02 JorgeRibeiro

Mestrado Integrado em ARQUITECTURA
Seminrios de Apoio ao Projecto Final de Mestrado
Escher's "Relativity" em LEGO, 2003
Jorge Tavares Ribeiro, Prof. Aux. FAUTL, Inv. CERENA

Maro 10
Escher (Relativity, 1953)
CERENA
Centro de Recursos
Naturais e Ambiente
UNIVERSIDADE TCNICA DE LISBOA

F AC U L D AD E D E AR Q U I T E C T U R A

Objectivos
Proporcionar o conhecimento dos mtodos de trabalho

cientfico e formas de organizao de artigos e relatrios
cientficos;
Desenvolver conceitos de colecta de dados e concepo

e organizao de questionrios e inquritos;
Sensibilizar os alunos para o tratamento estatstico de

dados de diferentes naturezas e provenincias;

Bibliografia
Eco, Umberto (2005) Como se faz uma tese em cincias humanas. 12 edio, Editorial
Presena. Lisboa. 238 p.
Escofier, Brigitte; Pags, Jrme (1997) Initiation aux Traitements Statistiques

mthodes, mthodologie. Presses Universitaires de Rennes.
Escofier, Brigitte; Pags, Jrme (1998) Analyses Factorielles Simples et Multiples

objectifs, mthodes et interprtation. 3e dition. Dunod.
Foddy, W. (1996) Como perguntar. Teoria e prtica da construo de perguntas para

entrevistas e questionrios. Celta Editora. Oeiras.
Ghiglione, Rodolphe; Matalon, Benjamin (2005) O Inqurito Teoria e Prtica. 4 Edio,

Celta Editora. Oeiras. 336 p.
Guimares, Rui Campos; Cabral, Jos A. Sarsfield (1998) Estatstica. McGraw Hill.
Murteira, Bento J. (1993) Anlise exploratria de dados. Estatstica descritiva. McGraw Hill.
Pereira, Alexandre ; Poupa, Carlos (2003) Como escrever uma tese, monografia ou livro
cientfico: usando o Word. 3 edio, Edies Slabo. Lisboa. 226 p.
Silvestre, Antnio Lus (2007) Anlise de dados e estatstica descritiva.
Escolar Editora.
FACULDADE
DE
ARQUITECTURA
MTODO CIENTFICO E EXPERIMENTAL
JORGE MANUEL TAVARES RIBEIRO

2008, 2009
FA - UTL, LISBOA

Science is only the image of the truth

Sir Francis Bacon (1561-1626)

Metodologia da investigao cientfica

um trabalho planeado
O trabalho cientfico caracteriza-se por:

trabalho muito bem planeado;
com alguns objectivos iniciais;
algumas fases ou etapas que habitualmente, porm nem sempre,
ocorrem numa certa ordem.
O trabalho planeado permite abordar problemas, explicar
fenmenos, realizar descobertas e obter concluses de carcter
geral.
fenmeno qualquer modificao observvel e passvel de repetio.

Um objectivo sem um plano

s um desejo
Antoine de Saint-Exupry (1900-1944)


um trabalho de equipa
Ainda que no princpio os cientistas concebessem as suas ideias e as experimentassem
solitariamente, na actualidade essa forma de trabalho est ultrapassada.
Hoje em dia, homens e mulheres de Cincia associam-se em equipas mais

ou menos numerosas, na maior parte das vezes multidisciplinares e
transdisciplinares, trabalhando organizadamente com a inteno de
explicar os factos e fenmenos em estudo.


um trabalho que procura encontrar solues
Quando um investigador ou grupo de investigadores estuda algum fenmeno,
normalmente comea por enquadr-lo sob a forma de QUESTO cuja
resposta desconhecida.
Ou seja, o homem de cincia entende que a busca para a explicao de um facto tal e qual a
apresentao do enunciado de um problema para o qual ele deve encontrar uma soluo.
facto fenmeno de reconhecimento indiscutvel.
A razo pela qual um cientista decide estudar um determinado fenmeno e no outro, prende-se com o
interesse pessoal que esse fenmeno lhe desperta e com a preparao acadmica que tem, ainda que, por
vezes, tambm seja influenciado pelas necessidades da sociedade, uma vez que, um certo trabalho cientfico
tem, em determinadas ocasies, um carter social marcante.


um trabalho que se baseia em conhecimentos j existentes
Os investigadores no partem do 'zero'.
A investigao aproveita os conhecimentos existentes e j consolidados
sobre o objecto de estudo.
Devido a isso, diz-se que a Cincia cumulativa, i.e., que os novos
conhecimentos se constroem sobre os anteriores e, dessa forma, tais
conhecimentos vo-se ampliando.


um trabalho qualitativo e quantitativo
O investigador realiza observaes do tipo qualitativo.
Nestas observaes analisa-se um determinado fenmeno, procurando-se estabelecer por que
motivo ele acontece, que factores intervm nele, que relao tem com outros fenmenos, etc.
Em geral, esse um primeiro procedimento entre o facto observado e a tentativa de descrev-lo.


um trabalho qualitativo e quantitativo
Porm, sempre que possvel, o investigador efectua tambm medies
rigorosas e precisas do tipo quantitativo e, se possvel, formula
matematicamente as suas observaes e concluses.
A Matemtica uma ferramenta forte na estruturao e estabelecimento de padres na Cincia.
Assim, por exemplo, para determinar a velocidade de propagao do som em diferentes meios, os cientistas constataram em
primeiro lugar que essa velocidade dependia da massa especfica do meio (aspecto qualitativo) e logo depois puderam, com
equipamento adequado, medir a velocidade do som em diferentes meios (aspecto quantitativo), obtendo que,
no ar se propaga a 340 m/s, na gua a 1 500 m/s, no ferro a 5 130 m/s, etc.


um trabalho que obtm resultados
Quando um trabalho cientfico concluido, os resultados obtidos tm valor
universal, i.e, baseando-se neles poderemos predizer que,
sempre que se tomem as mesmas condies em que foi feito o trabalho,
se produzir o mesmo fenmeno que foi observado e explicado.
Para que uma teoria cientfica tenha valor universal dever ser comprovada repetidas vezes nos
laboratrios e na realidade, mas, ainda assim, nunca poderemos estar seguros de que no futuro
no possa ocorrer uma dessas experincias na qual a citada teoria no se confirme.
Basta que, apenas em um caso, uma experincia contradiga uma teoria para que esta se torne
invlida.
A histria da cincia tem-nos mostrado diversas dessas 'quedas de teorias e suas substituies
por novas. Todas as teorias cientficas tm um carcter provisrio, e podem modificar-se quando
se encontram outras que explicam de uma forma mais completa o fenmeno ou fenmenos que
se pretendiam explicar.


um trabalho que usa o mtodo cientfico e experimental
Este mtodo alterou a maneira de fazer cincia, que at a se limitava quase s observao.
As teorias comearam a ser postas prova pela experincia.
Problema
Observao
Instrumentos
e Tcnicas
Pesquisa
Hiptese(s)
Experimentao
Anlise
de Dados
Resultados
Concluses


Exemplo
Imagine-se no papel de investigador tendo como OBJECTIVO dar uma
explicao para um fenmeno natural como, por exemplo, o arco-ris.
Como planearia a sua actividade e que passos daria at encontrar

resposta a todas as perguntas que envolvem o fenmeno do arco-ris?


A observao do fenmeno
Uma vez definido o fenmeno a estudar arco-ris,
a primeira coisa a fazer observar o seu acontecimento,
as circunstncias em que se produz e suas caractersticas.
Esta observao deve ser realizada vrias vezes (deve ser repetida reiterada);
minuciosa (deve-se tentar apreciar o maior nmero possvel de detalhes),
rigorosa (deve ser realizada com a maior preciso possvel) e
sistemtica (deve ser efectuada de forma ordenada).


Em que circunstncias aparece o arco-ris?
A observao reiterada e sistemtica do
fenmeno permitir constatar que o arco-ris
aparece quando chove (mais tarde poder-se- simular a
chuva, em laboratrio, e no ser necessrio ficar espera que
e, alm disso, que h Sol (mais tarde, no

laboratrio, um boa lmpada ir simular o Sol) .
'chova')
A mesma sequncia de observaes far com

que se perceba que o arco-ris s ser visvel
quando estiver situado entre o sol e a chuva,
de costas para o Sol.
Anotar no seu caderno de campo:
"O arco-ris no visto de qualquer lugar em que eu fique e,
quando o vejo, estou de costas para o Sol, entre o Sol e a chuva".

Qual a forma do arco-ris?

A forma do arco-ris a de um arco de circunferncia.
Porm, no dever anotar apenas isso no seu caderno de campo.
Anote tambm:
Ser que observando do alto de uma montanha o tamanho desse arco
aumenta ou diminui?
O raio mdio da circunferncia altera-se?
Se eu estiver num avio ter ele, ainda, a forma de um arco?


Que cores ele nos mostra e em que ordem aparecem?
Poder observar (apenas usando a viso) que existem 7 cores
diferentes no arco-ris e que so, de dentro para fora do arco:
VAAVAAV Violeta, Anilado, Azul, Verde, Amarelo, Alaranjado e Vermelho .


Recolha de informaes
Como passo seguinte e com o objectivo de confirmar e reafirmar as
observaes efectuadas, devem-se consultar livros, enciclopdias,
sites da internet ou revistas cientficas que j descrevem algo sobre
o fenmeno que est a ser, uma vez mais, estudado.
No esquecer que nos livros se encontram os conhecimentos cientficos acumulados ao
longo da histria. Por esse motivo, a busca de informaes e a utilizao dos
conhecimentos existentes so imprescindveis em todo trabalho cientfico.


Coincidem as informaes encontradas com as obtidas
durante as observaes?
A consulta de qualquer livro de Fsica Elementar confirmar-lhe- que as
concluses a que chegou atravs de suas observaes so correctas.
Ou seja:
a) O arco-ris s aparece e pode ser visto quando chove e,
alm disso, quando h sol.
b) O arco-ris apresenta sempre as mesmas cores e essas
sucedem-se na mesma ordem.
Tome nota de que o livro de texto elementar no deu resposta s suas dvidas anotadas
no seu caderno de campo; talvez outros livros as dem.


Que outras informaes
foram obtidas nos livros
consultados?
A consulta de livros e revistas
podero inform-lo que,
por exemplo, por vezes,
aparecem dois arcos-ris,
se bem que um deles bem mais
tnue que o outro e,
portanto, mais difcil de ver.


Arco-ris principal e secundrio.
A formulao de hipteses
Depois de observar o fenmeno e de reunir documentao suficiente sobre
observaes j efectuadas por outros, o investigador deve procurar uma
argumentao que permita explicar e justificar cada uma das caractersticas
de tal fenmeno.
Como primeiro passo desta fase, o investigador comea a fazer vrias

conjecturas ou suposies a partir das quais, posteriormente,
mediante uma srie de comprovaes experimentais, eleger como
explicao do fenmeno a mais completa e simples, a que melhor se
ajuste aos conhecimentos gerais da cincia no momento.
Essa explicao racional, razovel e suficiente denomina-se
hiptese cientfica.


O arco-ris um fenmeno
luminoso?
Parece que sim,
uma vez que s se produz
quando existe uma fonte
luminosa (o Sol).

A sua existncia est

relacionada com a gua?
A resposta tambm afirmativa,

dado que o arco-ris s aparece
quando chove.


um fenmeno de reflexo
ou de refraco?
Parece que, priori, podemos
descartar a reflexo,
dado que o aparecimento do
fenmeno no se observa em nenhum
corpo opaco reflector.
Por outro lado, podemos propor a
hiptese de que o arco-ris seja um
fenmeno de refraco da luz e que
seu aparecimento se d por causa da
decomposio da luz solar quando
essa passa atravs das gotas de gua
da chuva. uma hiptese razovel.


A comprovao experimental
Uma vez formulada a hiptese, o investigador deve comprovar que esta
vlida em todos os casos e, para tal, deve realizar experincias nas quais se
reproduzam o mais fielmente possvel as condies nas quais se verifique o
fenmeno estudado.
Se sob tais condies o fenmeno acontece, a hiptese ter validade, ou
seja, ser uma proposio verdadeira nas condies estipuladas.


Como fazer para reproduzir as condies de
aparecimento do arco-ris?
Comear por simular a chuva e, para tal devese ter gua a cair em gotas.
No difcil fazer isso, basta pegar numa mangueira de regar o jardim e
apertar a extremidade de sada com as mos de modo a fazer um jacto
fino e largo.
Dirigir o jacto para cima e voltar-se de costas

para o Sol.
Reproduziu-se com fidelidade os requisitos
indispensveis para o aparecimento do arco-ris;
simulou a chuva, h sol e colocou-se entre
ambos.


Que acontecer quando realizar essa experincia?
Seguindo todos os passos descritos anteriormente, poder
comprovar que no horizonte da chuva ir aparecer um
pequeno arco-ris.
Poder-se- admitir como vlida a
hiptese formulada?
Tudo indica que sim, porque com as
mesmas condies da Natureza,
porm em escala reduzida, consegue-se
obter um arco-ris.

Trabalho de laboratrio
Artists conception of the University of Miamis

new laboratory research building, slated to open in 2008
Uma das principais actividades do trabalho cientfico a de realizar medidas

sobre as diversas variveis que intervm no fenmeno que se estuda e que so
susceptveis de serem medidas.
Com a experincia realizada anteriormente dificilmente se poder fazer alguma
medida, por isso, conveniente repetir a experincia num lugar adequado onde
isso possa ser feito o laboratrio.


Trabalho de laboratrio
As experincias realizadas nos laboratrios experincias cientficas devem cumprir os seguintes
requisitos:
a) Devem permitir realizar uma observao sobre

a qual se possa extrair dados.
b) Devem permitir que os distintos factores que intervm
no fenmeno (luminosidade, temperatura, etc.) possam
ser individualmente controlados.
c) Devem permitir que se possam realizar (repetir) tantas
vezes quanto necessrias e por distintos operadores.
Habitualmente, em cincias experimentais, os trabalhos de laboratrio permitem estabelecer modelos,
que so situaes ou suposies tericas mediante as quais se efectua uma analogia entre o
fenmeno que ocorre na Natureza e a experincia realizada.


Como se pode fazer uma montagem em laboratrio na qual se
possa efectuar medidas sobre o fenmeno arco-ris?
Preparar um modelo que verifique as seguintes equivalncias na Natureza e no Laboratrio:
o Sol substitui-se por uma fonte de luz (projetor);
os raios de Sol substituem-se por um estreito feixe de luz procedente da fonte;
as gotas de chuva substituem-se por um balo cheio de gua;
o fundo do cu substitui-se por uma tela na qual se recolhe a luz.
Efectuando-se a montagem acima e dirigindo o feixe de luz proveniente da fonte para o balo cheio
de gua (e isso pode ser substitudo por um bolbo de lmpada incandescente da qual se extraiu seu
miolo), poder observar projectado sobre a tela, uma a seguir outra, as cores que formam o arcoris.


Como explicar o que ocorreu?
Quando o estreito feixe de luz branca passa pela gua, ocorre uma mudana de direco e
uma ampliao da abertura do feixe fenmeno da refraco.
As luzes coloridas provenientes dessa decomposio atingem a tela.
Cada gota da chuva tem esse comportamento. Os milhares de gotas de

chuva que participam nessa decomposio que tornam possvel ver o
arco-ris no horizonte.
Alm dessa importante observao, a experincia permite medir os
diferentes ngulos de desvio de cada uma das cores em relao ao
estreito feixe incidente inicial.
Assim, se comprova que a formao do arco-ris pode ser explicada pelas
leis que regem a refraco da luz.


O tratamento dos dados
As medidas efectuadas sobre os factores que intervm num
determinado fenmeno devem permitir encontrar algum tipo de
relao matemtica entre as grandezas fsicas que caracterizam o
fenmeno em estudo.
Para chegar a essa relao matemtica os investigadores procuram
seguir dois passos prvios:
i.
a anlise dos factores pertinentes;
ii. a construo de tabelas e grficos.


1. Anlise dos factores (anlise de sensibilidade)
O estudo em profundidade de um fenmeno requer, em primeiro lugar,
a determinao de todos os factores intervenientes.
Para que esse estudo se realize de forma mais simples, fixa-se uma srie de
grandezas que no variem (variveis controladas) e
estuda-se a maneira como varia uma dada grandeza (varivel dependente)
quando se produz uma variao de outra grandeza (varivel independente).
Assim, se reconhecidamente existem 10 factores a intervir num dado fenmeno, fixam-se os
valores de 8 deles, varia-se deliberadamente (de modo muito bem determinado)
um dos dois restantes e determina-se, mediante cuidadosas medidas que variao sofreu o factor
restante.
Este procedimento repetido ciclicamente at se esgotar toda a srie.


exemplo:
Quer-se estudar o efeito da espessura de um tipo de isolamento
trmico de um edifcio.
H um conjunto de grandezas que, de incio, podero ser
consideradas com valores invariveis (temperatura exterior,
a presso atmosfrica, a humidade relativa do ar, etc.),
que correspondem s variveis controladas.
A medida da temperatura interior ser a varivel dependente e a
espessura do isolamento das paredes e cobertura ser a varivel
independente (fazem-se variar as espessuras desses isolamentos).


2. Construo de tabelas
A construo de tabelas consiste em ordenar

os dados numricos obtidos para a varivel dependente
em correspondncia com os dados numricos da
varivel independente.
Tipo de isolamento A
espessura (cm)
temperatura (C)
28
26
22
20
20


2.Construo de grficos
A representao grfica consiste em transferir os dados das medidas (pares
ordenados) para um sistema de eixos cartesianos ortogonais onde,
normalmente, a
varivel independente se faz corresponder ao eixo X (eixo das abscissas)
enquanto que a
varivel dependente se faz corresponder ao eixo Y (eixo das ordenadas).
Denomina-se ajustamento do grfico ao processo pelo qual se determina qual a melhor
linha (modelo) que passa (que se ajusta) por todos os pontos (ou pela maioria deles) do
grfico, representativo dos pares ordenados.


As concluses e a comunicao de resultados
A anlise dos dados e a comprovao das hipteses levam os
investigadores a emitirem as suas concluses, que podem ser
empricas (baseadas na experimentao),
ou dedutivas (obtidas mediante um processo de raciocnio do
qual se parte de uma verdade conhecida (premissa verdadeira)
at chegar explicao do fenmeno).
Uma vez bem solidificadas essas concluses, estas devem ser
comunicadas e divulgadas para a restante comunidade cientfica
para que sirvam de ponto de partida para outras descobertas ou
como fundamento de uma aplicao tecnolgica prtica.


Revistas Cientficas (Journals from Routledge)


Revistas Cientficas (Journals from Elsevier)


Qual o caminho trilhado para se chegar
explicao da formao do arco-ris?
O primeiro cientista que estudou de forma rigorosa a decomposio da luz foi

Sir Isaac Newton (1642 - 1727) e as suas publicaes serviram para que,
posteriormente, a formao do arco-ris pudesse ser bem explicada.
Mais tarde, a tecnologia aproveitou o fenmeno da refrao da luz e foram
inventados numerosos instrumentos pticos, como:
mquinas fotogrficas, projetores, etc.,
cujo funcionamento est relacionado com este fenmeno.


Elaborao de Leis e Teorias
O estudo cientfico de todos os aspectos de um
fenmeno pode conduzir elaborao de leis e teorias.
Uma lei cientfica uma hiptese, cuja validade
tenha sido comprovada.
Uma teoria cientfica um conjunto de leis que
explicam um determinado fenmeno ou um grupo
de fenmenos.
Assim, por exemplo, a hiptese comprovada de que o arco-ris se
forma devido refraco da luz branca (solar) ao atravessar as gotas
de chuva, uma lei integrante de um conjunto de leis que regem
outros fenmenos luminosos
(reflexo, disperso, difraco etc.).
Esse conjunto conhecido como a Teoria da luz.


Requisitos das Leis e Teorias:
a) Devem ser gerais, ou seja, no devem explicar apenas casos
particulares de um fenmeno.
b) Devem ser comprovadas, ou seja, devem ser suportadas pela
experimentao.
c) Devem, quando possvel, estar 'matematizadas', ou seja, devem
poder expressar-se mediante funes matemticas.
As teorias cientficas tm validade at que sejam incapazes de explicar
determinados factos ou fenmenos, ou at que alguma descoberta
nova comprovada se oponha a elas.
A partir de ento, os investigadores comeam a elaborar outra
teoria que possa explicar essas novas descobertas.
A Cincia conhecimento evolutivo e dinmico e no estacionrio.

A que concluso chegaria se visse um arco-ris

num dia sem chuva?
FACULDADE
DE
ARQUITECTURA
PROCESSOS E REGRAS GERAIS

DE TRABALHOS CIENTFICOS
2008
FA - UTL, LISBOA

O artigo cientfico (paper)

Ttulo
Resumo
Introduo
Objectivos
Estado da Arte
Hipteses
Metodologia
Amostragem
Instrumentao
Anlise de Dados
Resultados
Discusso de resultados
Concluses
Referncias Bibliogrficas
TITLE
ABSTRACT
INTRODUCTION
OBJECTIVES
REVIEW OF THE
RESEARCH / STATE OF
THE ART
HYPOTHESES
METHODOLOGY
SAMPLING
INSTRUMENTATION
DATA ANALYSIS
RESULTS
DISCUSSION / IMPLICATIONS
CONCLUSIONS
REFERENCES

O plano de trabalho da dissertao

Ttulo e tema da dissertao
1.Introduo
2. Objectivo(s)
3. Estado da Arte
4. Metodologia
5. Cronograma
6. Resultado(s) esperado(s)
7. Referncias bibliogrficas e bibliografia

A Dissertao
Capa;
A primeira pgina deve ser uma cpia da capa. As pginas seguintes devem respeitar a sequncia
indicada:
a) Resumo em portugus com cerca de 200 palavras e cerca de 5 palavras chave;
b) Resumo em ingls com cerca de 200 palavras e cerca de 5 palavras chave;
c) Agradecimentos (opcional);
d) ndices;
e) Glossrio de termos e abreviaturas;
f)
Texto da dissertao;
g) Referncias bibliogrficas;
h) Anexos.
A capa e a primeira pgina no so numeradas. O texto referido nas alneas f) a h) do nmero
anterior deve ser numerado, com numerao rabe, sequencialmente comeando no
nmero 1
As pginas referidas nas alneas a) a e) devem ser numeradas sequencialmente com numerao
romana.

A Dissertao Capa

Ttulo
A escolha do ttulo pode contribuir para o xito do artigo/publicao;

Original e criativo;
Conciso;
Claro, sem ambiguidades, sem ser demasiado generalista;
Eventual subttulo para clarificar o assunto especificamente.

Resumo (com palavras-chave) e

Abstract (com keywords)
Sntese do(s) assunto(s) do trabalho, da metodologia e das principais concluses;

Devem ser escritos de forma a ajudar leitores da mesma rea a decidir
sobre a leitura ou no da totalidade do trabalho;
Evitar usar abreviaturas;
No exceder 200 palavras.
Cerca de 5 palavras-chave e keywords

que destaquem os temas e/ou tcnicas abordados(as).

ndices
ndice do trabalho, de figuras, de fotografias, de quadros, de tabelas,
de frmulas, etc.
1. Introduo
1.1. Enquadramento (inclui estrutura do trabalho)
1.2. Objectivo(s)
1.3. Metodoglogia
2. Estado da Arte
...
...
...
5. Discusso de resultados
6. Concluses
7. Desenvolvimentos futuros
8. Referncias bibliogrficas
9. Anexos
Glossrio de termos e abreviaturas

Texto do trabalho
Dividido em captulos e sub-captulos. Os ttulos dos captulos e sub-captulos
em que se estrutura e organiza hierarquicamente o trabalho no devem
ir alm de quatro nveis, considerando o ttulo de cada captulo principal
como correspondendo ao nvel 1;
Estilo narrativo a utilizar deve ser coerente do princpio ao fim do trabalho;
Estilo Plural Magesttico (ns);
Estilo Impessoal (fez-se, procurou-se, conclui-se, etc.)
Estilo de carcter narrativo (o autor referiu, o autor concluiu, etc.)
Estilo pessoal (pretendo, procurei, conclu, etc.)
As afirmaes directas devem ser documentadas, remetendo para as fontes;
A seleco e oportunidade das citaes um importante factor de avaliao
de um trabalho cientfico.

Texto do trabalho
Palavras ou expresses estrangeiras isoladas devem ocorrer em itlico;
Evitar linguagem pleonstica;
Forma pleonstica
Forma correcta
antdoto contra
coincidir com
subir para cima
entrar para dentro
breve alocuo
monoplio exclusivo
principal protagonista
sob o ponto de vista
antdoto para
coincidir em
subir para
entrar
alocuo
monoplio
protagonista
do ponto de vista

Texto do trabalho
Citaes:
autor;
ano de publicao;
pgina(s).
Exemplos:
(Nemsio, 1970: 24)
(Ribeiro, 1999: 212)
(Escofier e Pags, 2002)
(Pereira et al., 1993a)
(Pereira et al., 1993b)

Por ordem alfabtica dos apelidos.
de livros:
exemplos:
autor./,
ttulo./,
volume./,
n de edio,
tradutor,
coleco,
editor,
local de publicao,
data,
pgina(s).
Barthes, Roland. O Prazer do texto. Traduo de Maria Margarida

Barahona, col. Signos, Edies 70, Lisboa, 1988.
Lopes, scar; Saraiva, A. Jos. Histria da Literatura Portuguesa.
15 ed., Porto Editora, Porto, 1989 (1 ed., 1955).
Srgio, A. Ensaios. Vol.1, 3 ed., col. Clssicos S da Costa, S
da Costa, Lisboa, s.d., 224 pp.
Bouroche, J.-M.; Saporta, G. (1998) Lanalyse des donnes.
7e dition, Paris, France, 126 pp.
Benzcri, J.-P. Pratique de lanalyse des donnes. Vol. 1, Dunod,
1980, 424 pp.
Ribeiro, J. Formulao de ndices quantitativos com base
na discriminao baricntrica. Tese de Doutoramento, UTL/IST,
Lisboa, 1999. 322 pp.;

de artigos de livros:
autor./,
ttulo do artigo,
ttulo da publicao./,
volume./,
n de edio,
tradutor,
editor,
local de publicao,
data,
pgina(s).
exemplos:
Bersani, Leo. Realism and the Fear of Desire, in Realism.
Ed. por Lilian R. Furst, Longman, Londres e Nova Iorque, 1992, 240-60.
Derrida, Jacques. On commence et comment finit un corps
enseignant, in Politiques de la philosophie. Ed. por Dominique Grisoni,
Bernard Grasset, Paris, 1976, 55-97.
Pereira, H.G.; Brito, G.; Albuquerque, T.; Ribeiro, J. Geostatistical
estimation of a summary recovery index for marble quarries.
Geostatistics Tria 92, vol. 2, Amlcar Soares ed.,
Kluwer Academic Publishers, 1993, 1029-1040.
AA. VV. Geostatistical estimation of a summary recovery index
for marble quarries. Geostatistics Tria 92, vol. 2, Amlcar Soares eds.,
Kluwer Academic Publishers, 1993, 1029-1040.

de artigos de revistas ou jornais:
autor./,
ttulo do artigo,
ttulo da publicao./,
volume,
n de srie,
tradutor,
editor,
local de publicao,
data,
pgina(s).
exemplos:
Derrida, Jacques. Signature Event Context, Glyph. Vol.1, The Johns
Hopkins University Press, Baltimore, 1977, 172-97.
Loureno, Eduardo. Um Rio de ntimo Sossego, Pblico (09-07-1994).
Sen, Z. Cumulative semivariogram models of regionalized variables.
Math. Geol., vol. 21, n 8, 1989, 891-903.

de sites da WWW:
autor, instituio./
endereo./,
data de consulta.
exemplos:
Wikipedia. http://pt.wikipedia.org/wiki/Azulejo
(consultado em Outubro de 2007)
Instituto Cames. http://www.instituto-camoes.pt/cvc/azulejos/index.html
(consultado em Outubro de 2007)
Ponte, Carlos Alberto Bicudo (2002). Aproveitamento de Recursos
Geotrmicos para Produo de Electricidade nos Aores. Boletim
de Minas, Vol. 39 - n 3/4. Instituto Geolgico e Mineiro. Lisboa.
in http://e-geo.ineti.pt/geociencias/publicacoes/ (consultado em Maro de 2005)

Instrues especficas

Instrues especficas

Instrues especficas

Instrues especficas

Instrues especficas
FACULDADE
DE
ARQUITECTURA
INTRODUO
ESTATSTICA
2008, 2009
FA - UTL, LISBOA

O que a Estatstica?
A palavra Estatstica tem a sua origem no latim status designao esta que significa
Estado, no sentido poltico do termo. Segundo diversos autores, o termo Estatstica foi
usado pela primeira vez em 1589 pelo historiador italiano Girolami Ghilini num estudo
civile, politica, statistica e militare scienza.
a Estatstica a cincia que se dedica obteno de

dados e respectivo tratamento inicial, com a finalidade de,
atravs da aplicao adequada do clculo de probabilidades,
inferir de uma amostra para a populao, e eventualmente
mesmo prever a evoluo futura de um fenmeno
(previso).
INTERNATIONAL STATISTICAL INSTITUTE

A mais antiga organizao cientfica no governamental do mundo

A obteno de dados
A Amostragem a disciplina que se ocupa das questes
associadas obteno de amostras convenientes,
nomeadamente no que respeita dimenso, que deve ser
adequada para a obteno de estimativas populacionais
com a preciso que interessa.
O Planeamento de Experincias a disciplina complementar da
Amostragem, no que respeita obteno dos dados. Com efeito, quando
se pretende estabelecer relaes entre variveis mais importante ainda
produzir os dados que devem ser analisados, ou pelo menos controlar
tudo quanto se possa controlar, aleatorizar o que no for possvel
controlar.

O tratamento inicial
O tratamento inicial compreende a ordenao, o clculo
de caractersticas amostrais, o agrupamento em classes,
as representaes grficas em suma, aquilo que constitui um dos
ramos da Estatstica a estatstica descritiva (ou estatstica dedutiva) e anlise
exploratria de dados.
O outro ramo da Estatstica a inferncia estatstica (ou estatstica indutiva) que tem por base a Teoria das
Probabilidades, permite induzir do que se verifica numa amostra para a populao de que esta foi extrada, i.e.
tomar decises sobre hipteses, estimar parmetros populacionais a partir das caractersticas amostrais
relevantes, comparar populaes, relacionar uma varivel resposta com variveis controladas, etc., constituindo
um instrumento de previso da evoluo futura de um fenmeno em estudo.

Classificaes da Estatstica
ESTATSTICA DESCRITIVA ou DEDUTIVA
ESTATSTICA
ESTATSTICA INDUTIVA ou INFERNCIA ESTATSTICA
Estatstica Descritiva ou Estatstica Dedutiva corresponde s tcnicas

sistemticas de organizao, classificao, sumarizao, reduo e
interpretao de dados.
Estatstica Indutiva ou Inferncia Estatstica o mtodo cientfico que
permite obter concluses (inferir) para um conjunto de elementos
designado por populao ou universo com base na anlise de uma parte
ou amostra deste conjunto.

Variveis
CARACTERSTICAS
VARIVEIS
VARIVEIS QUALITATIVAS: No podem ser representadas numericamente
VARIVEIS QUANTITATIVAS: So representveis numericamente

Var.
QUANTITATIVAS DISCRETAS: os valores so observados somente em pontos isolados ao longo de

uma escala (Processos de Contagem);
Var.
QUANTITATIVAS CONTNUAS: podem assumir um valor qualquer numa gama de valores de uma
escala (Processos de Medio)

Escalas de Representao das Variveis

Escala NOMINAL: os dados so identificados por um nome que designa uma classe,
sendo as classes:
- Mutuamente exclusivas;
- Exaustivas;
- No ordenveis.
Escala ORDINAL: possibilidade de estabelecer uma ordenao das classes;
Escala de INTERVALO: os dados so diferenciados e ordenados por nmeros expressos
numa escala com origem arbitrria;
Escala ABSOLUTA: Tem origem fixa.
Grau crescente de conhecimento

Variveis
Nominal
ESCALAS
Ordinal
Intervalo
Qualitativas
Quantitativas
Absoluta
X

A obteno de informao
Inquirindo um nmero restrito de pessoas, com a condio
de que estas tenham sido correctamente escolhidas,
possvel obter as mesmas informaes, com uma certa
margem de erro (erro quantificvel), que se pode tornar
suficientemente pequeno.
A Amostra deve apresentar caractersticas idnticas s da populao, i.e.,
deve ser representativa.
A amostra representativa se os elementos que a constituem forem escolhidas por um processo tal que todos
os elementos da populao tenham a mesma probabilidade de fazer parte da amostra.

Dimensionamento de amostras
Recolher e tratar uma amostra grande de mais para os resultados que se
pretendem obter, constitui um evidente desperdcio de recursos;
Recolher uma amostra cuja dimenso no suficiente para se poderem tirar
concluses, constitui um erro.
A dimenso requerida para as amostras aumentar naturalmente, medida que aumentam

os seguintes parmetros:
A preciso do intervalo de confiana (que varia na razo inversa da sua
amplitude);
O grau de confiana do intervalo (i.e. a probabilidade de este vir a incluir o
parmetro).

EXEMPLO:
Edifcios a recuperar num bairro
Qual dever ser a dimenso da amostra para que a amplitude do

intervalo de confiana a 95 % para a proporo de edifcios a recuperar
no ultrapasse 0.06?
p z / 2
z / 2 z 0.025 1.96
z / 2 z 0.01 2.33 z / 2 z 0.05 1.64
Y N Y
N
Y a proporo real
Y N Y
1.96
0.03
3
N

EXEMPLO:
A proporo de edifcios a recuperar num bairro ser estimada a partir de um grupo de
edifcios constitudo para esse efeito.
Para determinar uma estimativa de p pode-se recolher uma amostra piloto de dimenso
fixada arbitrariamente. Admita-se que a partir de uma amostra de n = 30 edifcios se obteve
y = 3 edifcios a necessitar de recuperao.
Ento
y 3
p
0.1
n 30
0.1 N N 0.1 N
1.96
0.03
3
N
N 384.16
ou
N 385
FACULDADE
DE
ARQUITECTURA
AMOSTRAGEM
QUESTIONRIOS E INQURITOS
2008
FA - UTL, LISBOA

Questionrios Objectivos
Estimar certas grandezas absolutas:
despesas ao longo de um certo perodo de tempo, percentagem de pessoas com uma
determinada opinio, percentagem de pessoas que lem um certo jornal ou que
compram um determinado produto, etc.
Estimar grandezas relativas:

por exemplo, quando se elabora uma tipologia, fazer uma estimativa da
proporo de cada tipo na populao estudada.
Descrever uma populao ou sub-populao:

por exemplo, determinar as caractersticas dos compradores de um produto, dos
leitores de um jornal, daqueles que afirmam ter um certa opinio, etc.
Verificar hipteses sob a forma de relaes entre 2 ou mais variveis:

por exemplo, verificar se a natureza ou a frequncia de um comportamento varia
com a idade, se as opinies e os comportamentos relativos a um determinado objecto
so coerentes.

Questionrios Elaborao
A construo do questionrio e a formulao das questes constituem

uma fase crucial do desenvolvimento de um inqurito.
Para construir um questionrio obviamente necessrio:
Saber com exactido o que se procura,

Garantir que as questes tm o mesmo significado para todos;
Que os diferentes aspectos da questo tenham sido bem
abordados;
Que cada questo contenha uma nica pergunta;

Questionrios Execuo
Um questionrio deve parecer uma troca de palavras to natural quanto
possvel e as questes encadearem-se umas nas outras sem repeties
nem despropsitos.
Se necessrio garantir uma certa coerncia no contedo das questes
e na sucesso dos temas, a variedade na forma das questes , em
geral, bem recebida, evitando uma impresso de monotonia, a qual
constitui um dos principais perigos dos questionrios longos.
Questionrios entre 45 60 min.
Questionrios < 10 min.
As justificaes das respostas, sob a forma de porqu, provocam
facilmente a irritao das pessoas.

Tipos de questes em relao ao contedo
Sobre FACTOS, em princpio susceptveis de serem conhecidos sem ser

atravs de um inqurito.
Por exemplo: qual o jornal que leu ontem, em que lugar trabalha, onde passou as ltimas
frias, etc.
Sobre OPINIES, ATITUDES, PREFERNCIAS, etc.

Por exemplo: pensa que este jornal objectivo?, Porque passou as frias nesse local?, o
trajecto at ao seu local de trabalho cansativo?, etc.

Tipos de questes em relao forma

Questes ABERTAS, s quais a pessoa responde como quer, utilizando
o seu prprio vocabulrio, fornecendo os pormenores e fazendo os
comentrios que considera correctos, anotando-se integralmente o que
foi dito dificuldades de codificao.
Questes FECHADAS, onde se apresenta pessoa, depois de colocada
a questo, uma lista preestabelecida de respostas possveis dentre as
quais se pede que indique a que melhor corresponde que deseja dar.
Ordenar objectos (pessoas, opinies, situaes), atribuir notas, constituir

categorias, estabelecer correspondncias, etc.

Tipos de questes questes fechadas

Respostas previstas inscritas numa ficha
Indicar a resposta mais adequada;
Indicar vrias respostas, sendo livre o nmero de repostas possveis;
Indicar vrias respostas, sendo fixo o nmero de repostas possveis;
Ordenar todas as respostas, da menos mais adequada;
Ordenar as n (nmero fixo) respostas mais adequadas.
Lista de respostas:
Sim / No;
Longa;
No sei;
Outras respostas

Formulao das questes preparao

Testar as perguntas numa pequena amostra;
Redigidas em vocabulrio simples;
Controlar a estrutura lgica da questo;
Evitar negaes de frases interrogativas e duplas negaes
No necessrio que o psiclogo no tenha muito poder na empresa?
Evitar que uma resposta possa ser dada por razes muito diferentes;
Deseja a nacionalizao das grandes empresas?
Evitar termos vagos como frequentemente, muitos, etc.;

Evitar termos carregados de afectividade, de juzos de valor e de conotaes;
Evitar perguntas embaraosas do tipo:
voc masturba-se?
substituir por
com que idade comeou a masturbar-se?

Formulao das questes Exemplos

1. O psiclogo indispensvel ao bom andamento da empresa.
de acordo;
em desacordo
ou
absolutamente de acordo (2);
relativamente de acordo (1);
relativamente em desacordo (-1);
absolutamente em desacordo (-2).
2. O psiclogo indispensvel ao bom andamento da empresa?
sim;
no
ou
3. Na sua opinio, o psiclogo indispensvel ao bom andamento da empresa?
sim;
no
Com qual destas opinies est mais de acordo?
O psiclogo indispensvel ao bom andamento da empresa;
O psiclogo presta servios numa empresa, mas pode-se passar sem ele;
O psiclogo totalmente intil numa empresa;
O psiclogo s serve para encobrir os verdaeiros problems da empresa.

Quando se termina a redaco de um questionrio, perguntar:

Todas as questes sero compreendidas, e sero compreendidas da mesma forma por
todos e da forma prevista pelo investigador?
Algumas questes no sero muito difceis?
As listas de respostas propostas s questes fechadas cobrem todas as respostas
possveis?
Todas as respostas sero aceites pelas pessoas? No haver alguma que provoque muitas
recusas inutilizveis?
A ordem das questes aceitvel? No haver demasiadas rupturas, i.e. passagens
inesperadas e sem motivo de um assunto para outro?
Algumas questes no podero influenciar as respostas s questes seguintes?
No haver questes inteis, seja porque faltaro informaes complementares para a
interpretao das suas respostas, seja porque a quase totalidade das pessoas dar a
mesma resposta?
Como que as pessoas reagiro ao conjunto do questionrio? No o consideraro muito
longo, aborrecido, difcil, indirecto, parcial?
FACULDADE
DE
ARQUITECTURA
ESTATSTICA
Univariada, Bivariada, Multivariada

2007, 2009
FA - UTL, LISBOA

ENQUADRAMENTO
Como tratar objectivamente

grandes volumes de informao,
apresentada normalmente sob a forma de dados amorfos
e de natureza diferente, cuja estrutura no clara a priori,
que tem
importncia muito relevante
para
resolver problemas prticos?

ENQUADRAMENTO
Identificao
da
Comp.
Incl.
N Int.
Curv.
Abert.
0102001
22.5
38.5
3.8
4.77
39.0
0102002
24.2
36.5
2.5
3.22
21.5
.
.
.
.
.
.
.
.
.
.
.
.
0403114
62.4
44.5
Rochas ornamentais
descontinuidade
.
.
Local
e
.
.
.
perodo
de .
.
. IBO
amostragem
16.8
2.21
AN2
0403115
73.1
45.9
17.5
.
.
.
OD .
.
.
.
pH.
11.9
8.0
19.8
38
4.07
Cond
.
.
.
CQO
.
1200
42
17.0
5
97
.
.
.
.
.
.
.
.
.
.
.
.
NA7
58
indivduos
24.6
8.1
798
NM8
110
01A 7.7
19
1
333
Doena
infecciosa
.
.
.
.
Identificao
.
.
. dos
.
271
.
.
.
CMPR
.
Fosf.
Cu
Fe
0.96
0.01
0.96
0.22
gua
superficial
1
169
0.88
AF3
7.3
Sulf.
2
8.2
.
.
.
.Nit.
41
.
.
.
DIAG
.
33
0.19
.
.
.
TEMP
.
.
.
.
.
.
.
. FSTR .
25
54
2
15
24
0.21
1
.
.
.
STAY
.1
0
.
.
.
.
CD45
RO/4
CD25
CD25/3
CVIRAL
1.43
1
.
1.2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
02A
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
54A
55A

ENQUADRAMENTO
Sustentabilidade das intervenes de

reabilitao em edifcios pombalinos

ENQUADRAMENTO

ENQUADRAMENTO
Caracterizao
da habitao em Maputo

ENQUADRAMENTO
Sustentabilidade das intervenes de reabilitao em edifcios pombalinos
Localizao geogrfica

ENQUADRAMENTO
Caracterizao da habitao em Maputo

Localizao geogrfica
ZPT
Bengalena Island
MGNN
MHT
ABZ
Xefina Pequena
MJHZ
GD
3F
BGM
25Ja
25Jb
IGa NSL
Aeroporto
Xefina Grande
IGb
Jard
MVa
Esturio
do Espirito Santo
U7
LC
MATOLA
Catembe
MAPUTO
APb
APa
CHMd
CHMc
XPM
MLG
Main Road
10 Km
MKD
Railway
Airport
Water
Maputo City
MVb
FPLM
PCNb
MXQd
PCNa
MFL MHGb
Coop Somm
MHGa
Cta
Ctb
PCTb
Ctc
PCTa
AMa
AMb
Ferr
HLa
MXQa
MXQb
Urb
MXQc
CHMb
CHMa
CS
LL
HLb
Machava
Bairros Boundaries
4 Km

ENQUADRAMENTO
Anlise estatstica univariada de dados (11 variveis)
Meses secos
Meses hmidos
FACULDADE
DE
ARQUITECTURA
ESTATSTICA
Estatstica Univariada

2007, 2009
FA - UTL, LISBOA

Distribuies de Frequncia
DADOS QUALITATIVOS
Distribuio dos dados por um conjunto de diferentes Categorias ou Classes:
Tabelas de Frequncia;
Diagramas de Barras;
Diagramas Circulares.
Exemplo: Numa amostra constituda por 120 edifcios, constatou-se que 100 estavam em bom estado de conservao,
15 necessitavam de obras de recuperao e 5 eram para demolir.
Tabela de Frequncias Absolutas e Relativas
Diagramas de Barras
Diagrama Circular
Categorias
fA
fr (%)
120
Obras de recuperao
A demolir
Totais
100
83.3
15
12.5
4.2
120
100.0
4%
13%
Bom estado de
conservao
A necessitar de
recuperao
Freq. Absolutas
100
Bom estado
80
60
40
20
A demolir
83%
Nk
k 1
FREQUNCIA RELATIVA: Proporo

do nmero total de dados:
N
fr k
N
ou
A necessitar de
recuperao
A demolir
A necessitar de
recuperao
A demolir
90
N
f r (%) k 100
N
360 f
A
N
80
em que:
A ngulo;
f frequncia;
N nmero de dados
Ferq. Relativas (%)
FREQUNCIA ABSOLUTA: Nmero de

indivduos, Nk, pertencentes a cada uma
das K classes, e por consequncia
Bom estado de
conservao
70
60
50
40
30
20
10
0
Bom estado de
conservao

Codificao
DADOS QUALITATIVOS
QUADRO DE DADOS QUALITATIVOS
QUADRO DISJUNTIVO COMPLETO

DADOS QUANTITATIVOS
Agrupamento dos dados em Classes ou Categorias, juntamente com as
frequncias correspondentes
Representaes Tabular ou Grfica;
Estatsticos;
Representao Grfica de Estatsticos
Estatsticos
bsicos
IBO
OD
(%)
T
(C)
pH
Cond
(S/cm)
CQO
(mg/l)
Sulf.
(mg/l)
Nit.
(mg/l)
Fosf.
(mg/l)
Cu
(mg/l)
Fe
(mg/l)
Mdia
4.26
80.9
16.8
7.9
1763.0
15.5
487.7
35.524
0.140
0.008
0.259
Mediana
4.0
87.0
16.8
7.7
1470.0
10.0
297.0
4.500
0.100
0.000
0.180
Mnimo
1.0
23.0
5.7
5.9
155.0
0.0
9.4
0.000
0.000
0.000
0.000
Mximo
5.0
131.0
29.2
11.6
7780.0
138.0
3190.0
202.000
1.700
0.094
2.250
1 Quartil
4.0
66.0
12.9
7.3
343.0
5.0
35.0
0.300
0.000
0.000
0.080
3 Quartil
5.0
95.0
20.9
8.2
2750.0
21.0
940.0
51.500
0.200
0.013
0.350
Amplitude
4.0
108.0
23.5
5.7
7625.0
138.0
3180.6
202.000
1.700
0.094
2.250
1.0
29.0
8.0
0.9
2407.0
16.0
905.0
51.200
0.200
0.013
0.270
0.84
457.5
33.5
0.9
327.8
2.9x10
2819.82
0.043
-4
0.093
0.916
21.390
5.784
0.962
1524.38
18.106
537.973
53.102
0.207
0.014
0.304
-1.361
-0.519
0.051
1.667
0.995
3.035
1.456
1.602
3.889
2.895
3.121
Amplitude
entre quartis
Varincia
Desvio
padro
2.3x10
2.0x10
Coeficiente
de
Assimetria

Intervalos e limites de classe
Exemplo: Consumo mensal de energia elctrica (em kWh) de uma srie de 180 edifcios de uma cidade.
502.25
498.35
500.36
499.20
503.76
499.19
500.24
498.65
500.86
497.72
499.38
499.83
.
.
.
.
.
.
.
.
.
.
.
.
TABELA DE FREQUNCIAS
Intervalo da classe
Limite superior
Limite inferior
AMPLITUDE DA CLASSE:
PONTO MDIO DA CLASSE:
fA
f Aa
fr (%)
f ra (%)
497.00 499.00
499.00 501.00
501.00 503.00
503.00 505.00
505.00 507.00
39
88
31
16
6
39
127
158
174
180
21.7
48.9
17.2
8.9
3.3
21.7
70.6
87.8
96.7
100.0
Totais
180
Consumo (kWh)
c lim . superior lim. inferior
pm
lim. superior lim inferior

2
100.0
REGRAS PARA A ELABORAO DE DISTRIBUIES DE FREQUNCIAS:

Determinao do Mximo, do Mnimo e Amplitude Total;
Divide-se a Amplitude Total por um nmero razovel de classes (5 a 20);
Determina-se o nmero de observaes que pertencem a cada classe,
ou seja as frequncias de cada classe.

Histogramas e Polgonos de Frequncia

HISTOGRAMAS DE FREQUNCIAS ABSOLUTAS E RELATIVAS
E POLGONO DE FREQUNCIAS ABSOLUTAS
100
90
POLGONO DE FREQUNCIAS
RELATIVAS ACUMULADAS
70
60
50
40
120
30
20
10
0
495-497 497-499 499-501 501-503 503-505 505-507 507-509
(g)
Consumo Peso
(kWh)
60
Freq. Relativas (%)
50
40
Freq. Relativas Acumuladas (%)
Freq. Absolutas
80
100
80
60
40
20
30
0
495
20
497
499
501
503
505
507
509
(g)
ConsumoPeso
(kWh)
10
0
495-497
497-499
499-501
501-503
503-505
505-507
507-509
Peso (g)
Consumo (kWh)

Curvas de Frequncia
simtrica
assimtrica positiva
forma J
forma J invertido
bimodal
assimtrica negativa
forma U
multimodal

Medidas de Tendncia Central

Mdia aritmtica
Populao () ou Amostra X
Dados no agrupados
Sendo a amostra constituda por N dados:
x x
x x xN
x 1 2
N
i 1
Dados agrupados
Sendo a amostra constituda por N
dados agrupados em k classes,
correspondendo a cada classe a
respectiva frequncia absoluta (fA) ou
frequncia relativa (fr):
f A1 pm1 f A2 pm2 f Ak pmk

f A1 f A2 f Ak
f
i 1
Ai
pmi
f
i 1
f pm f pm
N
f
A
Ai
ou
k
x f r1 pm1 f r2 pm2 f rk pmk f ri pmi f r pm

i 1


Mediana
A Mediana de um conjunto de dados, organizados por ordem crescente ou
decrescente de grandeza, o valor central ou a mdia aritmtica dos dois valores
centrais, consoante o nmero de dados mpar ou par, respectivamente.
Deste modo, a Mediana divide os dados ordenados em duas partes iguais.

Quer para o caso de dados agrupados, quer para
o caso de dados no agrupados, a posio da
mediana dada por:
N 1

2 2
Quando os dados se referem a uma varivel contnua e se apresentam

agrupados, o valor da mediana aproximadamente igual a:
M Linf
N
f AaA
c 2
f AM
Linf - limite inferior da classe que contm a mediana;
em que:
- amplitude da classe que contm a mediana;
- nmero de observaes da distribuio de frequncia;
f AaA - frequncia absoluta acumulada da classe anterior classe que contm a mediana;
f AM - frequncia absoluta da classe que contm a mediana.


Moda
A moda o valor que ocorre com maior frequncia. A moda pode no existir, e se existir
pode no ser nica.
Quando os dados se referem a uma
varivel contnua e se apresentam
agrupados, o valor da moda
aproximadamente igual a:
Mod Linf
D indicaes sobre a assimetria da distribuio

simtrica
d1
c
d1 d 2
Relao entre mdia, mediana e moda
assimtrica positiva
assimtrica negativa
Mdia M Mod
em que:
Linf limite inferior da classe que contm a moda;
c
amplitude da classe modal;
d1
diferena entre as frequncias absolutas da classe modal e da classe anterior;
d 2 diferena entre as frequncias absolutas da classe modal e da classe seguinte.
Mod
M Mdia
Mdia M Mod

Mdia Geomtrica
MG
x1 x 2 x 3 x N x1 x 2 x 3 x N
Mdia Harmnica
MH
1
N
1
1
N i 1 x i
N
1
x

Medidas de Localizao
Quantis: quartis, decis e percentis
Quartis dividem os dados ordenados

em quatro partes iguais, existindo
portanto 3 quartis.
Decis dividem os dados ordenados

em dez partes iguais, existindo
portanto 9 decis.
1 Quartil, Q1
Posio:
2 Quartil, Q2 M
Posio:
3 Quartil, Q3
Posio:
D1 ; D2 ; D3 ; ... ; D9,
N 1

4 2
2N 1

4 2
3N 1

4 2
sendo o D5 coincidente com a

Mediana.
Percentis dividem os dados

ordenados em cem partes iguais,
existindo portanto 99 percentis.
P1 ; P2 ; P3 ; ... ; P99,
sendo o P25 coincidente com o Q1, o

P50 coincidente com o Q2 e por
conseguinte com a Mediana, e o P75
coincidente com o Q3; ou seja:
P25 Q1
P50 Q2 M
P75 Q3

Medidas de Localizao
Quantis: quartis, decis e percentis
Quando os dados se referem a uma varivel contnua e se apresentam agrupados, os valores dos
quantis podem ser aproximados por expresses idnticas da mediana, com as devidas adaptaes.
Exemplo da expresso para o 3 quartil:
Q 3 Linf
3N
f AaA
c 4
f AQ3
Exemplo da expresso para o 7 decil:
7N
fAaA
D7 Linf c 10
fAD7
em que:
Exemplo da expresso para o 83 percentil:
P83 Linf
em que:
83 N
f AaA
100
c
f AP83
em que:
Linf - lim. inf. da classe que contm o 3 quartil;
Linf - lim. inf. da classe que contm o 7 decil;
Linf - lim. inf. da classe que contm o 83 percentil;
- ampl. da classe que contm o 3 quartil;
- ampl. da classe que contm o 7 decil;
- ampl. da classe que contm o 83 percentil;
- n de obs. da distribuio de frequncia;
- freq. absol. acumulada da classe anterior

classe que contm o 7 decil;
f AaA - freq. absol. acumulada da classe anterior
a
AA
- freq. absol. acumulada da classe anterior

classe que contm o 3 quartil;
fAQ3 - freq. absol. da classe que contm o 3 quartil.
a
AA
fAD7 - freq. absol. da classe que contm o 7 decil.
classe que contm o 83 percentil;
fAP83 - freq. absol. da classe que contm o 83 percentil.

Medidas de Disperso
Descrevem o grupo de dados em termos da variabilidade existente no grupo
Amplitude Total
R Mx. min .
Amplitudes Modificadas
Elimina-se uma certa percentagem de dados em cada um dos extremos da distribuio de
dados ordenados. O processo de clculo inicia-se pela localizao e determinao dos
valores dos quantis adequados, seguindo-se o clculo da diferena entre os respectivos
quantis. As amplitudes modificadas mais usadas so:
50 % dos valores centrais, ou amplitude interquartis
80 % dos valores centrais
90 % dos valores centrais
R 50 Q 3 Q1 P75 P25
R 80 D9 D1 P90 P10
R 90 P95 P5

Medidas de Disperso
Desvio Mdio
Mdia do valor absoluto da diferena entre cada valor do
conjunto de dados e a mdia aritmtica da totalidade dos dados.
Na situao dos dados no estarem agrupados em

classes, tem-se a expresso seguinte:
xx
DM
N
No caso dos dados se encontrarem agrupados em classes, a

expresso do desvio mdio assume as formas seguintes:
DM
pm x
N
ou
DM
pm x

Medidas de Disperso
Varincia
Populao
ou Amostra
s2
Na situao dos dados no estarem agrupados em

classes, tem-se a expresso seguinte:
s
2
2
x x
N 1
x2 N x2
N 1

expresso da varincia assume a forma seguinte:
x x
N 1

Medidas de Disperso
Desvio Padro
Populao
ou Amostra
Esta medida de disperso pode interpretar-se como sendo o valor absoluto de um

desvio tpico (padro) dos dados em relao mdia.
Na situao dos dados no estarem agrupados em classes,
tem-se a expresso seguinte:
N 1

expresso do desvio padro assume a forma seguinte:
x x
N 1
Coeficiente de Variao
Magnitude relativa do desvio padro quando comparado com a mdia da distribuio.
s
v
x

Medidas de Assimetria
Coeficientes de Assimetria
Medem o afastamento da simetria
Assimetria = 0
Assimetria > 0
Assimetria < 0
Coeficiente de Assimetria de Pearson:
3 x M
A
s
Distribuio simtrica
Distribuio assimtrica positiva
Distribuio assimtrica negativa
Coeficiente de Assimetria:
N
N xi x
i 1
N 1 N 2 s 3

Medidas de Kurtose
Coeficientes de Kurtose
Medida da concentrao dos dados, dando indicao sobre a intensidade das
frequncias na vizinhana dos valores centrais.
Coeficiente de Kurtose:
k
2
N N 1 x i x
i 1
N 1 N 2 N 3 s 4
Ambas as amostras so simtricas;

N1 = N2;
Ambas as amostras tm iguais medidas de
localizao central e de disperso.
Na amostra da distribuio 1 (Kurtose mais elevada) existe uma
maior concentrao de dados no centro e nas caudas, e menor
concentrao nos intervalos que separam aquelas zonas.
N 1
3
N 2 N 3
ou
Q3 Q1
2 P90 P10
k < 0.263
Distribuio leptocrtica
k = 0.263
Distribuio mesocrtica
k > 0.263
Distribuio platicrtica
leptocrtica
mesocrtica
platicrtica
FACULDADE
DE
ARQUITECTURA
ESTATSTICA
Estatstica Bivariada

2007, 2009
FA - UTL, LISBOA

Descrever a variao conjunta de pares de variveis
OBJECTIVO
REPRESENTAES GRFICAS
Histogramas tridimensionais
Diagramas de disperso (Scattergrams)
Diagramas Q-Q
MEDIDAS DE ASSOCIAO
Covarincia
Coeficiente de Correlao
- de Pearson
- de Spearman
TABELAS
Tabelas de contingncia

HISTOGRAMAS TRIDIMENSIONAIS
Diagrama de barras em que as classes em que as variveis foram divididas so colocadas
por ordem ao longo do eixo dos x e dos y e o volume das barras proporcional ao nmero
de valores (frequncia) em cada classe.
Moinho
180
Frequncia
150
120
90
60
47
42
30
37
32
0
23
27
28
33
38
22
43
Teor em S (%)
48
53
Teor em Fe (%)

DIAGRAMAS DE DISPERSO
Representao grfica que permite estudar o comportamento conjunto de duas variveis.
47
Teor em Fe (%)
43
39
35
31
27
23
25
30
35
40
45
Teor em S (%)
50
55

DIAGRAMAS Q-Q
Diagrama bidimensional em que os eixos representam cada uma das variveis e as coordenadas
dos pontos so dados pelos valores quantis.
Moinho
53
Teor em Fe (%)
50
47
Mximo
44
Mediana
41
3 Quartil
1 Quartil
38
35
32
29
26
Mnimo
23
23
27
31
35
39
43
Teor em S (%)
47
51
55

MEDIDAS DE ASSOCIAO
Covarincia
1 n
Cov( X ,Y ) Cov XY ( xi mx )( yi my )
n i =1
Propriedades
Cov( X , Y )
Cov(X, Y) = Cov(Y, X)
Cov(a+bX, c+dY) = bd Cov(X, Y)
Cov(X, -Y) = -Cov(X,Y)
Cov(X, X) = Var(X)
Cov(X, c) = 0
Cov( X , Yi ) Cov( X , Yi )

MEDIDAS DE ASSOCIAO
Coeficiente de correlao de Pearson
Cov ( X ,Y )
XY
Var ( X ) Var (Y )
Propriedades
1 XY 1
A covarincia e o coeficiente de correlao medem a intensidade da relao linear
(eventualmente) existente entre duas variveis aleatrias.
|XY| = 1
Variveis linearmente dependentes
XY = Cov(X, Y) = 0
Variveis linearmente independentes
Coeficiente de correlao de Spearman

Coeficiente de correlao obtido a partir dos nmeros de ordem das variveis.

TABELAS DE CONTINGNCIA
Quadro que cruza duas variveis qualitativas. O elemento genrico n(i, j) d o nmero de
ocorrncias simultneas das modalidades de duas variveis.
p Soma
n(i, j)
n(i)
k
Soma
n(j)
n n( i, j )
i
n( i ) n( i , j )
Variveis independentes
n i , j n j
n i
n
Medida da independncia
independncia
n i , j n i, j
*
n* i, j
n ( j ) n( i , j )
i
n* i, j
n i n j
n


n* i, j
Medida da independncia
n i n j
n
2
i
n i , j n i, j
*
n* i, j
As variveis esto prximas da independncia quando 2 for prximo de zero.

TABELAS DE CONTINGNCIA Medidas de associao
Quadrado da contingncia
Coeficiente de contingncia

n
2
n
2

EXEMPLOS DE APLICAO
Anlise estatstica bivariada de dados

Coeficientes de
Comp.
Incl.
N Int.
Curv.
Abert.
correlao
Comp.
1.00
Incl.
-0.17
1.00
N Int.
0.56
0.02
1.00
Curv.
0.19
0.07
0.20
1.00
Abert.
-0.03
-0.02
-0.02
-0.01
1.00

EXEMPLOS DE APLICAO
Anlise estatstica bivariada de dados

Coeficientes
de correlao
IBO
OD
(%)
T
(C)
pH
Cond
(S/cm)
CQO
(mg/l)
Sulf.
(mg/l)
Nit.
(mg/l)
Fosf.
(mg/l)
Cu
(mg/l)
Fe
(mg/l)
IBO
OD
(%)
T
(C)
pH
Cond
(S/cm)
CQO
(mg/l)
Sulf.
(mg/l)
Nit.
(mg/l)
Fosf.
(mg/l)
Cu
(mg/l)
Fe
(mg/l)
1.00
0.23
1.00
-0.09
-0.12
1.00
-0.48
0.04
0.14
1.00
-0.35
-0.32
0.47
0.09
1.00
0.04
-0.19
0.18
0.22
0.24
1.00
-0.36
-0.19
0.34
0.09
0.94
0.09
1.00
-0.56
-0.43
0.16
0.02
0.59
-0.08
0.56
1.00
-0.09
0.07
-0.05
0.26
-0.01
0.11
-0.02
-0.13
1.00
-0.33
0.05
-0.10
0.07
-0.07
-0.08
0.01
0.05
0.05
1.00
0.31
0.18
-0.08
-0.14
-0.19
0.10
-0.18
-0.36
0.13
0.13
1.00

EXEMPLOS DE APLICAO
Vida pblica no Parque das Naes

Anlise Bivariada
1800
1500
640
0.96
560
0.93
480
900
0.90
400
TInt
Come
Tur
1200
320
0.87
0.84
240
600
0.81
160
300
0.78
80
0
200
400
600
TA
Turistas Adultos
r = 0.98
800
1000
200
400
600
Bebe
Comer Beber
r = 1.00
800
1000
0.75
12.0
12.4
12.8
13.2
13.6
14.0
14.4
14.8
15.2
MeDe
Integ. T Profund. mdia

r = - 0.998
15.6
FACULDADE
DE
ARQUITECTURA
Estatstica
Regresso Linear e Correlao
2005, 2008
FA - UTL, LISBOA

RELAES ENTRE VARIVEIS
RELAES MATEMTICAS: Relaes que se verificam sempre de forma exacta

Exemplos:
entre a rea de um quadrado e o comprimento dos seus lados;
permetro de uma circunferncia e o seu dimetro
RELAES ESTATSTICAS: As variveis no esto relacionadas de forma precisa

Exemplos:
entre a altura e o peso das pessoas;
entre a quantidade de fertilizante numa cultura e a respectiva colheita
Em mdia, as variaes de uma das variveis correspondem a variaes na outra,

e diz-se que as variveis esto correlacionadas ou existe correlao

MODELOS
SUCESSES CRONOLGICAS ou SRIES CRONOLGICAS ou SRIES TEMPORAIS:
Sequncia de valores referidos a perodos ou momentos de tempo
Exemplos:
Nmero de pessoas a trabalhar em arquitectura nos ltimos 20 anos;
Valores de temperatura nos ltimos 30 anos em Lisboa
Componentes do modelo:
Tendncia, Tt;
Sazonalidade, st;
Movimentos oscilatrios ou cclicos, ct;
Residual ou errtica, et

MODELOS
SUCESSES CRONOLGICAS ou SRIES CRONOLGICAS ou SRIES TEMPORAIS:
Modelo Aditivo
xt Tt st ct et
Componentes do modelo:
Tendncia, Tt;
Sazonalidade, st;
Movimentos oscilatrios ou cclicos, ct;
Residual ou errtica, et
xt Tt st ct et
Modelo Multiplicativo
ln x ln T ln s ln c ln e
t
Modelo Misto
xt Tt ct st et
x T s c e
t

MODELOS
Modelo Logstico
1 xi
xi1 xi r xi
k
xi populao no incio do perodo i
r taxa de crescimento
k capacidade de carga do sistema a ser estudado.
A capacidade de carga o nvel da populao em que as taxas de
nascimento e morte de uma espcie coincidem, resultando numa
populao estvel ao longo do tempo

MODELOS
MTODOS DE ANLISE DE DADOS
Descritivos
Anlise em
Componentes Principais (ACP)
Anlise Factorial
das Correspondncias (AFC)
Explicativo
Classificativos
Regresso simples
Classificao Automtica
Regresso mltipla
Anlise Discriminante


Compreende a anlise de dados amostrais para avaliar se e como duas (ou mais)
variveis esto relacionadas uma com a(s) outra(s) numa populao.
OBJECTIVO:
Prever, por interpolao, o valor de uma varivel (varivel

dependente, y), conhecendo o valor de uma varivel associada
(varivel independente, x), usando uma equao matemtica que
descreva
o relacionamento entre as duas variveis.
HIPTESES:
A varivel dependente uma varivel aleatria;
As variveis independente e dependente esto associadas linearmente;
As varincias das distribuies condicionais da varivel dependente, para diferentes
valores da
varivel independente, so todas iguais (homoescedasticidade) e normais.

Regresso Linear e Correlao Diagrama de disperso

Grfico em que so representados os pontos referentes aos pares de valores observados para as variveis
dependente e independente, y e x respectivamente.
.. .. .
.. ..
.
.
. . ..
..
relao linear directa
..
.
... .. .
..
.
.
.
.. ...
.
.
.. ... .. ....
X
relao curvilnea
directa
relao linear inversa
... .
.
.
.. ..... .. .. ... .
. ... ..... ..
.. .
X
relao linear directa,

baixo grau de relao
no h relao
...
.
.
.
.....
.
.
.
.. ... ..
Se o diagrama de disperso
revelar uma relao que de
modo geral linear, ento
constri-se uma linha que
seja a recta que melhor se
ajusta aos dados.
A construo e localizao
dessa recta determinada
pelo MTODO DOS
MNIMOS QUADRADOS.
relao linear directa,

alto grau de relao

Regresso Linear Diagrama de disperso
1200
1200
1000
1000
800
800
TP
TP
Grfico em que so representados os pontos referentes aos pares de valores observados para as variveis
dependente e independente, y e x respectivamente.
600
600
400
400
200
200
200
400
600
800
1000
0
12.0
1200
12.4
12.8
13.2
4500
15.2
4000
14.8
3500
14.4
3000
14.0
2500
MeDe
15.6
13.6
2000
13.2
1500
12.8
1000
12.4
500
12.0
0.75
0.78
0.81
0.84
0.87
TInt
13.6
14.0
14.4
14.8
15.2
15.6
MeDe
And
0.90
0.93
0.96
0.99
0
1.4
2.1
2.8
3.5
4.2
LInt
4.9
5.6
6.3
7.0


Mtodo dos Mnimos Quadrados para ajustar uma recta de regresso
Forma geral da equao de regresso linear:
Y b X a
Pelo Mtodo dos Mnimos Quadrados, a equao de regresso que melhor

se ajusta aos dados aquela para a qual mnima a soma dos quadrados
dos desvios entre os valores observados (pontos do diagrama de disperso) e
estimados para a varivel dependente (obtidos pela equao de recta) a partir dos
dados amostrais.
X Y n X Y
b
X n X
2
a Y b X
A equao da recta assim obtida tem a propriedade de passar sempre pelo ponto
X ;Y .


Erro padro de estimao e intervalos de predio
A disperso na populao significa que,
para qualquer valor de x, haver muitos valores
possveis de y.
O ERRO PADRO DE ESTIMAO
um desvio padro condicional, na medida em que
indica o desvio padro da varivel dependente, y, dado um valor especfico da

varivel independente, x.
sY , X
Y Y
n2
Y a Y b X Y
2
ou
sY , X
n2


Erro padro de estimao e intervalos de predio
O Erro Padro de Estimao pode ser usado para estabelecer um

intervalo de previso para a varivel dependente, y, para um dado valor
especfico da varivel independente, x.
A utilizao de sY , X para este propsito baseia-se nas seguintes hipteses sobre
a populao:
A disperso da varivel dependente, y, a mesma em todos os pontos ao longo da recta de
regresso;
A cada ponto, os valores da varivel dependente, y, esto normalmente distribudos em relao
recta de regresso.
Y t sY , X
Se
com
n 30
n2
graus de liberdade
Y z sY , X

Regresso Linear
Modelos No Lineares, mas Linearizveis
Modelo Exponencial
y ab
Linearizvel
ln y ln a x ln b
y a xb
Modelo Potncia
y ax
Linearizvel
ln y ln a b ln x
y a bx

Regresso Linear
Modelos No Lineares, mas Linearizveis
1
y ab
x
1
y
a bx
x
y
b ax
Linearizvel fazendo
1
x
x
Linearizvel fazendo
1
y
y
Linearizvel fazendo
1
y
y
1
x
x


OBJECTIVO:
Medir o grau de relao (co-relacionamento) entre as

variveis dependente, y, e independente, x.
HIPTESES:
A relao entre as duas variveis linear;
As variveis independente e dependente so aleatrias;

As varincias das distribuies condicionais de cada varivel, para diferentes
valores da outra varivel, so todas iguais (homoescedasticidade);
Para cada varivel, as distribuies condicionais, para diferentes valores da
outra varivel, so todas distribuies normais.


Coeficiente de determinao
O quociente seguinte indica a proporo da varincia (incerteza) na varivel

dependente, y, que permanece no explicada para um determinado valor
atribudo varivel independente, x.
Y2 , X
Y2
Varincia no explicada, remanescen te em Y

Varincia total de Y


Coeficiente de determinao
COEFICIENTE DE DETERMINAO, 2:
Populao :
2 1
Y2 , X
Amostr a :
Y2
r 2 1
sY2 , X
sY2
Estes quocientes indicam a proporo da varincia na varivel dependente, y, que

estatisticamente explicada pela recta de regresso, calculando-se na prtica
por:
r2
a Y b X Y n Y
Y n Y
2
Assim, como este coeficiente varia entre 0 e 1, obtm-se a percentagem de variao numa
varivel que explicada estatisticamente pela variao na outra varivel.
Inversamente, 1 r 2 , a percentagem que no se pode explicar pelo relacionamento entre as
duas variveis, devendo ser considerada como devida a outros factores no includos no estudo.


Coeficiente de correlao
Este coeficiente pode ser testado estatisticamente, pois est includo numa estatstica de teste
que distribuda segundo uma distribuio t-Student, quando a correlao populacional
igual a 0 (zero).
O sinal de o mesmo do declive da recta de regresso linear, indicando portanto

se a relao entre x e y directa ( positivo) ou inversa ( negativo).
COEFICIENTE DE CORRELAO, :
Populao :
Amostr a :
calculando-se na prtica por:
n X Y X Y
n X
n Y
r r2


Coeficiente de correlao
O seu valor est compreendido no

intervalo 1 ; 1 .
.
.
.
.
..
.
.
.
.
...
X
r=+1
-1
r2 = 1
+1
r=0
... .
.
.
.. ..... .. .. ... .
. ... ..... ..
.. .
r2 = 0
r2 0,36
r2 = 1
r + 0,6
r=1
....
. ......
.........
Os valores prximos de +1 e de 1
denotam relacionamentos (quase)
perfeitos, sendo o respectivo tipo
(directo ou inverso) indicado pelo sinal
(positivo ou negativo),
enquanto valores prximos de 0
revelam ausncia de relacionamento
entre as variveis.
r
+ 0,90
r2 0,81


INTERVALO DE CONFIANA PARA O COEFICIENTE DE CORRELAO DA POPULAO:
O valor do coeficiente de
correlao amostral pode ser
utilizado como estimativa do
verdadeiro coeficiente de
correlao, , da populao.
Contudo, mais conveniente
expressar o coeficiente
amostral conjuntamente com
um intervalo de confiana para
o verdadeiro valor.
Fonte: Stevenson, William J. - Estatstica aplicada administrao. Editora Harbra, 1986
FACULDADE
DE
ARQUITECTURA
Estatstica
Estatstica Multivariada
2005, 2008
FA - UTL, LISBOA



Caracterizao

QUADRO DE DADOS GENRICO

EM ANLISE DE DADOS
O elemento genrico zij corresponde

ao valor do atributo (varivel) j
medido na amostra i.
Tipos de variveis:
Quantitativas
Qualitativas


Descritivos
Anlise em
Componentes Principais (ACP)
Anlise Factorial
das Correspondncias (AFC)
Explicativo
Regresso
Classificativos
Classificao Automtica
Anlise Discriminante

INTERPRETAO GEOMTRICA
DE UM QUADRO DE DADOS
Rp
P2
P1
P2
I1
I2
Rn
I2
P1
3
I2
I1
P2
P1
Cada linha do quadro pode ser tomada

como um vector (ou um ponto) que
representa a posio de uma amostra
no espao das variveis (Rp)
I1
Cada coluna do quadro pode ser

tomada como um vector (ou um ponto)
que representa a posio de uma
varivel no espao das amostras (Rn)

Eixo Factorial
Maximizar a diferena de mdias dos grupos relativamente
varincia dentro dos grupos

Eixo Factorial
para indivduos pertencentes a um mesmo grupo, a nova varivel deve fornecer valores
que sejam o mais prximos possvel;
para indivduos pertencentes a grupos distintos, a nova varivel deve fornecer valores
que sejam o mais diferentes possvel.

INTRODUO AOS MTODOS FACTORIAIS

Encontrar o sistema de eixos que melhor ajusta a nuvem de pontos,
permitindo diminuir a dimenso do espao com perda mnima de informao.

Matriz
de
Inrcia
Anlise em Rp
Maximizando
(Tu 1 )' Tu 1 u 1 ' T' Tu 1

sujeita aos constrangimentos
u1 ' u1 1
obtm-se
1
valor prprio de
T T
T' Tu 1 1 u 1 0

Matriz
de
Inrcia
Anlise em Rp
Maximizando
(Tu 2 )' Tu 2 u 2 ' T' Tu 2

sujeita aos constrangimentos
u1 ' u 2 0
obtm-se
u2 ' u2 1
2
valor prprio de
T T
T' Tu 2 2 u 2 0

Anlise em Rp
No caso geral os p eixos factoriais obtm-se resolvendo a equao matricial:
T' Tu u 0
Vectores
Prprios
de T T
Valores
Prprios
de T T

Anlise em Rn
No caso da anlise da nuvem em Rn os eixos factoriais obtm-se
resolvendo a equao factorial seguinte:
TT' v v 0
FRMULAS DE TRANSIO
Vectores
Prprios
de T T
Valores
Prprios
de T T
1
T u
1
T' v

ANLISE EM COMPONENTES PRINCIPAIS

1.2
PBC
HAFC
M
HCED PBT
HALG
PCPB
HADC
POUT
P
PMG
HRET
CP
PLCP
PC PPM
PMT
CMZn
TZn
TL PMZn PBA HOUT TT PMP TLB
HLAT HPPTO
A
PTB
PO
PAD
HSRL
0.9
0.6
0.3
F2
Caracterizao
0.0
-0.3
TCCP
-0.6
-0.9
-1.2
-1.6
-1.2
-0.8
-0.4
-0.0
0.4
0.8
1.2
1.6
F1
14
12
10
1.2
LC
PCNa
Somm
0.9
0.6
10
F2
Ferr
MXQb
PCNb
0.3
MFL
MXQa
AMb Ctb
MHGb
Cta PCTa
Jard
Ctc PCTb
CHMa
AMa
MHGa
MLG
APa
CHMd
IGa
Urb APb
HLb
IGb
CHMb
BGM
CS MXQc U7 MKD
25Jb 25Ja
MHT
LL
MVa
3F
HLa MXQd
ZPT FPLM
NSL
MGNN
MVb MLHZ
ABZ
0.0
-0.3
-0.6
-0.9
-1.6
CHMc XPM
GD
-1.2
-0.8
-0.4
-0.0
F1
0.4
Coop
0.8
1.2
1.6

ANLISE EM COMPONENTES PRINCIPAIS
Caracterizao
Zimpeto
Magoanine
Mahotas
Bagamoio
Laulane
Costa do Sol
Ferroviario
Inhagoia "B"
Aeroporto
Maxaquene "D"
Polana Canico "B"
Luis Cabral
Xipamanine
Mafalala
Sommershield
Alto Mae "B"
Polana Cimento "A"
0
4 Km
PCA Groups of "Bairros"

I
II
III
IV
V
VI
Non Classified
Aeroporto

ANLISE FACTORIAL DAS CORRESPONCNCIAS

ANLISE DISCRIMINANTE




Ensaio 1 todas as variveis



Ensaio 2 todas as variveis, excluindo
equipamentos de poupana de gua e de electricidade

CLASSIFICAO AUTOMTICA
OBJECTIVO:
Construo automtica de grupos de amostras (indivduos, objectos) ou variveis
(propriedades), no interior dos quais existe elevada proximidade (de acordo com um critrio
definido a priori).
A proximidade entre os elementos de cada grupo deve ser maior do que em relao a
qualquer elemento exterior.
TIPOS DE MTODOS
No hierrquicos
Os grupos resultam de uma partio da
matriz inicial em classes, conduzindo a uma
estrutura em rede.
Os elementos dos grupos so realocados
dinamicamente em cada fase.
Hierrquicos
Os grupos formados em cada fase vo
sendo sucessivamente imbricados uns nos
outros, conduzindo a uma estrutura em
rvore.
Os grupos formados em cada fase do algoritmo
nunca mais se desfazem.

Classificao No Hierrquica

Classificao Ascendente Hierrquica

1. Calcular a matriz de distncias (ou similitudes) entre

todos os pares de indivduos.
2. Seleccionar o par de indivduos mais prximos
(distncia mnima ou similitude mxima).
3. Calcular a distncia (ou similitude) deste grupo a
todos os restantes indivduos e grupos j
formados.
4. Reconstruir a matriz de distncias (ou similitudes).

5. Reiterar o processo at todos os indivduos estarem
agrupados.
6. Construir o dendrograma.
7. Interpretar os resultados e dividir em grupos.
A

Caracterizao
0.00
0.20
0.40
0.60
0.80
1.00
1.20
1.40
1.60
1.80
2.00
+---------+---------+---------+---------+---------+---------+---------+---------+---------+---------+----
c) b) a)
AMa
-----------|
|---|
PCTb -----------|
|-|
| |
MHGa ---------------| |--------|
|
|
PCTa -----------------|
|
|-------|
AMb ----------------|
|
|
|-----|
|
|
MHGb ----------------|
|
|
|
|---|
|-----|
Cta -------------|
|
|
|
|--------|
|
|
Ctb -------------|
|
|-|
|
| |
CHMa ----------------------------------|
| |
| |---------------------|
Ctc ----------------------------------------| |
|
|
|
Coop -------------------------------------|
|
|
|----|
|
Somm -------------------------------------|
|
|
APa -------------------------------|
|
|--------------|
|
APb -------------------------------|
|
|
|
|
CHMb -----------------------------|
|
|
|-------|
|----|
|
CHMc -------------------|
|
|
|
|
|
|---------|
||
|
|
|
CHMd -------------------|
||
|
|
|
||
|
|
|
MFL -------------------------------------||-------|
|
|
|
|
|
MKD -----------------------------|
|
|--|
|
|--------|
| |
|
XPM -----------------------------|
| |
|
| |
|
MXQa -----------------------|
| |
|
|-------------------|
| |
|
MXQb -----------------------|
|
| |
|
|-------| |
|
Urb ---------------------------|
|
|-----|
|
|-----|
|
|
|
|
IGb ---------------------------|
|---------|
|
|
|
|
|
|
|
IGa ---------------------------------|
|
|
|
|
|
|
MLG ------------------------------------------------|
|
|
|
|
|
|
|
U7
----------------------------------|
|-----|
|
|
|------------||
|
|
NSL ----------------------------------|
||
|
|
|
|
|
Jard -----------------------------------------------|
|
|
|
|
MXQc -----------------------------------------|
|
|
|-|
|
|
MXQd --------------|
| |
|
|
|--------------------------| |
|
|
HLa --------------|
|----|
|
|
|
|
|
|
3F
---------------------------|
|
|
|
|
|---------------|
|
|---|
LL
---------------------------|
|-|
|
| |
|
FPLM ----------------|
| |
|
|------------|
| |
|
MVb ----------------|
|------------------| |---|
|
|
|
|
|
MLHZ -----------------------------|
|
|
|
|
|
|
MGNN --------------------------|
|
|
|
|-----------------------|
|
|
25Ja --------------------------|
|
|
|-|
|
ABZ -------------------------------|
| |
|
|----------|
| |
|
ZPT -------------------------------|
|
| |
|
|------|
| |
|
CS
---------------------------|
|
|
| |
|
|--------------|
|
| |
|
MHT ---------------------------|
|----| |
|
|
|
|
HLb -------------------------------------|
|
|---|
|-----------|
|
MVa -------------------------------------|
|
|
PCNa -------------------------------------|
|
|----------|
|
BGM ---------------------------|
|
|
|
|---------|
|
|
25Jb ---------------------------|
|
|
|-------|
PCNb --------------------------|
|
|-----|
|
Ferr --------------------------|
|-----|
|
|
|
|
LC
--------------------------------|
|---------|
|
GD
--------------------------------------|
c) b)
a) Two clusters
b) Four clusters c) Six clusters
a)

A
Zimpeto
Zimpeto
Magoanine
Magoanine
Mahotas
Albazine
Mahotas
Albazine
G. Dimitrov
G. Dimitrov
Bagamoio
Bagamoio
Laulane
Laulane
Costa do Sol
Costa do Sol
Ferroviario
Ferroviario
Inhagoia "B"
Inhagoia "B"
Jardim
Jardim
Maxaquene "D"
Polana Canico "B"
Luis Cabral
Maxaquene "D"
Polana Canico "B"
Luis Cabral
Xipamanine
Xipamanine
Mafalala
Mafalala
Malanga
Malanga
Sommershield
Sommershield
I
II
Airport
"Bairros" Boundaries
Alto Mae "B"

Central "C"
Polana Cimento "A"
Alto Mae "B"

Central "C"
Polana Cimento "A"
I
II
III
IV
Airport
"Bairros" Boundaries
4 Km
Zimpeto
Magoanine
Albazine
Mahotas
G. Dimitrov
Bagamoio
Laulane
Costa do Sol
TIPOLOGY OF RESIDENTIAL AREAS
Ferroviario
Inhagoia "B"
"CEMENT CITY"
Jardim
Caracterizao
Maxaquene "D"
Polana Canico "B"
Luis Cabral
OLD SUBURB - Type A: Medium rate of basic housing

infrastructures; predominance of wood and zinc houses densely
distributed by non-demarcated areas
Xipamanine
Mafalala
Malanga
Sommershield
Alto Mae "B"
Central "C"
Polana Cimento "A"
URBAN CORE: High rate of basic housing infrastructures;

predominance of flats in buildings distributed by city blocks
"CANIO CITY"
OLD SUBURB - Type B: High rate of basic housing

infrastructures; high diversity of type and quality of houses
distributed by low density demarcated areas
URBAN FRINGE: Low rate of basic housing infrastructures;
high rate of detached houses distributed by medium density
demarcated areas
RURAL FRINGE: Very low rate of basic housing infrastructures;
high rate of huts and precarious houses distributed by low density
non-demarcated areas
4 Km
NEW SUBURB -Type C: Medium/low rate of basic housing

infrastructures; high diversity of type and quality of houses
distributed by medium density demarcated areas
Contactos
e-mail: jribeiro@fa.utl.pt
Tel.: 21 361 5049
Gabinete: 4.1.17

02 JorgeRibeiro

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

02 JorgeRibeiro

Încărcat de

Drepturi de autor:

Formate disponibile

Mestrado Integrado em ARQUITECTURA

Seminrios de Apoio ao Projecto Final de Mestrado

Escher's "Relativity" em LEGO, 2003

Jorge Tavares Ribeiro, Prof. Aux. FAUTL, Inv. CERENA

Escher (Relativity, 1953)

UNIVERSIDADE TCNICA DE LISBOA

Mestrado Integrado em ARQUITECTURA

Proporcionar o conhecimento dos mtodos de trabalho

Desenvolver conceitos de colecta de dados e concepo

Sensibilizar os alunos para o tratamento estatstico de

Mestrado Integrado em ARQUITECTURA

Escofier, Brigitte; Pags, Jrme (1997) Initiation aux Traitements Statistiques

Escofier, Brigitte; Pags, Jrme (1998) Analyses Factorielles Simples et Multiples

Foddy, W. (1996) Como perguntar. Teoria e prtica da construo de perguntas para

Ghiglione, Rodolphe; Matalon, Benjamin (2005) O Inqurito Teoria e Prtica. 4 Edio,

Silvestre, Antnio Lus (2007) Anlise de dados e estatstica descritiva.

UNIVERSIDADE TCNICA DE LISBOA

MTODO CIENTFICO E EXPERIMENTAL

JORGE MANUEL TAVARES RIBEIRO

Mestrado Integrado em ARQUITECTURA

Science is only the image of the truth

Mestrado Integrado em ARQUITECTURA

Metodologia da investigao cientfica

O trabalho cientfico caracteriza-se por:

fenmeno qualquer modificao observvel e passvel de repetio.

Mestrado Integrado em ARQUITECTURA

Um objectivo sem um plano

Mestrado Integrado em ARQUITECTURA

Metodologia da investigao cientfica

Hoje em dia, homens e mulheres de Cincia associam-se em equipas mais

Mestrado Integrado em ARQUITECTURA

Metodologia da investigao cientfica

Mestrado Integrado em ARQUITECTURA

Metodologia da investigao cientfica

Mestrado Integrado em ARQUITECTURA

Metodologia da investigao cientfica

Mestrado Integrado em ARQUITECTURA

Metodologia da investigao cientfica

Mestrado Integrado em ARQUITECTURA

Metodologia da investigao cientfica

Mestrado Integrado em ARQUITECTURA

Metodologia da investigao cientfica

Mestrado Integrado em ARQUITECTURA

Metodologia da investigao cientfica

Como planearia a sua actividade e que passos daria at encontrar

Mestrado Integrado em ARQUITECTURA

Metodologia da investigao cientfica

Mestrado Integrado em ARQUITECTURA

Metodologia da investigao cientfica

e, alm disso, que h Sol (mais tarde, no

A mesma sequncia de observaes far com

Mestrado Integrado em ARQUITECTURA

Metodologia da investigao cientfica

Qual a forma do arco-ris?

Mestrado Integrado em ARQUITECTURA

Metodologia da investigao cientfica

Mestrado Integrado em ARQUITECTURA

Metodologia da investigao cientfica

Mestrado Integrado em ARQUITECTURA

Metodologia da investigao cientfica

Mestrado Integrado em ARQUITECTURA

Metodologia da investigao cientfica

Mestrado Integrado em ARQUITECTURA