráfico acima, se apresentam os seguintes valores previstos para os próximos 4 ciclos (de 2013 ao 2016) em relação “Taxa de Mortalidade Infantil”:

Forecasts

Period Forecast

13 17,2991

14 16,3510

15 15,4410

16 14,5691

Os valores acima podem ser mais bem ilustrados de forma gráfica, conforme abaixo:

Trend Analysis Plot for Mortalidade

161412108642

32,5

30,0

27,5

25,0

22,5

20,0

17,5

15,0

Index

Mo

rta

lid

ad

e MAPE 1,18358

MAD 0,26350

MSD 0,12615

Accuracy Measures

Actual

Fits

Forecasts

Variable

Trend Analysis Plot for MortalidadeQuadratic Trend Model

Yt = 33,085 - 1,461*t + 0,0190*t**2

Observação: Ao efetuar previsões só baseados nos valores históricos da própria variável podem-se apresentar deficiências na analises. 3.2.4.2.2. Variável: TaxtFreEsCr06. Taxa de frequência a escola ou creche de crianças de 0 a 6 anos de idade

7654321

45,0

42,5

40,0

37,5

35,0

Index

Ta

xFre

EsC

r06

Time Series Plot of TaxFreEsCr06

O comportamento da variável O gráfico acima permite estabelecer que a variável “Taxa de frequência à escola ou creche de crianças de 0 a 6 anos de idade” é uma serie temporal com tendência crescente. A análise de tendência Para a análise de tendência da série de dados, apresentam-se as funções linear, quadrática, exponencial e s-curve identificado qual é aquela que representa melhor a variável. Para medir a eficiência da função ou da curva de tendência, se analisam os erros:



MSD (Mean Standard Deviation). Os gráficos abaixo incluem a função, a linha de tendência e os erros.

7654321

45,0

42,5

40,0

37,5

35,0

Index

Ta

xFre

EsC

r06

MAPE 0,585111

MAD 0,232653

MSD 0,093827

Accuracy Measures

Actual

Fits

Variable

Trend Analysis Plot for TaxFreEsCr06Linear Trend Model

Yt = 33,243 + 1,60*t

7654321

45,0

42,5

40,0

37,5

35,0

Index

Ta

xFre

EsC

r06

MAPE 0,554413

MAD 0,221088

MSD 0,092993

Accuracy Measures

Actual

Fits

Variable

Trend Analysis Plot for TaxFreEsCr06Quadratic Trend Model

Yt = 33,343 + 1,537*t + 0,0083*t**2

7654321

45,0

42,5

40,0

37,5

35,0

Index

Ta

xFre

EsC

r06

MAPE 0,613437

MAD 0,245250

MSD 0,100074

Accuracy Measures

Actual

Fits

Variable

Trend Analysis Plot for TaxFreEsCr06Growth Curve Model

Yt = 33,6058 * (1,04140**t)

7654321

45,0

42,5

40,0

37,5

35,0

Index

Ta

xFre

EsC

r06

Intercept 32,7265

Asymptote 65,5458

Asym. Rate 0,8979

Curve Parameters

MAPE 0,771019

MAD 0,296640

MSD 0,125969

Accuracy Measures

Actual

Fits

Variable

Trend Analysis Plot for TaxFreEsCr06S-Curve Trend Model

Yt = (10**3) / (15,2565 + 15,2998*(0,897880**t))

A seguinte tabela permite identificar os três tipos de erros para cada uma das funções e assim estabelecer qual é a melhor função que representa a variável “Taxa de frequência à escola ou creche de crianças de 0 a 6 anos de idade”, isto quer dizer aquela com o menor grau de erro.


MAPE 0,585111 0,554413 0,613437 0,771019

MAD 0,232653 0,221088 0,245250 0,296640

MSD 0,093827 0,092993 0,10074 0,125969

Percebemos claramente que a função Quadrática é a que melhor representa a série de dados para a variável “Taxa de frequência à escola ou creche de crianças de 0 a 6 anos de idade”, por possuir os valores com menor grau de erro para os três erros analisados. Foram utilizados 7 ciclos anuais de 2001 a 2007 Fitted Trend Equation Yt: 33,343 + 1,537*t + 0,0083*t**2 As previsões Utilizando a equação da função quadrática apresentada no gráfico acima, se apresentam os seguintes valores previstos para os próximos 4 ciclos (de 2008 ao 2011) em relação “"Taxa de frequência a escola ou creche de crianças de 0 a 6 anos de idade":

Forecasts

Period Forecast

8 46,0714

9 47,6750

10 49,2786

11 50,8821

Os valores acima podem ser melhor ilustrados de forma gráfica, conforme abaixo:

Trend Analysis Plot for TaxFreEsCr06

1110987654321

52,5

50,0

47,5

45,0

42,5

40,0

37,5

35,0

Index

Ta

xFre

EsC

r06 MAPE 0,585111

MAD 0,232653

MSD 0,093827

Accuracy Measures

Actual

Fits

Forecasts

Variable

Trend Analysis Plot for TaxFreEsCr06Linear Trend Model

Yt = 33,243 + 1,60*t

Observação: Ao efetuar previsões só baseados nos valores históricos da própria variável podem-se apresentar deficiências na analises. 3.2.4.2.3. Variável: InstaSan. Existência de Instalação Sanitária no domicilio.

987654321

1,6

1,5

1,4

1,3

1,2

1,1

1,0

0,9

0,8

0,7

Index

In

stM

ais

1

Time Series Plot of Instalação Sanitária - Comum a mais de um

O comportamento da variável O gráfico acima permite estabelecer que a variável “Existência de Instalação Sanitária no domicilio” é uma serie temporal com tendência descendente.

A análise de tendência Para a análise de tendência da série de dados, apresentam-se as funções linear, quadrática, exponencial e s-curve identificado qual é aquela que representa melhor a variável. Para medir a eficiência da função ou da curva de tendência, se analisam os erros:



MSD (Mean Standard Deviation).

Os gráficos abaixo incluem a função, a linha de tendência e os erros.

A seguinte tabela permite identificar os três tipos de erros para cada uma das funções e assim estabelecer qual é a melhor função que representa a variável “Existência de Instalação Sanitária no domicilio”, isto quer dizer aquela com o menor grau de erro.


MAPE 4,31304 3,05903 2,93795 3,19309

MAD 0,04936 0,03487 0,03545 0,03664

MSD 0,00326 0,00171 0,00202 0,00184

A função Quadrática é a que melhor representa a série de dados para a variável “Existência de Instalação Sanitária no domicilio”, por possuir os valores com menor grau de erro para dois dos três erros analisados, é dizer para MAD e MSD já que para o erro MAPE a função Exponencial é a que melhor representa a variável. Foram utilizados 9 ciclos anuais de 2001 a 2009. Fitted Trend Equation Yt: 1,7002 - 0,1581*t + 0,0671*t**2

As previsões Utilizando a equação da função quadrática apresentada no gráfico acima, se apresentam os seguintes valores previstos para os próximos 4 ciclos (de 2010 ao 2013) em relação “Existência de Instalação Sanitária no domicilio”:

Forecasts

Period Forecast

10 0,790238

11 0,773048

12 0,769277

13 0,778926

Os valores acima podem ser mais bem ilustrados de forma gráfica, conforme abaixo:

Trend Analysis Plot for ExtInstSanDom

13121110987654321

1,6

1,5

1,4

1,3

1,2

1,1

1,0

0,9

0,8

0,7

Index

Ex

tIn

stS

an

Do

m MAPE 3,05903

MAD 0,03487

MSD 0,00171

Accuracy Measures

Actual

Fits

Forecasts

Variable

Trend Analysis Plot for ExtInstSanDomQuadratic Trend Model

Yt = 1,7002 - 0,1581*t + 0,00671*t**2

Observação: Ao efetuar previsões só baseados nos valores históricos da própria variável podem-se apresentar deficiências na analises.

One-way ANOVA: MORT1_np versus REGIÃO CORRETA Source DF SS MS F P

REGIÃO CORRETA 4 130,1073 32,5268 2871,93 0,000

Error 5559 62,9600 0,0113

Total 5563 193,0673

S = 0,1064 R-Sq = 67,39% R-Sq(adj) = 67,37%

Individual 95% CIs For Mean Based on

Pooled StDev

Level N Mean StDev ---------+---------+---------+---------+

CO 465 0,8110 0,0706 (*)

N 449 0,6584 0,1230 (*)

NE 1794 0,5119 0,1529 *)

S 1188 0,8823 0,0558 *)

SE 1668 0,8167 0,0705 (*

---------+---------+---------+---------+

0,60 0,70 0,80 0,90

Pooled StDev = 0,1064

3.2.5. Comparações.

3.2.5.1. Variável: MORTI_np

SESNENCO

1,0

0,8

0,6

0,4

0,2

0,0

REGIÃO CORRETA

MO

RT

1_

np

Boxplot of MORT1_np

A Região Sul possui o maior índice de Supervivência Infantil do país, o que indica

que esta é a Região mais desenvolvida do Brasil, segundo a pesquisa. A região

Sudeste encontra-se próxima a Região Sul, e ocupa o segundo lugar. Vale também

destacar que a região Centro Oeste está muito próxima.

A Região que apresenta índice de Supervivência Infantil médio mais baixo do

País é a Nordeste, seguida da Norte. Pelo tamanho da caixa do BloxPlot podemos

visualizar a amplitude da variância. Podemos afirmar que os dados da Região

Norte e Nordeste possuem a maior variabilidade que os dados das demais regiões.

As Regiões que possuem menor variabilidade dos dados são Centro-Oeste e Sul.

O grau de variação entre as Regiões é muito alto (2871,93), e o P-value nos indica que a informação é confiável e não existe chance deste valor ser diferente.

3.2.5.2. Variável: PINDCRI_np

SESNENCO

1,0

0,8

0,6

0,4

0,2

0,0

REGIÃO CORRETA

PIN

DC

RI_

np

Boxplot of PINDCRI_np

A Região Sul possui o maior índice de PINDCRI_np do país, o que indica que esta

é a Região mais desenvolvida do Brasil, segundo a pesquisa. As regiões Sudeste e

Centro Oeste encontram-se próximas à Região Sul, ocupando o segundo lugar

A Região que apresenta índice de PINDCRI_np médio mais baixo do País é a

Nordeste, seguida da Norte. Pelo tamanho da caixa do BloxPlot podemos visualizar

a amplitude da variância. Podemos afirmar que os dados da Região Norte e

Nordeste possuem a maior variabilidade que os dados das demais regiões. As

Regiões que possuem menor variabilidade dos dados são Centro-Oeste, Sul e

Sudeste.


One-way ANOVA: PINDCRI_np versus REGIÃO CORRETA Source DF SS MS F P

REGIÃO CORRETA 4 151,3336 37,8334 2132,08 0,000

Error 5559 98,6433 0,0177

Total 5563 249,9769

S = 0,1332 R-Sq = 60,54% R-Sq(adj) = 60,51%


Pooled StDev

Level N Mean StDev ----+---------+---------+---------+-----

CO 465 0,8922 0,1103 (*)

N 449 0,6336 0,1985 (*-)

NE 1794 0,5658 0,1667 (*

S 1188 0,9286 0,0749 (*)

SE 1668 0,9080 0,1063 (*

----+---------+---------+---------+-----

0,60 0,70 0,80 0,90


3.2.5.3. Variável: NESTUDA_np

SESNENCO

1,0

0,8

0,6

0,4

0,2

0,0

REGIÃO CORRETA

T_

NE

ST

UD

A_

NT

RA

B_

MM

EIO

_n

p

Boxplot of T_NESTUDA_NTRAB_MMEIO_np

A Região Sul possui o maior índice de NESTUDA_np do país, o que indica que

esta é a Região mais desenvolvida do Brasil, segundo a pesquisa. A região



A Região que apresenta índice de NESTUDA_np médio mais baixo do País é a



Sudeste possuem a maior variabilidade que os dados das demais regiões. As

Regiões que possuem menor variabilidade dos dados são Centro-Oeste e Sul.

One-way ANOVA: T_NESTUDA_NTRAB_MMEIO_np versus REGIÃO CORRETA Source DF SS MS F P

REGIÃO CORRETA 4 82,1968 20,5492 1991,10 0,000

Error 5559 57,3719 0,0103

Total 5563 139,5687

S = 0,1016 R-Sq = 58,89% R-Sq(adj) = 58,86%


Pooled StDev

Level N Mean StDev --------+---------+---------+---------+-

CO 465 0,7958 0,0941 (*-)

N 449 0,6222 0,1194 (*)

NE 1794 0,5813 0,1016 (*

S 1188 0,8794 0,0820 (*)

SE 1668 0,8027 0,1105 *)

--------+---------+---------+---------+-

0,640 0,720 0,800 0,880


O grau de variação entre as Regiões é muito alto (1991,10), e o P-value nos indica que a informação é confiável e não existe chance deste valor ser diferente

3.2.5.4. Variável: FUNDIN_TODOS_Mnp

SESNENCO

1,0

0,8

0,6

0,4

0,2

0,0

REGIÃO CORRETA

T_

FU

ND

IN

_T

OD

OS

_M

ME

IO

_n

p

Boxplot of T_FUNDIN_TODOS_MMEIO_np

A Região Sul possui o maior índice de FUNDIN_TODOS_Mnp do país, o que

indica que esta é a Região mais desenvolvida do Brasil, segundo a pesquisa. A

região Sudeste encontra-se próxima a Região Sul, e ocupa o segundo lugar. Vale

também destacar que a região Centro Oeste está muito próxima.

A Região que apresenta índice de FUNDIN_TODOS_Mnp médio mais baixo do

País é a Nordeste, seguida da Norte. Pelo tamanho da caixa do BloxPlot podemos



As Regiões que possuem menor variabilidade dos dados são Centro-Oeste e Sul.


One-way ANOVA: T_FUNDIN_TODOS_MMEIO_np versus REGIÃO CORRETA Source DF SS MS F P

REGIÃO CORRETA 4 91,1520 22,7880 1753,51 0,000

Error 5559 72,2428 0,0130

Total 5563 163,3948

S = 0,1140 R-Sq = 55,79% R-Sq(adj) = 55,75%

Individual 95% CIs For Mean Based on Pooled

StDev

Level N Mean StDev +---------+---------+---------+---------

CO 465 0,7978 0,0910 (-*)

N 449 0,5992 0,1581 (*)

NE 1794 0,5626 0,1174 *)

S 1188 0,8569 0,0878 (*)

SE 1668 0,8154 0,1183 (*)

+---------+---------+---------+---------

0,560 0,640 0,720 0,800


3.2.5.5. Variável: MAXIDOSO

SESNENCO

1,0

0,8

0,6

0,4

0,2

0,0

REGIÃO CORRETA

T_

RM

AX

ID

OS

On

p

Boxplot of T_RMAXIDOSOnp

A Região Sul possui o maior índice de MAXIDOSO_np do país, o que indica que

esta é a Região mais desenvolvida do Brasil, segundo a pesquisa. A região



A Região que apresenta índice de MAXIDOSO_np médio mais baixo do País é a




Regiões que possuem menor variabilidade dos dados são Centro-Oeste e Sul.

One-way ANOVA: T_RMAXIDOSOnp versus REGIÃO CORRETA Source DF SS MS F P

REGIÃO CORRETA 4 56,2287 14,0572 1621,25 0,000

Error 5559 48,1999 0,0087

Total 5563 104,4285

S = 0,09312 R-Sq = 53,84% R-Sq(adj) = 53,81%


Pooled StDev

Level N Mean StDev -----+---------+---------+---------+----

CO 465 0,87244 0,08726 (-*)

N 449 0,75663 0,10786 (*)

NE 1794 0,67219 0,10581 (*)

S 1188 0,91723 0,05871 (*)

SE 1668 0,86728 0,09577 (*)

-----+---------+---------+---------+----

0,700 0,770 0,840 0,910



3.2.5.6. Variável: SOBRE40(n)

SESNENCO

1,0

0,8

0,6

0,4

0,2

0,0

REGIÃO CORRETA

SO

BR

E4

0(n

)

Boxplot of SOBRE40(n)

A Região Norte possui o maior índice de SOBRE40(n) do país, segundo a

pesquisa. A região Sul encontra-se como a segunda região com este indicador.

Vale também destacar que as regiões NE e SE estão muito próximas.

A Região que apresenta índice de SOBRE40(n) médio mais baixo do País é a

Centro Oeste. Pelo tamanho da caixa do BloxPlot podemos visualizar a amplitude

da variância. Podemos afirmar que os dados das Regiões N, NE, e SE possuem a

maior variabilidade que os dados das demais regiões. A Região que possui menor

variabilidade dos dados é CO.

O grau de variação entre as Regiões é baixa (199,89), e o P-value nos indica que a informação é confiável e não existe chance deste valor ser diferente

One-way ANOVA: SOBRE60(n) versus REGIÃO CORRETA Source DF SS MS F P

REGIÃO CORRETA 4 11,3021 2,8255 145,84 0,000

Error 5559 107,7030 0,0194

Total 5563 119,0051

S = 0,1392 R-Sq = 9,50% R-Sq(adj) = 9,43%


Pooled StDev

Level N Mean StDev ---+---------+---------+---------+------

CO 465 0,5472 0,0855 (-*--)

N 449 0,6822 0,1487 (-*--)

NE 1794 0,5425 0,1628 (*-)

S 1188 0,6215 0,1197 (*-)

SE 1668 0,5464 0,1340 (*-)

---+---------+---------+---------+------

0,550 0,600 0,650 0,700


3.2.5.7. Variável: SOBRE60(n)

SESNENCO

1,0

0,8

0,6

0,4

0,2

0,0

REGIÃO CORRETA

SO

BR

E6

0(n

)

Boxplot of SOBRE60(n)

A Região Norte possui o maior índice de SOBRE60(n) do país, segundo a

pesquisa. A região Sul encontra-se próxima a Região Norte, e ocupa o segundo

lugar. Vale também destacar que as outras regiões estão muito próximas.

A Região que apresenta índice de SOBRE60(n) médio mais baixo do País é a




Regiões que possuem menor variabilidade dos dados são N, NE e SE.

0

0,1

0,2CO

N

NES

SE

SOBRE60_np StDev

SOBRE60_npStDev

0

0,5

1CO

N

NES

SE

SOBRE60_np Mean

SOBRE60_np Mean

O grau de variação entre as Regiões é muito baixa (145,84), e o P-value nos indica que a informação é confiável e não existe chance deste valor ser diferente.

3.2.5.7. Variável: BANAGUA(n)

SESNENCO

1,0

0,8

0,6

0,4

0,2

0,0

REGIÃO CORRETA

T_

BA

NA

GU

A(n

)

Boxplot of T_BANAGUA(n)

As Regiões S e SE possuem o maior índice de BANAGUA do país, mas também

tem muitos outliers, segundo a pesquisa. A região CO encontra-se próxima

também.

A Região que apresenta índice de BANAGUA médio mais baixo do País é a Norte,

seguida da Nordeste. Pelo tamanho da caixa do BloxPlot podemos visualizar a

amplitude da variância. Podemos afirmar que os dados da Região Norte e Nordeste

possuem a maior variabilidade que os dados das demais regiões. As Regiões que

possuem menor variabilidade dos dados são Centro-Oeste, Sul e Sudeste.


One-way ANOVA: T_BANAGUA(n) versus REGIÃO CORRETA Source DF SS MS F P

REGIÃO CORRETA 4 163,5659 40,8915 1948,03 0,000

Error 5559 116,6903 0,0210

Total 5563 280,2562

S = 0,1449 R-Sq = 58,36% R-Sq(adj) = 58,33%


Pooled StDev

Level N Mean StDev ------+---------+---------+---------+---

CO 465 0,9118 0,0925 (*)

N 449 0,5457 0,2333 (*-)

NE 1794 0,6071 0,1992 (*

S 1188 0,9528 0,0566 *)

SE 1668 0,9434 0,0896 (*

------+---------+---------+---------+---

0,60 0,72 0,84 0,96


3.2.5.8. Variável: DENSn

SESNENCO

1,0

0,8

0,6

0,4

0,2

0,0

REGIÃO CORRETA

T_

DE

NS

(n)

Boxplot of T_DENS(n)

A Região Norte possui o maior índice de DENS(n) do país, segundo a pesquisa. A

região NE encontra-se próxima a Região Norte, e ocupa o segundo lugar.

A Região que apresenta índice de DENS(n) médio mais baixo do País é o Sul,

seguido do SE. Pelo tamanho da caixa do BloxPlot podemos visualizar a amplitude

da variância. Podemos afirmar que pelos dados da Região Norte possui a maior

variabilidade que os dados das demais regiões. As Regiões que possuem menor

variabilidade dos dados são Sudeste e Sul.

O grau de variação entre as Regiões é alto (1510,67), e o P-value nos indica que a informação é confiável e não existe chance deste valor ser diferente

3.2.5.9. Variável: ESPVIDA

SESNENCO

1,0

0,8

0,6

0,4

0,2

0,0

REGIÃO CORRETA

ES

PV

ID

An

Boxplot of ESPVIDAn

A Região Sul possui o maior índice de ESPVIDA do país, o que indica que esta é a

Região mais desenvolvida do Brasil, segundo a pesquisa. A região Sudeste

encontra-se próxima a Região Sul, e ocupa o segundo lugar. Vale também


A Região que apresenta índice de ESPVIDA médio mais baixo do País é a



Nordeste possuem a maior variabilidade que os dados das demais regiões. A

Região que possui menor variabilidade dos dados é Centro-Oeste.

3.2.5.10. Variável: IDHM

SESNENCO

1,0

0,8

0,6

0,4

0,2

0,0

REGIÃO CORRETA

ID

HM

n

Boxplot of IDHMn

A Região Sul possui o maior índice de IDHM do país, o que indica que esta é a

Região mais desenvolvida do Brasil, segundo a pesquisa. A região Sudeste

encontra-se próxima a Região Sul, e ocupa o segundo lugar. Vale também


A Região que apresenta índice de IDHM médio mais baixo do País é a Nordeste,

seguida da Norte. Pelo tamanho da caixa do BloxPlot podemos visualizar a



possuem menor variabilidade dos dados são Centro-Oeste e NE.

3.2.5.11. Variável: ALFAB11A14

SESNENCO

1,0

0,8

0,6

0,4

0,2

0,0

REGIÃO CORRETA

ALFA

B 1

1A

14

n

Boxplot of ALFAB 11A14n

A Região NE possui o maior índice de ALFAB11A14n do país, o que indica que

esta é a Região mais desenvolvida do Brasil, segundo a pesquisa. A região N

encontra-se próxima a Região NE, e ocupa o segundo lugar.

A Região que apresenta índice de ALFAB11A14n médio mais baixo do País é O

Sul, seguido de Centro Oeste. Pelo tamanho da caixa do BloxPlot podemos



As Regiões que possuem menor variabilidade dos dados são Centro-Oeste, Sul e

Sudeste.

3.2.5.12. Variável: ALFA15A17

SESNENCO

1,0

0,8

0,6

0,4

0,2

0,0

REGIÃO CORRETA

AFA

LB

15

A1

7n

Boxplot of AFALB 15A17n

A Região NE possui o maior índice de ALFAB15A17n do país, com muitos pontos

atípicos, segundo a pesquisa. A região Norte encontra-se próxima a Região NE, e

ocupa o segundo lugar.

A Região que apresenta índice de ALFAB15A17n médio mais baixo do País é o

Sul, seguido de Sudeste e Centro Oeste. Pelo tamanho da caixa do BloxPlot

podemos visualizar a amplitude da variância. Podemos afirmar que os dados da

Região Norte e Nordeste possuem a maior variabilidade que os dados das demais

regiões. As Regiões que possuem menor variabilidade dos dados são Centro-

Oeste, Sul e SE.

3.2.5.13. Variável: ALFAB18M

SESNENCO

1,0

0,8

0,6

0,4

0,2

0,0

REGIÃO CORRETA

ALFA

B 1

8M

n

Boxplot of ALFAB 18Mn

A Região Nordeste possui o maior índice de ALFAB18 do país mais também

apresenta muitos pontos atípicos, segundo a pesquisa. A região Norte encontra-se

próxima a Região Nordeste, e ocupa o segundo lugar.

A Região que apresenta índice de ALFAB18 médio mais baixo do País é a Sul,

seguida de Sudeste. Pelo tamanho da caixa do BloxPlot podemos visualizar a



possuem menor variabilidade dos dados são Centro-Oeste e Sul.

3.2.5.14. Variável: RENOCUPn

SESNENCO

1,0

0,8

0,6

0,4

0,2

0,0

REGIÃO CORRETA

RE

NO

CU

Pn

Boxplot of RENOCUPn

As Regiões CO, S e SE possuem o maior índice de RENOCUP do país, segundo a

pesquisa. A região Norte encontra-se próxima destas regiões.

A Região que apresenta índice de RENOCUP médio mais baixo do País é a

Nordeste. Pelo tamanho da caixa do BloxPlot podemos visualizar a amplitude da

variância. Podemos afirmar pelo gráfico que os dados das Regiões Sul, Sudeste,

Centro Oeste e Norte possuem uma variabilidade muito parecida. A Região que

possui menor variabilidade dos dados é Nordeste.

O grau de variação entre as Regiões é alto (1039,86), e o P-value nos indica que a informação é confiável e não existe chance deste valor ser diferente.

3.2.5.15. Variável: PRENTRABn

SESNENCO

1,0

0,8

0,6

0,4

0,2

0,0

REGIÃO CORRETA

PR

EN

TR

AB

n

Boxplot of PRENTRABn

A Região Centro Oeste possui o maior índice de PRENTRABn do país, segundo a

pesquisa. A região Norte encontra-se próxima a Região Centro Oeste, e ocupa o

segundo lugar junto com o Sul. Vale também destacar que a região Sudeste está

muito próxima.

A Região que apresenta índice de PRENTRABn médio mais baixo do País é a

Nordeste. Pelo tamanho da caixa do BloxPlot podemos visualizar a amplitude da

variância. Podemos afirmar que pelos dados que a Região Norte possui a maior

variabilidade que os dados das demais regiões. As variabilidades de CO, N, S e SE

são muito parecidas.

3.2.5.16. Variável: FORMAn

SESNENCO

1,0

0,8

0,6

0,4

0,2

0,0

REGIÃO CORRETA

P_

FO

RM

An

Boxplot of P_FORMAn

A Regiões SE e S possuem o maior índice de FORMAn do país, segundo a

pesquisa. A região CO encontra-se próxima delas.

A Região que apresenta índice de FORMAn médio mais baixo do País é a


a amplitude da variância. Podemos afirmar que pelos dados que as Regiões S e

SE possuem a maior variabilidade que os dados das demais regiões. A Região

que possui menor variabilidade dos dados é NE.

3.2.5.17. Variável: DES2529np

SESNENCO

1,0

0,8

0,6

0,4

0,2

0,0

REGIÃO CORRETA

T_

DE

S2

52

9n

p

Boxplot of T_DES2529np

A Região Sul possui o maior índice de DES2529_np do país, o que indica que esta

é a Região mais desenvolvida do Brasil, segundo a pesquisa. As demais regiões

estão muito perto.

A Região que apresenta índice de DES2529_np médio mais baixo do País é a


a amplitude da variância. Podemos afirmar que os dados da Região Norte,

Nordeste e Sudeste possuem a maior variabilidade que os dados das demais

regiões.

O grau de variação entre as Regiões é muito baixo (440,14), e o P-value nos indica que a informação é confiável e não existe chance deste valor ser diferente

Tabela de F

Variável Test F

MORT1_np 2871,93

ALF18M_np 2722,62

ESPVIDA 2319,16

PINDCRI_np 2132,08

NESTUDA_np 1991,1

BANAGUA_np 1948,03

IDHM_np 1795,58

FUNDIN_TODOS_MEIO_np 1753,51

MAXIDOSO_np 1621,25

DENS_np 1510,67

ALF11A14_np 1346,42

FORMAL_np 1188,7

ALF15A17_np 1122,39

PRENTRAB_np 1111,02

RENOCUP_np 1039,86

DES2529_np 440,14

SOBRE40_np 199,89

SOBRE60_np 145,84

3.2.6. Pesquisa por Amostragem A pesquisa por amostragem foi gerada em três amostras, sendo respectivamente

nas quantidades de 25, 100 e 400 municípios. Para cada amostra realizada a

análise exploratória de dados e comparações dos resultados. Foram utilizadas as

variáveis

Variável Conceito Test F

ALF18M_np Indicador de alfabetismo - 18 anos ou mais 2722,62

ESPVIDA Indicador de Esperança de vida ao nascer 2319,16

MORTI_np Supervivencia Infantil de até um ano 2871,93

3.2.6.1. Variável: MORTI_np Supervivência Infantil até um ano. 3.2.6.1.1. Amostragem: 25 Municípios.

0,80,60,40,2

Median

Mean

0,80,70,60,5


Median 0,69434


Maximum 0,92143

0,53531 0,72765

0,48647 0,83165

0,18191 0,32410

A-Squared 0,83

P-Value 0,027

Mean 0,63148

StDev 0,23297

Variance 0,05428

Skewness -0,581673

Kurtosis -0,843038

N 25

Minimum 0,13835





Summary for Morti_np_25

O gráfico acima apresenta a análise exploratória dos dados da variável MORT1_np Supervivência Infantil para uma amostragem de 25 municípios brasileiros.

Observações:

Forma: O Histograma nos permite analisar uma distribuição concentrada na faixa entre 0,4 a 0,10. O Box-Plot demonstra a concentração na faixa acima citada, o posicionamento da mediana está deslocado ao centro da referida faixa.

Valores Atípicos: Esta amostragem não tem valores atípicos.

Centro e Dispersão: A mediana nos indica que aproximadamente metade dos municípios tem Supervivência Infantil menor do que 0,69434 e a outra metade maior que este valor. Supervivência Infantil média dos municípios é de 0,63148 tendo um desvio-padrão de 0,23297 não sendo um valor expressivo. A Supervivência Infantil mínima é de 0,13835 e a máxima de 0,92143 devido a os dados estarem normalizados. Com 95% de confiança, podemos afirmar que a média encontra-se entre os valores 0,53531 e 0,72765.

3.2.6.1.2. Amostragem: 100 Municípios.

0,900,750,600,450,30

Median

Mean

0,8500,8250,8000,7750,7500,7250,700


Median 0,81310


Maximum 0,98277

0,70907 0,77778

0,78435 0,83596

0,15202 0,20114

A-Squared 5,76

P-Value < 0,005

Mean 0,74342

StDev 0,17315

Variance 0,02998

Skewness -1,17097

Kurtosis 0,39467

N 100

Minimum 0,26886







Observações:

Forma: O Histograma nos permite analisar uma distribuição concentrada na faixa entre 0,80 a 0,90. O Box-Plot demonstra a concentração na faixa acima citada, o posicionamento da mediana está deslocado à direita da referida faixa.

Valores Atípicos: Esta amostragem tem dois valores atípicos.

Centro e Dispersão: A mediana nos indica que aproximadamente metade

dos municípios tem Supervivência Infantil menor do que 0,81310e a outra metade maior que este valor. Supervivência Infantil média dos municípios é de 0,74342 tendo um desvio-padrão de 0,17315 não sendo um valor expressivo. A Supervivência Infantil mínima é de 0,26886 e a máxima de 0,98277 devido a os dados estarem normalizados. Com 95% de confiança, podemos afirmar que a média encontra-se entre os valores 0,70907 e 0,7778.

3.2.6.1.3. Amostragem: 400 Municípios.

0,900,750,600,450,300,15

Median

Mean

0,820,800,780,760,740,720,70


Median 0,79353


Maximum 0,98147

0,69720 0,73640

0,76719 0,80919

0,18642 0,21421

A-Squared 14,84

P-Value < 0,005

Mean 0,71680

StDev 0,19935

Variance 0,03974

Skewness -1,10051

Kurtosis 0,53311

N 400

Minimum 0,06526







Observações:


Centro e Dispersão: A mediana nos indica que aproximadamente metade dos municípios tem Supervivência Infantil menor do que 0,79353 e a outra metade maior que este valor. Supervivência Infantil média dos municípios é de 0,71680 tendo um desvio-padrão de 0,19935 não sendo um valor expressivo. A Supervivência Infantil mínima é de 0,06526 e a máxima de 0,98147 devido a os dados estarem normalizados. Com 95% de confiança, podemos afirmar que a média encontra-se entre os valores 0,69720 e 0,73640.

Morti_np_400Morti_np_100Morti_np_25MORT1_np

1,0

0,8

0,6

0,4

0,2

0,0

Da

ta

Boxplot of MORT1_np. Morti_np_25. Morti_np_100. Morti_np_400

A análise de variância entre as três amostras e a população nos indica que a variação é muito pequena F= 3,27 e o P-Value não é muito representativo 0,39 evidenciando a confiabilidade dos resultados.

One-way ANOVA: Morti_np_25. Morti_np_100. Morti_np_400 Source DF SS MS F P

Factor 2 0,2523 0,1262 3,27 0,039

Error 522 20,1267 0,0386

Total 524 20,3791

S = 0,1964 R-Sq = 1,24% R-Sq(adj) = 0,86%


Pooled StDev

Level N Mean StDev --------+---------+---------+---------+-

Morti_np_25 25 0,6315 0,2330 (------------*------------)

Morti_np_100 100 0,7434 0,1731 (------*-----)

Morti_np_400 400 0,7168 0,1993 (--*---)

--------+---------+---------+---------+-

0,600 0,660 0,720 0,780


3.2.6.2. Variável: ALFA18

3.2.6.2.1. Amostragem: 25 municípios

0,80,60,40,20,0

Median

Mean

0,450,400,350,300,250,20


Median 0,22606


Maximum 0,93100

0,23043 0,43057

0,18110 0,37635

0,18930 0,33726

A-Squared 1,16

P-Value < 0,005

Mean 0,33050

StDev 0,24243

Variance 0,05877

Skewness 1,08759

Kurtosis 0,32650

N 25

Minimum 0,02936





Summary for Alfa18_np_25

O gráfico acima apresenta a análise exploratória dos dados da variável ALFA18 para uma amostragem de 25 municípios brasileiros.

Observações:

Forma: O Histograma nos permite analisar uma distribuição concentrada na faixa entre 0,1 a 0,2 O Box-Plot demonstra a concentração na faixa acima citada, o posicionamento da mediana está deslocado à esquerda da referida faixa.


dos municípios tem ALFA18 menor do que 0,22606 e a outra metade maior que este valor. A média de ALFA18 dos municípios é de 0,33050 tendo um desvio-padrão de 0,24243 não sendo um valor expressivo. A ALFA18 mínima é de 0,02936 e a máxima de 0,93100 devido a os dados estarem normalizados. Com 95% de confiança, podemos afirmar que a média encontra-se entre os valores 0,23043 e 0,43057.


0,900,750,600,450,300,15

Median

Mean

0,450,400,350,300,25


Median 0,31466


Maximum 0,91365

0,33270 0,42761

0,23437 0,45337

0,20998 0,27782

A-Squared 3,35

P-Value < 0,005

Mean 0,38015

StDev 0,23916

Variance 0,05720

Skewness 0,36503

Kurtosis -1,28192

N 100

Minimum 0,05035







Observações:

Forma: O Histograma nos permite analisar uma distribuição concentrada na faixa entre 0,12 a 0,17. O Box-Plot demonstra a concentração na faixa acima citada, o posicionamento da mediana está deslocado à esquerda da referida faixa.



dos municípios tem ALFA18 menor do que 0,31466 e a outra metade maior

que este valor. A média de ALFA18 dos municípios é de 0,38015 tendo um

desvio-padrão de 0,23916 não sendo um valor expressivo. A ALFA18

mínima é de 0,05035 e a máxima de 0,91365 devido a os dados estarem

normalizados. Com 95% de confiança, podemos afirmar que a média

encontra-se entre os valores 0,33270 e 0,42761.


0,900,750,600,450,300,150,00

Median

Mean

0,3750,3500,3250,3000,2750,250


Median 0,27277


Maximum 0,97943

0,32880 0,37589

0,24162 0,31108

0,22398 0,25736

A-Squared 13,12

P-Value < 0,005

Mean 0,35235

StDev 0,23951

Variance 0,05736

Skewness 0,708328

Kurtosis -0,676897

N 400

Minimum 0,01693







Observações:




dos municípios tem ALFA18 menor do que 0,27272e a outra metade maior que este valor. A média de ALFA18 dos municípios é de 0,35235 tendo um

desvio-padrão de 0,23951 não sendo um valor expressivo. A ALFA18 mínima é de 0,01693 e a máxima de 0,97943 devido a os dados estarem normalizados. Com 95% de confiança, podemos afirmar que a média encontra-se entre os valores 0,32880 e 0,37589.

Alfa18_np_400Alfa18_np_100Alfa18_np_25ALFAB 18Mn

1,0

0,8

0,6

0,4

0,2

0,0

Da

ta

Boxplot of ALFAB 18Mn. Alfa18_np_25. Alfa18_np_100. Alfa18_np_400

One-way ANOVA: Alfa18_np_25. Alfa18_np_100. Alfa18_np_400 Source DF SS MS F P

Factor 2 0,0797 0,0399 0,69 0,500

Error 522 29,9610 0,0574

Total 524 30,0408

S = 0,2396 R-Sq = 0,27% R-Sq(adj) = 0,00%


Pooled StDev


Alfa18_np_25 25 0,3305 0,2424 (------------------*------------------)

Alfa18_np_100 100 0,3802 0,2392 (--------*--------)

Alfa18_np_400 400 0,3523 0,2395 (---*----)

---+---------+---------+---------+------

0,250 0,300 0,350 0,400



3.2.6.3. Variável: ESPVIDA


0,80,60,40,20,0

Median

Mean

0,650,600,550,500,450,40


Median 0,53748


Maximum 0,91679

0,40617 0,58267

0,39420 0,62927

0,16694 0,29742

A-Squared 0,44

P-Value 0,275

Mean 0,49442

StDev 0,21379

Variance 0,04571

Skewness -0,303365

Kurtosis -0,396817

N 25

Minimum 0,04273





Summary for Espvida_25

O gráfico acima apresenta a análise exploratória dos dados da variável ESPVIDA para uma amostragem de 25 municípios brasileiros.

Observações:

Forma: O Histograma nos permite analisar uma distribuição concentrada na faixa entre 0,2 a 0,7 O Box-Plot demonstra a concentração na faixa acima citada, o posicionamento da mediana está deslocado à direita da referida faixa.



dos municípios tem ESPVIDA menor do que 0,53748 E a outra metade maior que este valor. A média de A ESPVIDA dos municípios é de 0,49442 tendo um desvio-padrão de 0,21379 não sendo um valor expressivo. A ESPVIDA mínima é de 0,04273 e a máxima de 0,91679 devido a os dados estarem normalizados. Com 95% de confiança, podemos afirmar que a média encontra-se entre os valores 0,40617 e 0,58267.


0,80,60,40,20,0

Median

Mean

0,6750,6500,6250,6000,5750,550


Median 0,62669


Maximum 0,89430

0,53412 0,61468

0,55262 0,66214

0,17822 0,23580

A-Squared 1,44

P-Value < 0,005

Mean 0,57440

StDev 0,20298

Variance 0,04120

Skewness -0,645929

Kurtosis -0,252951

N 100

Minimum 0,02549







Observações:





3.2.6.3.3. Amostragem: 400 municípios.

0,900,750,600,450,300,150,00

Median

Mean

0,6250,6000,5750,550


Median 0,60720


Maximum 0,97751

0,55867 0,59911

0,57489 0,62703

0,19237 0,22104

A-Squared 2,59

P-Value < 0,005

Mean 0,57889

StDev 0,20570

Variance 0,04231

Skewness -0,416924

Kurtosis -0,490918

N 400

Minimum 0,01874







Observações:





Espvida_400Espvida_100Espvida_25ESPVIDAn

1,0

0,8

0,6

0,4

0,2

0,0

Da

taBoxplot of ESPVIDAn. Espvida_25. Espvida_100. Espvida_400

One-way ANOVA: Espvida_25. Espvida_100. Espvida_400 Source DF SS MS F P

Factor 2 0,1679 0,0839 1,99 0,138

Error 522 22,0588 0,0423

Total 524 22,2267

S = 0,2056 R-Sq = 0,76% R-Sq(adj) = 0,38%


Pooled StDev

Level N Mean StDev -+---------+---------+---------+--------

Espvida_25 25 0,4944 0,2138 (------------*-------------)

Espvida_100 100 0,5744 0,2030 (------*-----)

Espvida_400 400 0,5789 0,2057 (--*---)

-+---------+---------+---------+--------

0,420 0,480 0,540 0,600



As seguintes tabelas apresentam os resultados da análise exploratória dos dados para amostragens de 25, 100 e 400 municípios para as variáveis Morti_np, Alfa18, Espvida.

Variável Gráfico Média Desvio Padrão

Mediana P-Value

MORT1_np 25

0,63148 0,23297 0,69434 <0,027

MORT1_np 100

0,74342 0,17315 0,81310 <0,005

MORT1_np 400

0,71680 0,19935 0,79353 <0,005


Mediana

P-Value

ALFA18_np 25

0,33050 0,24243

0,22606

<0,005

ALFA18_np 100

0,38015 0,23916 0,31466 <0,005

ALFA18_np 400

0,35235 0,23951

0,27272

<0,005


Mediana

P-Value

Espvida_25

0,49442 0,21379 0,53748 0,275

Espvida_100

0,57440 0,20298 0,62669 <0,005

Espvida_400

0,57889

0,20570

0,60720

<0,005

3.2.7. Analise Multivariada - Componentes Principais.

Grau

de

Correlação

ESPVIDAnEsperança de vida ao nascer

0,967


0,829

T_FUNDIN_TODOS_np



T_BANAGUA_np

Indice da população que vive em domicílios com

banheiro e água encanada 0,866


0,87

T_FUNDIN_TODOS_np



T_RMAXIDOSO_np

Indicador de pessoas em domicílios não

vulneráveis à pobreza e dependentes de idosos 0,834


0,837

T_FUNDIN_TODOS_MMEIOIndicador de pessoas em domicílios em que pelo

menos uma pessoa tem fundamental completo.IDHMn


0,962

SOBRE40(n)Indicador de Probabilidade de sobrevivência até

40 anosSOBRE60(n)

Indicador de Probabilidade de sobrevivência até

60 anos0,956

ESPVIDAn

Esperança de vida ao nascer

IDHMn


0,852

RENOCUPn Rendimento médio dos ocupados 0,869

P_FORMAn

Grau de formalização do trabalho

das pessoas ocupadas 0,824

ALFAB 11A14nIndicador de Alfabetismo - 11 a 14 anos AFALB 15A17n Indicador de Alfabetismo - 15 a 17 anos

0,919

NESTUDA_np

Indicador de pessoas de 15 a 24 anos que

estudam e ou trabalham e não são vulneráveis à

pobreza.


Correlations: MORT1_np. PINDCRI_np. T_NESTUDA_NT. T_FUNDIN_TOD. ...

Variável Variável

MORTI_np Supervivencia Infantil de até um ano

PINDRI_npIndicador Crinças fora de risco de ser

Extremadamente pobres

Dendrograma. Diagrama que organiza determinados fatores e variáveis. Apresenta um diagrama de similaridade. A interpretação de um Dendrograma de similaridade entre amostras fundamenta-se na intuição: duas amostras próximas devem ter também valores semelhantes para as variáveis medidas. Ou seja, elas devem ser próximas matematicamente no espaço multidimensional. Portanto, quanto maior a proximidade entre as medidas relativas às amostras, maior a similaridade entre elas. O dendrograma hierarquiza esta similaridade de modo que podemos ter uma visão bidimensional da similaridade ou dissimilaridade de todo o conjunto de amostras utilizado no estudo.

Segue abaixo o Dendrograma das variáveis analisadas:

ALF

AB 18

Mn

AFA

LB 1

5A17

n

ALF

AB

11A14

n

T_DEN

S(n)

T_DES

2529

np

SOBR

E60(n)

SOBR

E40(

n)

PREN

TRABn

P_FO

RMAn

T_RM

AXIDOSO

np

T_NES

TUDA_N

TRAB_

MMEIO_n

p

T_BA

NAG

UA(n

)

RENOCU

Pn

IDHMn

T_FU

NDIN

_TODOS_

MMEI

O_n

p

PIND

CRI_

np

ESPV

IDAn

MORT

1_np

47,29

64,86

82,43

100,00

Variables

Sim

ila

rity


Cluster Analysis of Variables: MORT1_np. PINDCRI_np. T_NESTUDA_NT. ...

Correlation Coefficient Distance, Single Linkage

Amalgamation Steps

Number

of obs.



1 17 98,3572 0,03286 1 10 1 2

2 16 98,0777 0,03845 4 11 4 2

3 15 97,8091 0,04382 6 7 6 2

4 14 95,9428 0,08114 12 13 12 2

5 13 93,9314 0,12137 2 4 2 3

6 12 93,4643 0,13071 2 15 2 4

7 11 93,3117 0,13377 2 8 2 5

8 10 92,6019 0,14796 1 2 1 7

9 9 91,8716 0,16257 1 3 1 8

10 8 91,7035 0,16593 1 5 1 9

11 7 91,1857 0,17629 1 17 1 10

12 6 87,8062 0,24388 12 14 12 3

13 5 87,6672 0,24666 1 16 1 11

14 4 84,5617 0,30877 9 12 9 4

15 3 81,7410 0,36518 1 6 1 13

16 2 76,3215 0,47357 1 18 1 14

17 1 47,2914 1,05417 1 9 1 18

As variáveis com maior grau de similaridade se podem determinar por grupos assim:

Morti_np, Espvida

Fundi_todos_np, IDHM_np

Sobre40_np, Sobre60_np

Alfabetismo_11ª14, Alfabetismo_15ª17

ALF

AB 18

Mn

AFA

LB 1

5A17

n

ALF

AB

11A14

n

T_DEN

S(n)

T_DES

2529

np

SOBR

E60(n)

SOBR

E40(

n)

PREN

TRABn

P_FO

RMAn

T_RM

AXIDOSO

np

T_NES

TUDA_N

TRAB_

MMEIO_n

p

T_BA

NAGU

A(n

)

REN

OCU

Pn

IDHMn

T_FU

NDIN

_TODO

S_MMEI

O_n

p

PIND

CRI_

np

ESPV

IDAn

MORT

1_np

47,29

64,86

82,43

100,00

Variables

Sim

ila

rity


4 Cluster variables

Cluster Analysis of Variables: MORT1_np. PINDCRI_np. T_NESTUDA_NT. ... Correlation Coefficient Distance, Single Linkage

Amalgamation Steps

Number

of obs.



1 17 98,3572 0,03286 1 10 1 2

2 16 98,0777 0,03845 4 11 4 2

3 15 97,8091 0,04382 6 7 6 2

4 14 95,9428 0,08114 12 13 12 2

5 13 93,9314 0,12137 2 4 2 3

6 12 93,4643 0,13071 2 15 2 4

7 11 93,3117 0,13377 2 8 2 5

8 10 92,6019 0,14796 1 2 1 7

9 9 91,8716 0,16257 1 3 1 8

10 8 91,7035 0,16593 1 5 1 9

11 7 91,1857 0,17629 1 17 1 10

12 6 87,8062 0,24388 12 14 12 3

13 5 87,6672 0,24666 1 16 1 11

14 4 84,5617 0,30877 9 12 9 4

15 3 81,7410 0,36518 1 6 1 13

16 2 76,3215 0,47357 1 18 1 14

17 1 47,2914 1,05417 1 9 1 18

Final Partition

Cluster 1

MORT1_np PINDCRI_np T_NESTUDA_NTRAB_MMEIO_np T_FUNDIN_TODOS_MMEIO_np

T_RMAXIDOSOnp T_BANAGUA(n) ESPVIDAn IDHMn RENOCUPn PRENTRABn

P_FORMAn

Cluster 2

SOBRE40(n) SOBRE60(n)

Cluster 3

T_DENS(n) ALFAB 11A14n AFALB 15A17n ALFAB 18Mn

Cluster 4

T_DES2529np

3.2.7.1. Principais Componentes.

0,50,40,30,20,10,0-0,1-0,2-0,3-0,4

0,2

0,1

0,0

-0,1

-0,2

-0,3

-0,4

-0,5

-0,6

-0,7

First Component

Se

co

nd

Co

mp

on

en

t

AFALB 15A17n

ALFAB 11A14n

SOBRE60(n)

SOBRE40(n)

T_FUNDIN_TODOS_MMEIO_npIDHMn

ESPVIDAn

MORT1_np

Loading Plot of MORT1_np. .... AFALB 15A17n

Principal Component Analysis: MORT1_np. ESPVIDAn. IDHMn. T_FUNDIN_TOD. SOBRE40(n) Eigenanalysis of the Correlation Matrix

Eigenvalue 5,4167 1,6983 0,4344 0,2777 0,0799 0,0423 0,0273 0,0233

Proportion 0,677 0,212 0,054 0,035 0,010 0,005 0,003 0,003

Cumulative 0,677 0,889 0,944 0,978 0,988 0,994 0,997 1,000

Variable PC1 PC2 PC3 PC4 PC5 PC6 PC7

MORT1_np 0,400 -0,037 0,283 0,534 0,001 0,480 0,078

ESPVIDAn 0,403 -0,075 0,314 0,429 -0,051 -0,353 0,035

IDHMn 0,399 0,109 0,326 -0,439 -0,004 -0,481 0,387

T_FUNDIN_TODOS_MMEIO_np 0,391 0,169 0,261 -0,531 -0,012 0,475 -0,405

SOBRE40(n) 0,225 -0,625 -0,296 -0,211 0,068 0,300 0,537

SOBRE60(n) 0,270 -0,582 -0,189 -0,019 -0,032 -0,306 -0,622

ALFAB 11A14n -0,350 -0,339 0,468 -0,087 -0,728 0,071 0,033

AFALB 15A17n -0,345 -0,330 0,552 -0,053 0,680 0,010 -0,050

Variable PC8

MORT1_np -0,486

ESPVIDAn 0,649

IDHMn -0,386

T_FUNDIN_TODOS_MMEIO_np 0,280

SOBRE40(n) 0,211

SOBRE60(n) -0,267

ALFAB 11A14n -0,012

AFALB 15A17n 0,007

87654321

6

5

4

3

2

1

0

Component Number

Eig

en

va

lue

Scree Plot of MORT1_np. .... AFALB 15A17n

A primeira variável tem um peso muito grande, mas as demais estão bem distantes. A variável 2 possui peso quais maior de 1, e as demais estão realmente embaixo de 1. Todas as variáveis poderiam se resumir em a primeira componente.

3.2.8. Análise de Conglomerado

3.2.8.1. Dendrograma dos dados agrupados pelo resultado das médias MORTI_np x ALFAB18 x ESPVIDA_np POR ESTADO (-DF)

SPSCRSRJ

MSPRM

TMG

GOESROAPTORRPAAMM

AALPIPBRNCESEPEBAAC

83,98

89,32

94,66

100,00

Observations

Sim

ila

rity

Dendrograma Média de Estado MORTI_np x ALFAB18 x ESPVIDA_np

O Dendrograma permite uma análise do grau de similaridade dos dados para uma determinada variável. Em seguida geramos o Dendrograma por Estado para as três variáveis com maior F, isto é a variabilidade dentro dos grupos. STAT >> MULTIVARIATE >> CLUSTER OBSERVATION

O gráfico a seguir representa por cores as médias dos estados com maior grau de similaridade entre sim para as variáveis MORTI_np x ALFAB18 x ESPVIDA_np. A agrupação mais representativa esta com cor vermelha com um grupo 9 estados, com similaridade entre 93% a 95% aproximadamente.

No gráfico embaixo estabelece 5 grandes grupos de variáveis, agrupadas pela similaridade dos dados. Os estados que possuem maior similaridade são CE e RN em vermelho, ES e GO em amarelo e RS e SC em amarelo também, entre 97% e 98% aproximadamente, conforme o indicado na escala apresentada no eixo Y do gráfico. Mapa colorido pela Média das variáveis MORTI_np x ALFAB18 x ESPVIDA_np por estados do Brasil (classificação não supervisionada)

O mapa acima representa o agrupamento dos estados por similaridade por as médias para as três variáveis selecionadas. Cluster Analysis of Observations: Morti_np_Mean. ALFAB18_Mean. ESPVIDA_Mean Euclidean Distance, Single Linkage

Amalgamation Steps

Number

of obs.



1 25 97,5588 0,022555 6 19 6 2

2 24 97,4989 0,023108 7 8 7 2

3 23 96,7863 0,029692 22 23 22 2

4 22 96,3327 0,033883 15 24 15 2

5 21 95,8616 0,038236 4 20 4 2

6 20 95,7195 0,039549 1 5 1 2

7 19 94,7711 0,048312 1 15 1 4

8 18 94,5959 0,049930 10 12 10 2

9 17 94,5280 0,050558 7 10 7 4

10 16 94,4195 0,051560 1 6 1 6

11 15 94,1500 0,054050 14 16 14 2

12 14 94,0887 0,054617 7 17 7 5

13 13 93,7479 0,057766 1 14 1 8

14 12 93,4815 0,060227 22 25 22 3

15 11 93,3801 0,061164 7 11 7 6

16 10 92,4989 0,069305 3 13 3 2

17 9 91,6392 0,077249 7 18 7 7

18 8 91,2355 0,080979 21 26 21 2

19 7 89,7687 0,094530 7 22 7 10

20 6 89,3332 0,098555 3 21 3 4

21 5 87,3009 0,117332 1 2 1 9

22 4 86,7125 0,122768 1 9 1 10

23 3 86,5162 0,124582 1 3 1 14

24 2 86,1418 0,128041 1 4 1 16

25 1 83,9780 0,148033 1 7 1 26

Final Partition

Number of clusters: 5

Maximum

Within Average distance

Number of cluster sum distance from from

observations of squares centroid centroid

Cluster1 9 0,0745054 0,0768487 0,195944

Cluster2 4 0,0277583 0,0782378 0,113381

Cluster3 2 0,0007310 0,0191181 0,019118

Cluster4 10 0,0800671 0,0848441 0,135156

Cluster5 1 0,0000000 0,0000000 0,000000

Cluster Centroids

Grand

Variable Cluster1 Cluster2 Cluster3 Cluster4 Cluster5 centroid

Morti_np_Mean 0,523808 0,67390 0,71057 0,829407 0,40007 0,674044

ALFAB18_Mean 0,615167 0,40040 0,26505 0,211000 0,60540 0,399369

ESPVIDA_Mean 0,380244 0,49575 0,51550 0,699930 0,30970 0,528662

Distances Between Cluster Centroids

Cluster1 Cluster2 Cluster3 Cluster4 Cluster5

Cluster1 0,000000 0,286346 0,419232 0,599116 0,142769

Cluster2 0,286346 0,000000 0,141613 0,318974 0,389387

Cluster3 0,419232 0,141613 0,000000 0,225960 0,504581

Cluster4 0,599116 0,318974 0,225960 0,000000 0,701542

Cluster5 0,142769 0,389387 0,504581 0,701542 0,000000

3.2.8.2. Dendrograma dos dados agrupados pelo resultado do Desvio Padrão para MORTI_np x ALFAB18 x ESPIVIDA por Estados do Brasil.

RR

ROSCRJ

SPRSPRGOMTESM

SAPAMMG

TOPEPACEALRN

MASEPIPBBAAC

54,73

69,82

84,91

100,00

Observations

Sim

ila

rity

Dendrograma Desv Padrão de Estado para Morti_np, Alfab18, Espvida

Mapa colorido pelo Desvío Padrão das variáveis MORTI_np x ALFAB18 x ESPVIDA_np por estados do Brasil (classificação não supervisionada)

O mapa acima representa o agrupamento dos estados por similaridade por o desvio Padrão para as três variáveis selecionadas

Cluster Analysis of Observations: Morti_np_StDev. ALFAB18_StDev. ESPVIDA_StDev Euclidean Distance, Single Linkage

Amalgamation Steps

Number

of obs.



1 25 97,0037 0,0055090 5 14 5 2

2 24 96,4227 0,0065771 16 24 16 2

3 23 95,5980 0,0080935 7 12 7 2

4 22 94,8972 0,0093819 7 8 7 3

5 21 94,3851 0,0103235 5 16 5 4

6 20 93,4450 0,0120520 5 9 5 5

7 19 91,9507 0,0147993 6 13 6 2

8 18 91,9125 0,0148696 17 22 17 2

9 17 91,2251 0,0161335 7 17 7 5

10 16 90,1109 0,0181820 7 25 7 6

11 15 89,9355 0,0185046 7 18 7 7

12 14 88,9625 0,0202934 4 11 4 2

13 13 88,7898 0,0206110 1 5 1 6

14 12 86,7449 0,0243707 4 7 4 9

15 11 85,5408 0,0265846 4 23 4 10

16 10 85,4865 0,0266843 1 19 1 7

17 9 85,1639 0,0272775 1 2 1 8

18 8 84,0481 0,0293290 1 6 1 10

19 7 81,9410 0,0332032 1 15 1 11

20 6 79,7306 0,0372671 4 20 4 11

21 5 79,6016 0,0375044 1 26 1 12

22 4 77,1238 0,0420599 1 10 1 13

23 3 76,2102 0,0437397 1 3 1 14

24 2 71,6929 0,0520451 1 4 1 25

25 1 54,7330 0,0832275 1 21 1 26

Final Partition

Number of clusters: 5

Within Average Maximum

Number of cluster sum distance from distance from

observations of squares centroid centroid

Cluster1 12 0,0133651 0,0281643 0,0563743

Cluster2 1 0,0000000 0,0000000 0,0000000

Cluster3 11 0,0083919 0,0251984 0,0496616

Cluster4 1 0,0000000 0,0000000 0,0000000

Cluster5 1 0,0000000 0,0000000 0,0000000

Cluster Centroids

Grand

Variable Cluster1 Cluster2 Cluster3 Cluster4 Cluster5 centroid

Morti_np_StDev 0,135571 0,11872 0,0568709 0,07623 0,05681 0,096315

ALFAB18_StDev 0,142883 0,20760 0,0811818 0,15240 0,23070 0,123012

ESPVIDA_StDev 0,129133 0,11960 0,0948727 0,13420 0,06900 0,112154

Distances Between Cluster Centroids

Cluster1 Cluster2 Cluster3 Cluster4 Cluster5

Cluster1 0,000000 0,067551 0,105710 0,060312 0,132405

Cluster2 0,067551 0,000000 0,142893 0,071173 0,083228

Cluster3 0,105710 0,142893 0,000000 0,083627 0,151740

Cluster4 0,060312 0,071173 0,083627 0,000000 0,103726

Cluster5 0,132405 0,083228 0,151740 0,103726 0,000000

3.2.8.3. Análise das variâncias das variáveis por Estado

A análise das variâncias permite a comprovação e visualização das médias e desvios padrões da variável a ser analisada. Os gráficos Boxplots, também conhecidos como Box-and-whisker plots, são usados para comparar mostras de distribuição e agrupamentos, assim como para visualizar as ocorrências de outliers dentro de um grupo de dados. Um Outlier é uma pequena a grande observação que não é usual.

3.2.8.4 Análise das variâncias da variável Morti_np por estado

TOSPSESCRSRRRORNRJPRPIPEPBPAMT

MS

MG

MA

GOESCEBAAPAMALAC

1,0

0,8

0,6

0,4

0,2

0,0

UFN

MO

RT

1_

np

Boxplot of MORT1_np

A gráfica acima representa a supervivência infantil por estado em Brasil para o ano 2010, São Paulo representa uma baixa variabilidade dos dados para Supervivência Infantil e não tem outliers igual que Santa Catarina. De outra parte os estados de Alagoas, Maranhão, Paraíba, Pernambuco, Piauí apresentam uma maior variabilidade dos dados, mas com exceção de Paraíba que não tem outliers.

One-way ANOVA: MORT1_np versus UFN Source DF SS MS F P

UFN 25 140,0967 5,6039 585,88 0,000

Error 5538 52,9706 0,0096

Total 5563 193,0673

S = 0,09780 R-Sq = 72,56% R-Sq(adj) = 72,44%


Pooled StDev

Level N Mean StDev -----+---------+---------+---------+----

AC 22 0,56547 0,12793 (--*-)

AL 102 0,38903 0,17208 (*)

AM 62 0,62020 0,11872 (*-)

AP 16 0,71727 0,07617 (--*--)

BA 417 0,54251 0,14205 *)

CE 184 0,57694 0,09764 *)

ES 78 0,83671 0,03954 (-*)

GO 246 0,85766 0,03644 (*)

MA 217 0,40007 0,14694 (*)

MG 853 0,79411 0,07623 *

MS 78 0,72158 0,06966 (*-)

MT 141 0,77900 0,04711 (*)

PA 143 0,62539 0,09034 (*)

PB 223 0,52496 0,14638 (*)

PE 185 0,53302 0,16428 (*

PI 224 0,48459 0,13826 (*)

PR 399 0,85558 0,05113 (*)

RJ 92 0,81447 0,04235 (*-)

RN 167 0,57584 0,11805 (*)

RO 52 0,70387 0,09695 (-*-)

RR 15 0,76083 0,05681 (---*--)

RS 496 0,89748 0,04625 (*

SC 293 0,89302 0,06315 (*

SE 75 0,52191 0,13748 (-*)

SP 645 0,84446 0,05683 *)

TO 139 0,68918 0,14542 (*)

-----+---------+---------+---------+----

0,45 0,60 0,75 0,90


3.2.8.5 Análise das variâncias da variável Alfa18 por estado.


MS

MG

MA

GOESCEBAAPAMALAC

1,0

0,8

0,6

0,4

0,2

0,0

UFN

ALFA

B 1

8M

n

Boxplot of ALFAB 18Mn

A gráfica acima representa a ALFA18 por estado em Brasil para o ano 2010, a variabilidade é abrangente para todo o país, e não apresenta um numero considerável de outliers. Os estados com maior variabilidade são AL, MA, PI, SE. A maioria faz parte do Nordeste.

One-way ANOVA: ALFAB 18Mn versus UFN Source DF SS MS F P

UFN 25 210,9858 8,4394 574,60 0,000

Error 5538 81,3387 0,0147

Total 5563 292,3245

S = 0,1212 R-Sq = 72,18% R-Sq(adj) = 72,05%


Pooled StDev

Level N Mean StDev ----+---------+---------+---------+-----

AC 22 0,5386 0,1651 (--*-)

AL 102 0,7358 0,1401 (*)

AM 62 0,4268 0,2076 (*-)

AP 16 0,2791 0,0853 (--*--)

BA 417 0,5324 0,1421 (*

CE 184 0,6136 0,1316 (*)

ES 78 0,2636 0,0988 (*-)

GO 246 0,2733 0,0948 (*

MA 217 0,6054 0,1545 (*)

MG 853 0,2895 0,1524 *)

MS 78 0,2421 0,0813 (*)

MT 141 0,2520 0,0976 (*)

PA 143 0,3708 0,1439 (*)

PB 223 0,6619 0,1447 (*)

PE 185 0,6047 0,1701 (*)

PI 224 0,6848 0,1407 (*)

PR 399 0,2180 0,0894 (*

RJ 92 0,1557 0,0792 (*)

RN 167 0,5920 0,1247 (*)

RO 52 0,2510 0,0560 (-*)

RR 15 0,4028 0,2307 (--*--)

RS 496 0,1324 0,0767 (*

SC 293 0,1306 0,0719 (*

SE 75 0,5727 0,1471 (-*)

SP 645 0,1528 0,0620 (*

TO 139 0,4012 0,1100 (*)

----+---------+---------+---------+-----

0,20 0,40 0,60 0,80


3.2.8.6 Análise das variâncias da variável Espvida por estado.


MS

MG

MA

GOESCEBAAPAMALAC

1,0

0,8

0,6

0,4

0,2

0,0

UFN

ES

PV

ID

An

Boxplot of ESPVIDAn

A gráfica acima representa a ESPIVDA estado em Brasil para o ano 2010, a variabilidade é abrangente para todo o país, e não apresenta um numero

considerável de outliers. Os estados com maior variabilidade são AL, MA, PI, SE. A maioria faz parte do Nordeste. One-way ANOVA: ESPVIDAn versus UFN Source DF SS MS F P

UFN 25 147,7345 5,9094 425,85 0,000

Error 5538 76,8498 0,0139

Total 5563 224,5843

S = 0,1178 R-Sq = 65,78% R-Sq(adj) = 65,63%


Pooled StDev

Level N Mean StDev -+---------+---------+---------+--------

AC 22 0,4267 0,1243 (--*---)

AL 102 0,3049 0,1457 (*-)

AM 62 0,4216 0,1196 (-*-)

AP 16 0,5044 0,0891 (---*--)

BA 417 0,3951 0,1356 *)

CE 184 0,4029 0,0993 (*)

ES 78 0,6924 0,0784 (-*-)

GO 246 0,6914 0,0705 (*)

MA 217 0,3097 0,1264 (*)

MG 853 0,6840 0,1342 (*

MS 78 0,6733 0,1079 (-*-)

MT 141 0,6547 0,0810 (-*)

PA 143 0,4621 0,0955 (*)

PB 223 0,3777 0,1378 (*)

PE 185 0,3774 0,1576 (*)

PI 224 0,3500 0,1261 (*)

PR 399 0,6690 0,0943 (*

RJ 92 0,6491 0,0816 (*-)

RN 167 0,4093 0,1192 (*)

RO 52 0,5266 0,1099 (-*-)

RR 15 0,5685 0,0690 (---*---)

RS 496 0,7587 0,1003 (*

SC 293 0,7880 0,1319 (*

SE 75 0,3782 0,1274 (-*-)

SP 645 0,7387 0,0987 *)

TO 139 0,5308 0,1547 (*-)

-+---------+---------+---------+--------

0,30 0,45 0,60 0,75


3.2.9. Análise Discriminante 3.2.9.1. Análise Discriminante Linear por Região

A analise multivariada é utilizada para analisar dados quando tem-se feito multiplex medições onde se pode escolher:

Analisar a covariância para entendê-la ou para reduzir a dimensão dos dados.

Assignar observações aos grupos

Explorar relações dentro das variáveis categóricas

Interpretar os resultados é subjetivo já que a ferramenta Minitab não compara testes de significância para processos multivariados.

A análise discriminante classifica observações em dois ou mais grupos. Neste caso o objetivo é discriminar os valores dos municípios do Brasil, começando com a variável categórica Região.

Discriminant Analysis: REGIÃO CORRETA versus MORT1_np. ALFAB 18Mn. ... Linear Method for Response: REGIÃO CORRETA

Predictors: MORT1_np. ALFAB 18Mn. ESPVIDAn

Group CO N NE S SE

Count 465 449 1794 1188 1668

Summary of classification

True Group

Put into Group CO N NE S SE

CO 152 81 51 63 308

N 35 251 259 51 206

NE 3 79 1454 0 39

S 119 30 8 842 268

SE 156 8 22 232 847

Total N 465 449 1794 1188 1668

N correct 152 251 1454 842 847

Proportion 0,327 0,559 0,810 0,709 0,508

N = 5564 N Correct = 3546 Proportion Correct = 0,637

Squared Distance Between Groups

CO N NE S SE

CO 0,0000 2,3619 10,3407 0,9336 0,2044

N 2,3619 0,0000 4,6399 4,9365 3,2064

NE 10,3407 4,6399 0,0000 17,0651 11,1346

S 0,9336 4,9365 17,0651 0,0000 1,1715

SE 0,2044 3,2064 11,1346 1,1715 0,0000

Linear Discriminant Function for Groups

CO N NE S SE

Constant -52,64 -45,48 -44,30 -56,14 -50,64

MORT1_np 154,03 152,50 121,97 168,20 145,38

ALFAB 18Mn 50,66 51,45 64,33 45,36 49,24

ESPVIDAn -48,56 -59,35 -35,40 -59,00 -40,75

Discriminant Analysis: REGIÃO CORRETA versus MORT1_np. ALFAB 18Mn. ...

Quadratic Method for Response: REGIÃO CORRETA


Group CO N NE S SE

Count 465 449 1794 1188 1668


True Group

Put into Group CO N NE S SE

CO 142 39 26 79 98

N 25 263 306 0 197

NE 15 50 1400 0 41

S 148 13 1 1098 115

SE 135 84 61 11 1217

Total N 465 449 1794 1188 1668

N correct 142 263 1400 1098 1217

Proportion 0,305 0,586 0,780 0,924 0,730


From Generalized Squared Distance to Group

Group CO N NE S SE

CO -15,98 -12,20 -6,60 -3,11 -16,62

N -9,91 -15,84 -12,42 71,42 -8,20

NE 11,67 -10,99 -15,14 293,57 43,63

S -13,90 -11,50 -3,52 -18,33 -7,96

SE -15,78 -8,24 -2,42 0,12 -17,15

3.2.9.2. Análise Discriminante Linear por “4 Brasis” A segunda parte da tabela 4 representa o distancia entre os grupos, encontrando que as regiões Centro-Oeste e Sudeste podem conformar um agrupamento chamado COSE, assim ficariam 4 regiões i) COSE ii) N iii) NE iv) S

Discriminant Analysis: Reagrup versus MORT1_np. ALFAB 18Mn. ESPVIDAn Linear Method for Response: Reagrup


Group COSE N NE S

Count 2133 449 1794 1188


True Group

Put into Group COSE N NE S

COSE 1298 63 55 240

N 298 269 274 55

NE 46 80 1455 0

S 491 37 10 893

Total N 2133 449 1794 1188

N correct 1298 269 1455 893

Proportion 0,609 0,599 0,811 0,752



COSE N NE S

COSE 0,0000 2,9731 10,9153 1,0830

N 2,9731 0,0000 4,6407 4,9315

NE 10,9153 4,6407 0,0000 17,0632

S 1,0830 4,9315 17,0632 0,0000


COSE N NE S

Constant -50,95 -45,30 -44,12 -56,00

MORT1_np 146,20 151,18 120,65 167,04

ALFAB 18Mn 49,38 51,23 64,12 45,17

ESPVIDAn -41,48 -58,14 -34,20 -57,94

3.2.9.3. Análise Discriminante Quadrática por “4 Brasis”

Discriminant Analysis: Reagrup versus MORT1_np. ALFAB 18Mn. ESPVIDAn Quadratic Method for Response: Reagrup


Group COSE N NE S

Count 2133 449 1794 1188


True Group

Put into Group COSE N NE S

COSE 1416 94 62 36

N 338 292 323 9

NE 68 50 1407 1

S 311 13 2 1142

Total N 2133 449 1794 1188

N correct 1416 292 1407 1142

Proportion 0,664 0,650 0,784 0,961



Group COSE N NE S

COSE -16,16 -9,27 -3,46 -0,65

N -10,85 -15,84 -12,42 71,42

NE 11,83 -10,99 -15,14 293,57

S -13,14 -11,50 -3,52 -18,33

Discriminant Analysis: C48 versus MORT1_np. ALFAB 18Mn. ESPVIDAn Linear Method for Response: C48


Group COSEN NE S

Count 2582 1794 1188


True Group

Put into Group COSEN NE S

COSEN 1757 184 152

NE 217 1596 0

S 608 14 1036

Total N 2582 1794 1188

N correct 1757 1596 1036

Proportion 0,680 0,890 0,872



COSEN NE S

COSEN 0,0000 8,4596 1,2746

NE 8,4596 0,0000 15,6398

S 1,2746 15,6398 0,0000


COSEN NE S

Constant -48,54 -43,95 -54,42

MORT1_np 148,93 121,37 169,17

ALFAB 18Mn 50,40 64,39 45,96

ESPVIDAn -50,52 -36,54 -64,98

Discriminant Analysis: C48 versus MORT1_np. ALFAB 18Mn. ESPVIDAn Quadratic Method for Response: C48


Group COSEN NE S

Count 2582 1794 1188


True Group

Put into Group COSEN NE S

COSEN 1945 147 33

NE 281 1645 2

S 356 2 1153

Total N 2582 1794 1188

N correct 1945 1645 1153

Proportion 0,753 0,917 0,971



Group COSEN NE S

COSEN -15,24 -6,38 7,77

NE -3,30 -15,14 293,57

S -12,95 -3,52 -18,33

A melhor análise discriminante para os dados estudados é o método quadrático que melhora a proporção de numero de acertos e diminui a variabilidade, com um 85% considerando 4753 municípios corretamente.

3.2.9.4. Análise Discriminante Linear para dados agrupados

Para procurar uma Análise Discriminante com uma porcentagem de proporção mais correta, foi realizado o dendrograma do Cluster Analysis of Observations, para as três variáveis com maior F. Com base na similaridade poderemos definimos agrupamento de dados e após utilizamos a análise discriminante para verificar a proporção correta dos agrupamentos. (5 clusters)

SPSCRSRJ

MSPRM

TMG

GOESROAPTORRPAAMM

AALPIPBRNCESEPEBAAC

83,98

89,32

94,66

100,00

Observations

Sim

ila

rity

Dendrograma Média de Estado MORTI_np x ALFAB18 x ESPVIDA_np

Discriminant Analysis: Agrupamentos versus Morti_np_Mea. ALFAB18_Mean.... Linear Method for Response: Agrupamentos do Estado

Predictors: Morti_np_Mean. ALFAB18_Mean. ESPVIDA_Mean

Group G1 G2 G3 G4

Count 10 4 2 10


True Group

Put into Group G1 G2 G3 G4

G1 10 0 0 0

G2 0 4 0 0

G3 0 0 2 0

G4 0 0 0 10

Total N 10 4 2 10

N correct 10 4 2 10

Proportion 1,000 1,000 1,000 1,000



G1 G2 G3 G4

G1 0,0000 14,5087 37,3881 65,0848

G2 14,5087 0,0000 6,7171 24,8840

G3 37,3881 6,7171 0,0000 23,8269

G4 65,0848 24,8840 23,8269 0,0000


G1 G2 G3 G4

Constant -213,42 -195,61 -164,71 -227,40

Morti_np_Mean 154,00 172,73 179,13 106,43

ALFAB18_Mean 395,64 340,67 287,67 315,77

ESPVIDA_Mean 281,55 279,21 244,21 428,48

O estado de Maranhão (MA) foi o único Estado que ficou solto, razão pela qual foi integrado ao grupo 1 vermelho, para obter assim 100% de proporção correta com o agrupamento por método linear.

3.2.10 Regressão logística.

Para seguir com a comparação com os demais métodos a seguir se apresenta a regressão logística. COMPARAÇÃO DE MÉDIA, ANÁLISE DE VARIÂNCIA E INTERVALO DE CONFIANÇA. 3.2.10.1. ANOVA das variáveis. Segue abaixo os resultados da One-Way ANOVA para cada uma das três variáveis MORTI_np X ALFAB18 X ESPVIDA para verificar a ordem das regiões

One-way ANOVA: MORT1_np versus REGIÃO CORRETA Source DF SS MS F P

REGIÃO CORRETA 4 130,1073 32,5268 2871,93 0,000

Error 5559 62,9600 0,0113

Total 5563 193,0673

S = 0,1064 R-Sq = 67,39% R-Sq(adj) = 67,37%


Pooled StDev

Level N Mean StDev ---------+---------+---------+---------+

CO 465 0,8110 0,0706 (*)

N 449 0,6584 0,1230 (*)

NE 1794 0,5119 0,1529 *)

S 1188 0,8823 0,0558 *)

SE 1668 0,8167 0,0705 (*

---------+---------+---------+---------+

0,60 0,70 0,80 0,90


One-way ANOVA: ALFAB 18Mn versus REGIÃO CORRETA Source DF SS MS F P

REGIÃO CORRETA 4 193,5353 48,3838 2722,62 0,000

Error 5559 98,7892 0,0178

Total 5563 292,3245

S = 0,1333 R-Sq = 66,21% R-Sq(adj) = 66,18%


Pooled StDev

Level N Mean StDev -------+---------+---------+---------+--

CO 465 0,2616 0,0942 (*)

N 449 0,3801 0,1540 (*)

NE 1794 0,6109 0,1556 (*

S 1188 0,1607 0,0898 *)

SE 1668 0,2280 0,1365 (*)

-------+---------+---------+---------+--

0,24 0,36 0,48 0,60


One-way ANOVA: ESPVIDAn versus REGIÃO CORRETA Source DF SS MS F P

REGIÃO CORRETA 4 140,4313 35,1078 2319,16 0,000

Error 5559 84,1530 0,0151

Total 5563 224,5843

S = 0,1230 R-Sq = 62,53% R-Sq(adj) = 62,50%


Pooled StDev


CO 465 0,6772 0,0825 (*)

N 449 0,4886 0,1292 (*)

NE 1794 0,3714 0,1356 *)

S 1188 0,7358 0,1177 (*

SE 1668 0,7036 0,1202 *)

---+---------+---------+---------+------

0,40 0,50 0,60 0,70


MORTI_np NE N CO SE S

ESPVIDA NE N CO SE S

ALFAB18 S SE CO N NE

Depois de fazer a analise das três ANOVAS se determina que a classificação das regiões é:

NE (1)

N (2)

CO (3)

SE (4).

S (5)

3.2.10.2. Regressão Logistica Ordinal.

Ordinal Logistic Regression: Regiões codi versus MORT1_np. ALFAB 18Mn. ... Link Function: Logit

Response Information

Variable Value Count

Regiões codificadas 1 1794

2 449

3 465

4 1668

5 1188

Total 5564

Logistic Regression Table

95% CI

Predictor Coef SE Coef Z P Odds Ratio Lower

Const(1) 11,6814 0,445838 26,20 0,000

Const(2) 13,0963 0,456345 28,70 0,000

Const(3) 14,1116 0,463090 30,47 0,000

Const(4) 16,9096 0,483009 35,01 0,000

MORT1_np -36,3949 0,984000 -36,99 0,000 0,00 0,00

ALFAB 18Mn 5,96464 0,274596 21,72 0,000 389,41 227,34

ESPVIDAn 18,6810 0,668521 27,94 0,000 1,29729E+08 34993726,34

Predictor Upper

Const(1)

Const(2)

Const(3)

Const(4)

MORT1_np 0,00

ALFAB 18Mn 667,04

ESPVIDAn 4,80931E+08

Log-Likelihood = -4604,638

Test that all slopes are zero: G = 7107,982, DF = 3, P-Value = 0,000

Goodness-of-Fit Tests

Method Chi-Square DF P

Pearson 50904,0 22245 0,000

Deviance 9206,5 22245 1,000

Measures of Association:

(Between the Response Variable and Predicted Probabilities)

Pairs Number Percent Summary Measures

Concordant 10611295 91,8 Somers' D 0,84

Discordant 933644 8,1 Goodman-Kruskal Gamma 0,84

Ties 19194 0,2 Kendall's Tau-a 0,63

Total 11564133 100,0

Ordinal Logistic Regression: Grupos versus Morti_np_Mea. ALFAB18_Mean. ... Link Function: Logit

Response Information

Variable Value Count

Grupos 1 9

2 4

3 2

4 10

5 1

Total 26

Logistic Regression Table

95% CI

Predictor Coef SE Coef Z P Odds Ratio Lower Upper

Const(1) -11,7337 8,66133 -1,35 0,176

Const(2) -9,33871 8,48549 -1,10 0,271

Const(3) -8,09481 8,44142 -0,96 0,338

Const(4) -2,93701 8,17544 -0,36 0,719

Morti_np_Mean 21,6310 15,6267 1,38 0,166 2,47875E+09 0,00 4,96248E+22

ALFAB18_Mean 17,8917 8,15988 2,19 0,028 58917674,53 6,68 5,19937E+14

ESPVIDA_Mean -22,6305 14,9018 -1,52 0,129 0,00 0,00 718,06

Log-Likelihood = -19,620

Test that all slopes are zero: G = 30,716, DF = 3, P-Value = 0,000

Goodness-of-Fit Tests

Method Chi-Square DF P

Pearson 13918,0 97 0,000

Deviance 39,2 97 1,000

Measures of Association:

(Between the Response Variable and Predicted Probabilities)

Pairs Number Percent Summary Measures

Concordant 218 92,0 Somers' D 0,84

Discordant 18 7,6 Goodman-Kruskal Gamma 0,85

Ties 1 0,4 Kendall's Tau-a 0,62

Total 237 100,0

Consideração.

Em comparação com o resultado do Analise Discriminante que teve 85,2% de confiabilidade, o método de regressão logística melhora o agrupamento por região e a analises dos dados, já que aumenta esta confiabilidade para 91,8%, e 92% por grupos.

3.2.11. Arvores de Classificação.

A porcentagem de acerto deste modelo é de 70,1. El árbol no consigue distinguir N. A árvore considera que as variáveis mais importantes são: em primeiro lugar Supervivência Infantil de até um ano. (Morti_np). Sem considerar o valor F.

3.2.12. Análise de correspondências.

Simple Correspondence Analysis: Morti_np_Mean. ALFAB18_Mean. ESPVIDA_Mean Relative Inertias

mi a18 esp Total

AC 0,002 0,016 0,003 0,021

AL 0,019 0,100 0,015 0,133

AM 0,000 0,002 0,002 0,005

AP 0,003 0,006 0,000 0,009

BA 0,002 0,019 0,004 0,025

CE 0,003 0,029 0,007 0,040

ES 0,002 0,019 0,004 0,025

GO 0,003 0,018 0,003 0,024

MA 0,011 0,058 0,009 0,078

MG 0,001 0,013 0,004 0,018

MS 0,000 0,017 0,008 0,025

MT 0,002 0,017 0,004 0,023

PA 0,000 0,000 0,000 0,000

PB 0,007 0,047 0,009 0,063

PE 0,004 0,034 0,007 0,046

PI 0,009 0,061 0,011 0,082

PR 0,005 0,027 0,004 0,036

RJ 0,006 0,038 0,006 0,050

RN 0,003 0,025 0,006 0,034

RO 0,003 0,009 0,001 0,013

RR 0,000 0,000 0,000 0,001

RS 0,007 0,055 0,012 0,074

SC 0,006 0,057 0,015 0,077

SE 0,004 0,029 0,006 0,038

SP 0,004 0,045 0,012 0,061

TO 0,000 0,000 0,000 0,000

Total 0,106 0,740 0,154 1,000

Analysis of Contingency Table

Axis Inertia Proportion Cumulative Histogram

1 0,0960 0,9917 0,9917 ******************************

2 0,0008 0,0083 1,0000

Total 0,0968

Row Contributions

Component 1 Component 2

ID Name Qual Mass Inert Coord Corr Contr Coord Corr Contr

1 AC 1,000 0,037 0,021 -0,237 1,000 0,022 -0,004 0,000 0,001

2 AL 1,000 0,034 0,133 -0,612 0,994 0,134 -0,047 0,006 0,096

3 AM 1,000 0,035 0,005 -0,100 0,800 0,004 0,050 0,200 0,110

4 AP 1,000 0,036 0,009 0,142 0,841 0,008 0,062 0,159 0,171

5 BA 1,000 0,035 0,025 -0,262 0,999 0,025 0,007 0,001 0,002

6 CE 1,000 0,038 0,040 -0,316 0,997 0,040 0,016 0,003 0,012

7 ES 1,000 0,043 0,025 0,238 0,999 0,025 -0,008 0,001 0,003

8 GO 1,000 0,044 0,024 0,230 1,000 0,024 0,004 0,000 0,001

9 MA 1,000 0,032 0,078 -0,487 0,995 0,078 -0,034 0,005 0,045

10 MG 1,000 0,042 0,018 0,201 0,979 0,018 -0,030 0,021 0,046

11 MS 1,000 0,039 0,025 0,240 0,928 0,024 -0,067 0,072 0,220

12 MT 1,000 0,040 0,023 0,233 0,995 0,023 -0,016 0,005 0,013

13 PA 1,000 0,035 0,000 -0,013 0,233 0,000 0,024 0,767 0,026

14 PB 1,000 0,038 0,063 -0,403 1,000 0,063 -0,003 0,000 0,000

15 PE 1,000 0,036 0,046 -0,348 0,999 0,046 0,008 0,001 0,003

16 PI 1,000 0,036 0,082 -0,466 0,999 0,083 -0,010 0,001 0,005

17 PR 1,000 0,042 0,036 0,286 0,993 0,036 0,024 0,007 0,030

18 RJ 1,000 0,039 0,050 0,354 0,997 0,051 0,019 0,003 0,018

19 RN 1,000 0,038 0,034 -0,293 0,998 0,034 0,012 0,002 0,007

20 RO 1,000 0,036 0,013 0,182 0,961 0,012 0,037 0,039 0,060

21 RR 1,000 0,042 0,001 0,037 0,700 0,001 0,024 0,300 0,030

22 RS 1,000 0,043 0,074 0,407 1,000 0,074 -0,008 0,000 0,004

23 SC 1,000 0,043 0,077 0,413 0,994 0,077 -0,031 0,006 0,052

24 SE 1,000 0,035 0,038 -0,324 1,000 0,039 0,002 0,000 0,000

25 SP 1,000 0,042 0,061 0,376 0,994 0,061 -0,028 0,006 0,041

26 TO 1,000 0,039 0,000 0,004 0,161 0,000 0,008 0,839 0,003

Column Contributions



1 mi 1,000 0,421 0,106 0,153 0,963 0,103 0,030 0,037 0,476

2 a18 1,000 0,249 0,740 -0,536 1,000 0,746 -0,004 0,000 0,005

3 esp 1,000 0,330 0,154 0,209 0,972 0,151 -0,036 0,028 0,519

Symmetric Plot

0,500,250,00-0,25-0,50-0,75

0,50

0,25

0,00

-0,25

-0,50

-0,75

Component 1

Co

mp

on

en

t 2

espa18

miTOSP

SESCRS

RR RORN RJPRPI PEPB

PAMTMS

MGMAGOES

CEBAAPAM

ALAC

Symmetric Plot Média por Estado

Simple Correspondence Analysis: Morti_np_StDev. ALFAB18_StDev. ESPVIDA_StDev Relative Inertias

mi a18 esp Total

AC 0,001 0,002 0,005 0,008

AL 0,031 0,014 0,001 0,047

AM 0,002 0,029 0,018 0,049

AP 0,000 0,002 0,001 0,003

BA 0,009 0,003 0,001 0,013

CE 0,000 0,002 0,003 0,006

ES 0,024 0,011 0,001 0,036

GO 0,023 0,014 0,000 0,037

MA 0,011 0,000 0,006 0,018

MG 0,022 0,006 0,003 0,031

MS 0,001 0,006 0,013 0,020

MT 0,014 0,006 0,001 0,021

PA 0,001 0,010 0,006 0,017

PB 0,010 0,004 0,001 0,015

PE 0,009 0,002 0,001 0,012

PI 0,010 0,002 0,002 0,014

PR 0,012 0,000 0,008 0,019

RJ 0,013 0,001 0,007 0,020

RN 0,004 0,002 0,000 0,006

RO 0,015 0,048 0,013 0,076

RR 0,057 0,198 0,060 0,315

RS 0,014 0,001 0,022 0,038

SC 0,007 0,020 0,052 0,079

SE 0,007 0,001 0,003 0,011

SP 0,002 0,012 0,023 0,037

TO 0,016 0,032 0,005 0,052

Total 0,315 0,429 0,256 1,000



1 0,0294 0,6868 0,6868 ******************************

2 0,0134 0,3132 1,0000 *************

Total 0,0429

Row Contributions



1 AC 1,000 0,048 0,008 0,042 0,242 0,003 0,075 0,758 0,020

2 AL 1,000 0,053 0,047 -0,151 0,602 0,041 0,122 0,398 0,059

3 AM 1,000 0,052 0,049 0,188 0,873 0,062 0,072 0,127 0,020

4 AP 1,000 0,029 0,003 -0,063 0,978 0,004 -0,009 0,022 0,000

5 BA 1,000 0,049 0,013 -0,077 0,517 0,010 0,074 0,483 0,020

6 CE 1,000 0,038 0,006 0,054 0,467 0,004 0,058 0,533 0,010

7 ES 1,000 0,025 0,036 0,195 0,621 0,032 -0,152 0,379 0,043

8 GO 1,000 0,023 0,037 0,223 0,725 0,039 -0,137 0,275 0,033

9 MA 1,000 0,050 0,018 -0,035 0,080 0,002 0,119 0,920 0,052

10 MG 1,000 0,042 0,031 0,118 0,440 0,020 -0,133 0,560 0,056

11 MS 1,000 0,030 0,020 -0,103 0,370 0,011 -0,134 0,630 0,040

12 MT 1,000 0,026 0,021 0,142 0,587 0,018 -0,119 0,413 0,028

13 PA 1,000 0,038 0,017 0,130 0,870 0,022 0,050 0,130 0,007

14 PB 1,000 0,050 0,015 -0,080 0,499 0,011 0,080 0,501 0,024

15 PE 1,000 0,057 0,012 -0,062 0,415 0,007 0,073 0,585 0,023

16 PI 1,000 0,047 0,014 -0,061 0,295 0,006 0,094 0,705 0,031

17 PR 1,000 0,027 0,019 0,040 0,054 0,002 -0,169 0,946 0,058

18 RJ 1,000 0,024 0,020 0,061 0,103 0,003 -0,180 0,897 0,057

19 RN 1,000 0,042 0,006 -0,062 0,585 0,005 0,052 0,415 0,008

20 RO 1,000 0,030 0,076 -0,326 0,994 0,110 -0,026 0,006 0,002

21 RR 1,000 0,041 0,315 0,568 0,989 0,454 0,059 0,011 0,011

22 RS 1,000 0,026 0,038 -0,028 0,012 0,001 -0,248 0,988 0,119

23 SC 1,000 0,031 0,079 -0,179 0,291 0,034 -0,279 0,709 0,179

24 SE 1,000 0,048 0,011 -0,040 0,169 0,003 0,089 0,831 0,028

25 SP 1,000 0,025 0,037 -0,156 0,391 0,021 -0,195 0,609 0,071

26 TO 1,000 0,048 0,052 -0,216 0,995 0,076 0,016 0,005 0,001




1 mi 1,000 0,291 0,315 -0,159 0,542 0,249 0,146 0,458 0,461

2 a18 1,000 0,371 0,429 0,222 0,993 0,620 0,018 0,007 0,009

3 esp 1,000 0,338 0,256 -0,107 0,352 0,131 -0,145 0,648 0,530

Symmetric Plot

0,60,40,20,0-0,2-0,4

0,6

0,4

0,2

0,0

-0,2

-0,4

Component 1

Co

mp

on

en

t 2

esp

a18

mi

TO

SP

SE

SCRS

RR

RO

RN

RJPR

PIPEPB

PA

MTMS MG

MA

GOES

CEBA

AP

AM

AL

AC

Symmetric Plot Desvio Padrao Morti Mi, Alfab18 a18, Espvida Esp

Região

Simple Correspondence Analysis: Morti_np_Mean. ALFAB18_Mean. ESPVIDA_Mean Relative Inertias

mi a18 esp Total

CO 0,002 0,016 0,003 0,021

N 0,019 0,100 0,015 0,133

CO 0,000 0,002 0,002 0,005

NE 0,003 0,006 0,000 0,009

SE 0,002 0,019 0,004 0,025

SE 0,003 0,029 0,007 0,040

N 0,002 0,019 0,004 0,025

NE 0,003 0,018 0,003 0,024

NE 0,011 0,058 0,009 0,078

NE 0,001 0,013 0,004 0,018

NE 0,000 0,017 0,008 0,025

SE 0,002 0,017 0,004 0,023

CO 0,000 0,000 0,000 0,000

NE 0,007 0,047 0,009 0,063

NE 0,004 0,034 0,007 0,046

N 0,009 0,061 0,011 0,082

S 0,005 0,027 0,004 0,036

N 0,006 0,038 0,006 0,050

NE 0,003 0,025 0,006 0,034

NE 0,003 0,009 0,001 0,013

S 0,000 0,000 0,000 0,001

N 0,007 0,055 0,012 0,074

SE 0,006 0,057 0,015 0,077

N 0,004 0,029 0,006 0,038

S 0,004 0,045 0,012 0,061

N 0,000 0,000 0,000 0,000

Total 0,106 0,740 0,154 1,000



1 0,0960 0,9917 0,9917 ******************************

2 0,0008 0,0083 1,0000

Total 0,0968

Row Contributions



1 CO 1,000 0,037 0,021 -0,237 1,000 0,022 -0,004 0,000 0,001

2 N 1,000 0,034 0,133 -0,612 0,994 0,134 -0,047 0,006 0,096

3 CO 1,000 0,035 0,005 -0,100 0,800 0,004 0,050 0,200 0,110

4 NE 1,000 0,036 0,009 0,142 0,841 0,008 0,062 0,159 0,171

5 SE 1,000 0,035 0,025 -0,262 0,999 0,025 0,007 0,001 0,002

6 SE 1,000 0,038 0,040 -0,316 0,997 0,040 0,016 0,003 0,012

7 N 1,000 0,043 0,025 0,238 0,999 0,025 -0,008 0,001 0,003

8 NE 1,000 0,044 0,024 0,230 1,000 0,024 0,004 0,000 0,001

9 NE 1,000 0,032 0,078 -0,487 0,995 0,078 -0,034 0,005 0,045

10 NE 1,000 0,042 0,018 0,201 0,979 0,018 -0,030 0,021 0,046

11 NE 1,000 0,039 0,025 0,240 0,928 0,024 -0,067 0,072 0,220

12 SE 1,000 0,040 0,023 0,233 0,995 0,023 -0,016 0,005 0,013

13 CO 1,000 0,035 0,000 -0,013 0,233 0,000 0,024 0,767 0,026

14 NE 1,000 0,038 0,063 -0,403 1,000 0,063 -0,003 0,000 0,000

15 NE 1,000 0,036 0,046 -0,348 0,999 0,046 0,008 0,001 0,003

16 N 1,000 0,036 0,082 -0,466 0,999 0,083 -0,010 0,001 0,005

17 S 1,000 0,042 0,036 0,286 0,993 0,036 0,024 0,007 0,030

18 N 1,000 0,039 0,050 0,354 0,997 0,051 0,019 0,003 0,018

19 NE 1,000 0,038 0,034 -0,293 0,998 0,034 0,012 0,002 0,007

20 NE 1,000 0,036 0,013 0,182 0,961 0,012 0,037 0,039 0,060

21 S 1,000 0,042 0,001 0,037 0,700 0,001 0,024 0,300 0,030

22 N 1,000 0,043 0,074 0,407 1,000 0,074 -0,008 0,000 0,004

23 SE 1,000 0,043 0,077 0,413 0,994 0,077 -0,031 0,006 0,052

24 N 1,000 0,035 0,038 -0,324 1,000 0,039 0,002 0,000 0,000

25 S 1,000 0,042 0,061 0,376 0,994 0,061 -0,028 0,006 0,041

26 N 1,000 0,039 0,000 0,004 0,161 0,000 0,008 0,839 0,003




1 mi 1,000 0,421 0,106 0,153 0,963 0,103 0,030 0,037 0,476

2 a18 1,000 0,249 0,740 -0,536 1,000 0,746 -0,004 0,000 0,005

3 esp 1,000 0,330 0,154 0,209 0,972 0,151 -0,036 0,028 0,519

Symmetric Plot

0,500,250,00-0,25-0,50-0,75

0,50

0,25

0,00

-0,25

-0,50

-0,75

Component 1

Co

mp

on

en

t 2

espa18

miNS

NSEN

S NENE NS

N NENECO

SENE

NENENENSESE

NECO

NCO

Symmetric Plot Média por Regiao para Morti_np, Alfab18_np, Espvida_np

Simple Correspondence Analysis: Morti_np_StDev. ALFAB18_StDev. ESPVIDA_StDev Relative Inertias

mi a18 esp Total

CO 0,001 0,002 0,005 0,008

N 0,031 0,014 0,001 0,047

CO 0,002 0,029 0,018 0,049

NE 0,000 0,002 0,001 0,003

SE 0,009 0,003 0,001 0,013

SE 0,000 0,002 0,003 0,006

N 0,024 0,011 0,001 0,036

NE 0,023 0,014 0,000 0,037

NE 0,011 0,000 0,006 0,018

NE 0,022 0,006 0,003 0,031

NE 0,001 0,006 0,013 0,020

SE 0,014 0,006 0,001 0,021

CO 0,001 0,010 0,006 0,017

NE 0,010 0,004 0,001 0,015

NE 0,009 0,002 0,001 0,012

N 0,010 0,002 0,002 0,014

S 0,012 0,000 0,008 0,019

N 0,013 0,001 0,007 0,020

NE 0,004 0,002 0,000 0,006

NE 0,015 0,048 0,013 0,076

S 0,057 0,198 0,060 0,315

N 0,014 0,001 0,022 0,038

SE 0,007 0,020 0,052 0,079

N 0,007 0,001 0,003 0,011

S 0,002 0,012 0,023 0,037

N 0,016 0,032 0,005 0,052

Total 0,315 0,429 0,256 1,000



1 0,0294 0,6868 0,6868 ******************************

2 0,0134 0,3132 1,0000 *************

Total 0,0429

Row Contributions



1 CO 1,000 0,048 0,008 0,042 0,242 0,003 0,075 0,758 0,020

2 N 1,000 0,053 0,047 -0,151 0,602 0,041 0,122 0,398 0,059

3 CO 1,000 0,052 0,049 0,188 0,873 0,062 0,072 0,127 0,020

4 NE 1,000 0,029 0,003 -0,063 0,978 0,004 -0,009 0,022 0,000

5 SE 1,000 0,049 0,013 -0,077 0,517 0,010 0,074 0,483 0,020

6 SE 1,000 0,038 0,006 0,054 0,467 0,004 0,058 0,533 0,010

7 N 1,000 0,025 0,036 0,195 0,621 0,032 -0,152 0,379 0,043

8 NE 1,000 0,023 0,037 0,223 0,725 0,039 -0,137 0,275 0,033

9 NE 1,000 0,050 0,018 -0,035 0,080 0,002 0,119 0,920 0,052

10 NE 1,000 0,042 0,031 0,118 0,440 0,020 -0,133 0,560 0,056

11 NE 1,000 0,030 0,020 -0,103 0,370 0,011 -0,134 0,630 0,040

12 SE 1,000 0,026 0,021 0,142 0,587 0,018 -0,119 0,413 0,028

13 CO 1,000 0,038 0,017 0,130 0,870 0,022 0,050 0,130 0,007

14 NE 1,000 0,050 0,015 -0,080 0,499 0,011 0,080 0,501 0,024

15 NE 1,000 0,057 0,012 -0,062 0,415 0,007 0,073 0,585 0,023

16 N 1,000 0,047 0,014 -0,061 0,295 0,006 0,094 0,705 0,031

17 S 1,000 0,027 0,019 0,040 0,054 0,002 -0,169 0,946 0,058

18 N 1,000 0,024 0,020 0,061 0,103 0,003 -0,180 0,897 0,057

19 NE 1,000 0,042 0,006 -0,062 0,585 0,005 0,052 0,415 0,008

20 NE 1,000 0,030 0,076 -0,326 0,994 0,110 -0,026 0,006 0,002

21 S 1,000 0,041 0,315 0,568 0,989 0,454 0,059 0,011 0,011

22 N 1,000 0,026 0,038 -0,028 0,012 0,001 -0,248 0,988 0,119

23 SE 1,000 0,031 0,079 -0,179 0,291 0,034 -0,279 0,709 0,179

24 N 1,000 0,048 0,011 -0,040 0,169 0,003 0,089 0,831 0,028

25 S 1,000 0,025 0,037 -0,156 0,391 0,021 -0,195 0,609 0,071

26 N 1,000 0,048 0,052 -0,216 0,995 0,076 0,016 0,005 0,001




1 mi 1,000 0,291 0,315 -0,159 0,542 0,249 0,146 0,458 0,461

2 a18 1,000 0,371 0,429 0,222 0,993 0,620 0,018 0,007 0,009

3 esp 1,000 0,338 0,256 -0,107 0,352 0,131 -0,145 0,648 0,530

Symmetric Plot

0,60,40,20,0-0,2-0,4

0,6

0,4

0,2

0,0

-0,2

-0,4

Component 1

Co

mp

on

en

t 2

esp

a18

mi

N

S

N

SEN

S

NE

NE

NS

NNENE

CO

SENE NE

NE

NEN

SESE

NE

CO

N

CO

Symmetric Plot Desv Padrao por Regiao Morti_np, Alfab18, Espvida

4. CONSIDERAÇÕES FINAIS.

A regressão logística pode ser superior do que o a análise discriminante e este foi o caso do presente trabalho já que o modelo que oferece uma melhor porcentagem de acerto é a Regressão Logística com 90% de acerto.

A região que apresenta as melhores condições de vida para as variáveis analisadas no Brasil é o Sul, isto é destacável nos gráficos Summary e Box-Plot.

As ANOVAS permitem identificar a ordem das variáveis apresentando a variabilidade de seus dados.

Neste caso as informações foram normalizadas razão pela qual os indicadores das diferentes variáveis estão entre 0,000 e 1.

Existem vários cenários para estudar o Brasil, falamos no trabalho de 4 Brasis, 3 Brasis porque a diferencia entre as regiões em termos econômicos e de qualidade de vida é muito amplia.

atlas brasil 2013 dimensÃo …...pontÍficia universidade catÓlica de sÃo paulo faculdade de...

Documents