Made available in DSpace on 2015-03-26T13:32:07Z (GMT). No. of bitstreams: 1 texto completo.pdf: 1250297 bytes, checksum: 6fd0be6a8317d32468f8f7b7ff74d7ef (MD5) Previous issue date: 2009-02-17 / Fundação de Amparo a Pesquisa do Estado de Minas Gerais / The concern in minimizing the amount of chemical products used in farmings is increasing. The use of artificial vision systems has been demonstrating a great potential for use of varied taxes of inputs, as for instance, the application herbicides only in places where the presence of harmful plant is detected. The good acting of a system developed for this purpose depends mainly of the characteristic use that they allow to differentiate patterns of harmful plants of the pattern of the cultivated species. Like this, the objective of the present work was to develop and to evaluate a characteristic for the recognition of the patterns corn plant and harmful plant. The specific objectives were: the) to identify which image, green excess or the index of vegetation of normalized green, tends to provide better classification; b) to compare the classification obtained by characteristics geoestatistics, obtained when using the characteristics of Haralick. With this purpose, were acquired to the 29 days after the emergency, period in that it is usually made the application of herbicides, nine corn images (Zea Mays L.) and of each one of the species of appraised harmful plants in this experiment: Euphorbia heterophylla L., Digitaria horizontalis Willd, Cenchrus chinatus L. Six of these images were used for the selection of the characteristic that promotes better acting in the classification. The remaining three were used for the validation of the selected characteristic. Each one of the six training images was cut out in 100 blocks of 68x68 pixels. For each one of the blocks was obtained the value of the characteristic textural geoestatistic (variogram, the madogram, cross variogram and pseudo cross variogram) and the one of Haralick (angular moment, average, variance, entropy, correlation, moment of the product, inverse moment of the difference and correlation measures). Additionally, characteristic geoestatísticos and no-geoestatísticos they were obtained considering different angles (0, 45, 90 and 135°) of relationship among pixels. Characteristic geoestatistics were, also, obtained for different distances (1, 2, 3, 4, 5, 6, 7, 8, 9, 10) of in pairs among pixels. The characteristic variograma and madograma were calculated to leave of the image green excess and GNDVI. Already the characteristic cross variogram and pseudo cross variogram were calculated with Greenness Method use in the blocks using the combinations of the bands RxG, GxB and IVxG. The characteristic of Haralick were calculated starting from the images of the green excess and GNDVI. The acting of the characteristic, proposed like this, it was evaluated using discriminate analysis. The selected characteristic were those that presented larger value for the index kappa. Additionally, new characteristic were obtained starting from combinations of the selected characteristic. These combinations, also, had appraised acting using the discriminant analysis with the objective of to identify which combination provides better classification. Later, the power of generalization of the selected combination was evaluated using the three images of each species reserved for the validation stage. The conclusions obtained regarding the objectives proposed in this research were a) the image that tended to present the best results of the index kappa was the image excess of green; b) the characteristic obtained starting from the function madograma and the one of Haralick were the ones that supplied the best results; c) the characteristic geoestatistic madograma in the 10 distances and angle 0° presented better classification results when used without combination of other characteristic; d) the characteristic geoestatísticos and the one of Haralick, when used separately didn't present such good as combined results; e) the characteristic use that consider the continuity of the pixel values, in the recognition of patterns can be a fundamental tool in the classification process. / A preocupação em minimizar a quantidade de produtos químicos utilizado em lavouras vem aumentando. O uso de sistemas de visão artificial tem demonstrado um grande potencial para o uso de taxas variadas de insumos, como por exemplo, a aplicação de herbicidas somente em locais onde é detectada a presença de planta daninha. O bom desempenho de um sistema desenvolvido para esta finalidade depende principalmente do uso de descritores que permitam diferenciar padrões de plantas daninhas do padrão da espécie cultivada. Sendo assim, objetivo geral do presente trabalho foi desenvolver e avaliar um descritor para o reconhecimento dos padrões planta de milho e planta daninha. Os objetivos específicos foram: a) identificar qual imagem, excesso de verde ou o índice de vegetação de verde normalizado, tende a proporcionar melhor classificação; b) comparar a classificação obtida por descritores geoestatísticos, com a obtida ao usar os descritores de Haralick. Com esta finalidade, foram adquiridas aos 29 dias após a emergência, período em que normalmente é feita a aplicação de herbicidas, nove imagens de milho (Zea Mays L.) e de três espécies de plantas daninhas avaliadas neste experimento: leiteira (Euphorbia heterophylla L.), capim-milhã (Digitaria horizontalis Willd) timbête (Cenchrus echinatus L.). Seis destas imagens foram utilizadas para a seleção do descritor que promove melhor desempenho na classificação. As três restantes foram utilizadas para a validação do descritor selecionado. Cada uma das seis imagens de treinamento foi recortada em 100 blocos de 68x68 pixels. Para cada um dos blocos foi obtido o valor dos descritores texturais geoestatísticos (variograma, o madograma, variograma cruzado e pseudo variograma cruzado) e os de Haralick (momento angular, média, variância, entropia, correlação, momento do produto, momento inverso da diferença e medidas de correlação). Adicionalmente, descritores geoestatísticos e não-geoestatísticos foram obtidos considerando diferentes ângulos (0, 45, 90 e 135°) de relacionamento entre pixels. Descritores geoestatísticos foram, também, obtidos para diferentes distâncias (1, 2, 3, 4, 5, 6, 7, 8, 9, 10) de pareamento entre pixels. Os descritores variograma e madograma foram calculados partir da imagem excesso de verde e GNDVI. Já os descritores variograma cruzado e pseudo variograma cruzado foram calculados com o uso do Greenness Method nos blocos usando as combinações das bandas RxG, GxB e IVxG. Os descritores de Haralick foram calculados a partir das imagens do excesso de verde e GNDVI. O desempenho dos descritores, assim propostos, foi avaliado usando análise discriminante. Os descritores selecionados foram aqueles que apresentaram maior valor para o índice kappa. Adicionalmente, novos descritores foram obtidos a partir de combinações dos descritores selecionados. Estas combinações, também, tiveram o seu desempenho avaliado usando a análise discriminante com o objetivo de identificar qual combinação proporciona melhor desempenho na classificação. Posteriormente, o poder de generalização da combinação selecionada foi avaliado usando as três imagens de cada espécie reservadas para a etapa de validação. As conclusões obtidas com relação aos objetivos propostos nesta pesquisa foram a) a imagem que tendeu a apresentar os melhores resultados do índice kappa foi a imagem excesso de verde; b) os descritores obtidos a partir da função madograma e os de Haralick foram os que forneceram os melhores resultados; c) o descritor geoestatístico madograma nas 10 distâncias e ângulo 0° apresentou melhores resultados de classificação quando usado sem combinação de outros descritores; d) os descritores geoestatísticos e os de Haralick, quando usados isoladamente não apresentaram resultados tão bons quanto combinados; e) o uso de descritores que consideram a continuidade dos valores de pixel, no reconhecimento de padrões pode ser uma ferramenta fundamental no processo de classificação.

Made available in DSpace on 2015-03-26T13:32:08Z (GMT). No. of bitstreams: 1 texto completo.pdf: 958045 bytes, checksum: a7576f2d825f5b6d63c2110fc9afce32 (MD5) Previous issue date: 2009-12-15 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The correct classification of individuals in pre-established groups has become of great importance in breeding. The multivariate statistical techniques commonly used in this type of problem are the discriminant functions of Fisher and Anderson, which are used to allocate an initially unknown individual in one of the g populations or pre-defined groups. In recent decades a new computing paradigm, artificial neural networks, has come along to solve various problems of Statistics, such as grouping of similar individuals, time series forecasting and also of particular interest, the problem of classification. The objective of this research was to conduct a simulation study in order to compare the discriminant functions of Fisher and Anderson and neural networks. We evaluated the number of incorrect classifications of individuals known to belong to different populations with different levels of dissimilarity measured by the Mahalanobis distance. Simulations were conducted using the software Genes (Cruz, 2006). Although Artificial Neural Networks presented a rate of incorrect classification of individuals rejected for being considered ambiguous as to its discriminatory characteristics, it proved to be a promising technique, since it presented a lower number of incorrect classifications of individuals when compared to the discriminant functions. / A correta classificação de indivíduos em grupos pré-estabelecidos tem se tornado de grande importância no melhoramento genético. As técnicas de estatística multivariada usualmente utilizadas nesse tipo de problema são as funções discriminantes de Fisher e as funções discriminantes de Anderson, que são usadas para alocar um indivíduo inicialmente desconhecido em uma das g populações ou grupos pré-definidos. Nas últimas décadas vêm surgindo um novo paradigma de computação, as redes neurais artificiais, que podem ser utilizadas para resolver diversos problemas da Estatística, como agrupamento de indivíduos similares, previsão de séries temporais e em especial, os problemas de classificação. O objetivo dessa pesquisa foi realizar um estudo comparativo entre as funções discriminantes de Fisher e de Anderson e as redes neurais artificiais quanto ao número de classificações erradas de indivíduos sabidamente pertencentes a diferentes populações, com distintos níveis de dissimilaridade. Essa dissimilaridade, medida pela distância de Mahalanobis, foi um conceito de fundamental importância na utilização das técnicas de discriminação, pois quantificou o quanto as populações eram divergentes. Quanto maior o valor observado para essa medida, menos similares foram as populações em análise. A obtenção dos dados foi feita através de simulação utilizando o programa computacional Genes (CRUZ, 2006). As redes neurais artificiais apresentaram uma taxa de indivíduos rejeitados por serem considerados ambíguos quanto às suas características discriminatórias. No entanto, mostraram-se uma técnica promissora no que diz respeito a problemas de classificação, uma vez que apresentaram um número de classificações erradas de indivíduos menor que aqueles dados pelas funções discriminantes.

Made available in DSpace on 2010-04-20T20:15:19Z (GMT). No. of bitstreams: 0 Previous issue date: 2002-02-04T00:00:00Z / Apresenta métodos quantitativos próprios para a discriminação entre grupos, baseados em Análise Discriminante Linear, Regressão Logística, Redes Neurais e Algoritmos Genéticos, dentro do contexto do problema da análise de crédito.

ALMEIDA, L. G. R. Tomada de decisão em investimentos na produção de oleaginosas para o setor do biodiesel, com foco na pequena e média empresa: uma abordagem de análises discriminantes e fatorial. 2008. 122 f. Dissertação (Mestrado em Logística e Pesquisa Operacional) – Pró-Reitoria de Pesquisa e Pós-Graduação, Universidade Federal do Ceará, Fortaleza, 2008. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2016-03-17T15:55:29Z No. of bitstreams: 1 2008_dis_lgralmeida.pdf: 1825220 bytes, checksum: 3833e013e6dc5c45f514bbfb3ad1d8f3 (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2016-04-01T17:43:12Z (GMT) No. of bitstreams: 1 2008_dis_lgralmeida.pdf: 1825220 bytes, checksum: 3833e013e6dc5c45f514bbfb3ad1d8f3 (MD5) / Made available in DSpace on 2016-04-01T17:43:12Z (GMT). No. of bitstreams: 1 2008_dis_lgralmeida.pdf: 1825220 bytes, checksum: 3833e013e6dc5c45f514bbfb3ad1d8f3 (MD5) Previous issue date: 2008-08-05 / Brazilian median and small biooil country producers working on the Biodiesel production chain normally need the aid of public policies to guide the sector to sustainable development with social inclusion. Those policies are necessary to avoid the concentration of production in few large producers, as it has happened with sugar cane ethanol supply chain in Brazil. So, the aim of the present research work is to identify which are the key-variables and their relative importance to support public policies aiming the increase in agricultural production in Brazilian median and small biooil country producers’ sector. Data are elicited from a sample of 162 small and median producers in Ceará, a poor Brazilian county in its northeastern region, as well as from experts in Biodiesel agricultural input practices. A questionnaire was applied involving 54 variables considered important, according with literature research, in terms of their impacts in biooil inputs production. The methodology applied to face the study problem uses both discriminant and factorial analysis to identify similarities among respondents and to analyze the main key-variables in their decision taking process. Main results of the present work show that are no statistically significant differences in responses of both groups researched. Factorial analysis application revealed high importance, to the individuals sampled, of variables related to associative producers’ clusters as well as to the support they may have from governmental authorities, relating to technical aspects or to personnel training in the focused sector. Familiar agriculture structured systems are based in community practices and in interaction with their environment. They also use to valorize availability of logistics equipments, basic services (educational and health facilities) and credit. Finally, many actions are put forward to support governmental policies aiming the development of the Biodiesel production sector in the County of Ceará. / Os pequenos e médios produtores rurais de oleaginosas para produção de biodiesel necessitam de políticas públicas voltadas para o desenvolvimento integrado e inclusão social, para que não ocorra concentração da produção, como acontece no caso do etanol. Assim, o objetivo desta pesquisa foi identificar quais as principais variáveis de decisão e os seus graus de importância para a tomada de decisão sobre o cultivo de oleaginosas por pequenos e médios agricultores, no âmbito da cadeia produtiva do biodiesel, a fim de elaborar proposições para subsidiar políticas governamentais de suporte ao setor, com base em gargalos encontrados e com ênfase para os procedimentos logísticos. Quanto aos procedimentos, a metodologia foi do tipo bibliográfica e survey. O universo desta pesquisa é composto pelos pequenos e médios produtores rurais do Estado do Ceará e especialistas da área agrícola, tendo a amostra totalizado 162 observações válidas. Como instrumento de coleta de dados, utilizou-se um questionário estruturado e adaptado à realidade do Estado do Ceará, contendo uma lista de 54 variáveis capazes de influenciar a tomada de decisão no cultivo de oleaginosas, elaborado por meio da identificação, na literatura revisada, dos principais constructos relacionados ao cultivo de oleaginosas. No que se refere à abordagem do problema, o modelo elaborado nesta pesquisa foi quantitativo, utilizando-se a Análise Discriminante e a Análise Fatorial como técnicas para identificação de semelhanças entre os respondentes e análise das principais variáveis de decisão, bem como dos seus graus de importância, para os atores enfocados. Dentre os principais resultados do estudo, a Análise Discriminante mostrou que não há diferença nas respostas dos grupos formados por pequenos e médios agricultores por um lado, e especialistas, por outro. Desta forma, aplicou-se a Análise Fatorial com todas as observações coletadas, constatando-se que os respondentes atribuíram alta importância à tomada de decisão, no cultivo de oleaginosas, às variáveis relativas ao cooperativismo e/ou associativismo, aos assentamentos e apoio que estes recebem de órgãos governamentais, seja de forma técnica ou de formação de recursos humanos. Assim, por exemplo, políticas que dêem suporte aos assentamentos são essenciais, já que a agricultura familiar se baseia na comunidade e na interação desta com o ambiente em que está inserido. Percebe-se, também, que são valorizadas as variáveis de decisão que estão relacionadas com a infra-estrutura logística e de serviços básicos e crédito. Finalmente, algumas proposições são feitas, com base nos resultados gerais da pesquisa, para subsidiar políticas governamentais para o setor de produção do biodiesel no Estado do Ceará.

Um dos temas mais estudados na área de finanças, em especial na análise de créditos, são os modelos que buscam prever a capacidade das empresas em se manterem solventes. Via de regra, tais estudos buscam, dentre vários indicadores, aqueles que se mostram mais apropriados para realizar tal predição. Nesse trabalho propõe-se um outro olhar sobre os modelos de previsão. Partindo de modelos já consagrados na literatura, escolheram-se os indicadores contábeis mais utilizados, que foram comparados, através da Análise Discriminante e da Regressão Logística, com os indicadores oriundos do Modelo Dinâmico. O objetivo do estudo foi verificar se os indicadores do Modelo Dinâmico oferecem melhores resultados que os indicadores tradicionais. O trabalho se baseia numa amostra com 48 empresas, composta de 24 insolventes e as outras 24 ditas como saudáveis, tratadas como pares das insolventes, escolhidas dentro do mesmo setor econômico de cada uma das insolventes. Além disso, foi incluída no estudo a classificação de empresas de Fleuriet como variável qualitativa. Os resultados obtidos não apresentam evidências sobre a superioridade de um ou outro conjunto de indicadores, mas, os melhores resultados alcançados derivam da inclusão da classificação de empresas de Fleuriet, seja através da Análise Discriminante, seja através da Regressão Logística, conseguindo no melhor dos resultados, um percentual de acerto total de 83,3%. A análise minuciosa dos erros de classificação ensejou uma proposta de reordenação dos tipos de situação de liquidez originalmente propostos por Fleuriet. / One of the most studied topics in finance, particularly in credit analysis, are the models that seek to predict the ability of firms to remain solvent. Usually, such studies among various indicators, seek those who are most appropriate to perform such a prediction. In this work we propose a different view of the forecast models. Starting from models already established in the literature, were chosen the most used financial indicators, which were compared by discriminant analysis and logistic regression, with indicators derived from the Dynamic Model. The aim of the study was to determine whether the indicators of Dynamic Model offer better results than the traditional indicators. The work is based on a sample of 48 companies, consisting of 24 insolvent 24 and the other said to be healthy treated as pairs of insolvent chosen within the same economic sector of each insolvent. Furthermore, it was included in the study the classification of companies as Fleuriet qualitative variable. The results show no evidence of the superiority of one or another set of indicators, but the best results achieved derive from the inclusion of classification Fleuriet companies, either through discriminant analysis, logistic regression is through, achieving the best results a percentage of the total adjustment of 83.3 %. A thorough analysis of the classification errors gave rise a proposed reorganization of the types of liquidity situation originally proposed by Fleuriet.

Made available in DSpace on 2014-06-11T19:32:16Z (GMT). No. of bitstreams: 0 Previous issue date: 2013-10-02Bitstream added on 2014-06-13T19:02:45Z : No. of bitstreams: 1 000736370.pdf: 4790865 bytes, checksum: 809ff4894ab6c213aa0b928951bca1be (MD5) / Os objetivos deste trabalho foram estimar parâmetros genéticos para a produção de leite utilizando modelos de regressão aleatória, comparar o ganho genético esperado da produção de leite utilizando diferentes índices de seleção, utilizar análise de agrupamento e discriminante para explorar o perfil genético dos animais para a produção de leite, visando identificar os animais mais indicados para a seleção e investigar quais informações devem ser utilizadas em redes neurais artificiais para que fossem capazes de predizer os valores genéticos dos animais para produção de leite total até 305 dias em lactação. As estimativas de herdabilidade dos controles mensais da produção de leite variaram de 0,12 ± 0,04 a 0,31 ± 0,04. As estimativas de correlação genética e de ambiente permanente apresentaram valores próximos à unidade em controles leiteiros adjacentes, com tendência de diminuição das correlações à medida que o tempo entre os controles leiteiros aumentou. As magnitudes das estimativas de herdabilidade para as classes dos controles leiteiros mensais indicam que a produção de leite deve responder ao processo de seleção dos animais e a fase entre 121 a 240 dias em lactação teria melhor resposta à seleção devido as maiores estimativas de herdabilidade nesse período. A seleção dos animais baseada na produção de leite entre 121 a 150 dias em lactação é recomendada devido à alta herdabilidade para a característica nesta fase e pelas altas correlações genéticas da característica neste período com os demais da lactação. A indicação de qual índice de seleção deve ser utilizado dependerá, entre outros fatores, dos objetivos de seleção estabelecidos pelo programa de melhoramento genético. Se o objetivo de seleção for melhorar a produção de leite e a persistência da lactação, seria mais indicado utilizar índices de seleção baseado... / The objectives of this study were to estimate genetic parameters for milk yield using random regression models, to compare the expected genetic gain of this trait using different selection indexes, to use cluster and discriminant analyses to explore the genetic pattern of milk production of the animals to identify those ones most suitable for selection, and to investigate which information should be used in artificial neural networks to predict the breeding values for milk yield to 305 days in milks. The estimates of heritability for monthly milk production classes ranged from 0.12 ± 0.04 to 0.31 ± 0.04. The estimates of genetic correlation and permanent environment had values close to one in adjacent dairy controls, and decreased as the time between the controls had increased. The magnitudes of heritabilities between 121 to 240 days indicated that the milk yield could better response to selection in this phase due to the highest estimates. The selection based on milk production between 121 to 150 days in milk is recommended due to the high heritability for the trait at this phase and due to the high genetic correlations with milk yield in the other periods of the lactation. The use of a particular selection index will depend on the selection goals of the breeding program. The selection indexes based on eigenvectors of additive genetic matrix with greater selection emphasis for persistence is recommended if the selection goal of the breeding program is to improve milk production and persistence simultaneously. But, if the selection goal is to improve only the milk production, the selection index based on breeding values for milk production up to 305 days in milk would be the most appropriate, because it presented the greatest expected genetic gain for this trait. The breeding values of milk yield on every 30 days were used as grouping variables of the animals. It was found that the population ...

O planalto catarinense, conhecido como uma região típica de agropecuária, vem se tornando, cada vez, mais uma região de base florestal (silvicultura). Isto deve-se a valorização crescente da madeira. Porém a alta demanda por terra esta tornando um entrave para os investidores, ocasionando uma “escassez” deste fator de produção, levando a um deslocamento da curva de demanda para direita, com o aumento do seu valor. Assim, tais investidores estão buscando formas alternativas para plantios florestais como arrendamento, fomento e outros. Ao desenvolver estas atividades, buscam tornar o agricultor seu parceiro, dando-lhe condições para que permaneça no campo, minimizando aspectos sociais como êxodo rural e também aspectos ambientais incentivando a formação de grande maciço florestal, porém em áreas territoriais descontinuas. As florestas plantadas possuem um papel fundamental na geração de renda, emprego e desenvolvimento econômico, assim como na produção de bens e serviços ambientais (PNF, 2000).O setor florestal possui perspectiva de crescimento para os próximos anos pois a oferta de madeira advinda de plantios florestais é insuficiente para o atendimento da demanda. Como a estrutura fundiária do planalto catarinense é composta principalmente por pequenas e médias propriedades, necessitando-se então, encontrar meios de executar estas alternativas. A região serrana catarinense é composta por 23 municípios e tem na pecuária sua principal atividade econômica. Este trabalho tem por objetivo geral traçar o perfil dos proprietários da região, proporcionando aos agentes do mercado florestal, os meios para tomada das melhores decisões relativas ao recurso terra, tendo como objetivos específicos: a) caracterizar o perfil dos proprietários na região de estudo, b) ajustar e testar o modelo discriminante que permita, estatisticamente, identificar o perfil dos proprietários e c) Analisar as variáveis que influenciam a função discriminante do perfil dos proprietários no modelo escolhido. Foram realizados 109 questionários distribuídos em duas regiões. Para tal foi realizado um questionário sócio-econômico junto aos produtores rurais. Através dos questionários aplicados aos produtores ou proprietários de terras, foram separados quatro grupos de interesse para o estudo: proprietários que reflorestaram através de fomento, arrendamento ou com recursos próprios e aqueles não apresentavam interesse em reflorestamento, sendo denominadas de variáveis dependentes do modelo. O “Modelo de Identificação do Perfil do Proprietário” foi obtido pelo método de Análise Discriminante. De acordo com os resultados obtidos, pode-se concluir que: A maioria dos proprietários tem idade superior a 50 anos, o que leva a admitir a ocorrência de uma oferta crescente de terras na região, nos próximos anos, devido ao êxodo rural dos mais jovens. E devido à idade avançada dos proprietários, a maioria reside nas propriedades e não pensam em abandoná-la. A estrutura fundiária da região se caracteriza pela presença marcante de pequenas e médias propriedades. O reflorestamento com recursos próprios ainda é a forma mais utilizada pelos proprietários particulares. O mercado florestal é considerado mais dinâmico que o mercado agrícola na região. O modelo 13, foi aquele que apresentou o melhor conjunto de parâmetros de ajuste. Nenhuma variável sozinha tem o poder de alterar abruptamente o resultado do perfil dos proprietários.

Este trabalho explora a contribuição da segmentação de dados, manual e estatística, combinada com análise discriminante e com redes neurais, para a tomada de decisão de concessão de crédito ao consumidor. A grande importância que a decisão de concessão de crédito tem para o mercado varejista e para a área de controladoria de uma empresa dão cenário para o aumento da relevância do gerenciamento do risco de crédito. O mercado necessita, cada vez mais, de modelos capazes de produzir boas expectativas do comportamento dos clientes, com vistas de reduzir perdas com inadimplência. Dado um banco de dados composto por 50 mil clientes de uma importante loja do setor varejista, primeiro aplica-se a análise discriminante, depois as redes neurais, para que se classifique a capacidade preditiva de cada técnica nesta etapa. Posteriormente, os dados são segmentados com base na região à qual a filial de venda pertence e, depois, por meio das análises de clusters K-Means e TwoStep Cluster. A próxima etapa compreende a aplicação da análise discriminante, depois das redes neurais, para cada um dos grupos formados, tanto pela segregação por região, quanto pela segregação por meio das técnicas de análise de clusters. A última etapa abrange a comparação da soma dos acertos dos bons e dos maus pagadores obtida tanto para análise discriminante, quanto para redes neurais, combinadas com a segmentação de dados, com os resultados obtidos na primeira etapa sem a segmentação dos dados. O modelo híbrido que combina a segmentação manual dos dados com análise discriminante e com redes neurais, formando-se 21 micro-regiões foi o que apresentou maiores porcentagens de acerto de classificação. O modelo híbrido que combina análise discriminante e redes neurais com a análise de clusters TwoStep Cluster não apresenta resultados de classificação adequados à proposta deste trabalho, devendo, portanto, ser descartado. / This paper explores the contribution of data segmentation, and statistical manual, combined with discriminant analysis and neural networks, for making the decision to grant credit to consumers. The great importance that the decision to grant credit is for the retail market and the area of controlling a business scenario to give increasing importance of managing credit risk. The market needs, increasingly, models capable of producing good expectations of customer behavior, in order to reduce losses from default. Given a database consisting of 50 000 customers of a major retail store, the first applies to discriminant analysis, then the neural networks, in order to classify the predictive ability of each technique in this step. Subsequently, the data are segmented based on the region to which the branch belongs to sell and then through the analysis of clusters K-Means and TwoStep Cluster. The next step involves the application of discriminant analysis, neural networks then, for each of the groups formed by both the segregation by region, by segregation and by the techniques of cluster analysis. The last step includes comparing the sum of the hits of the good and bad debtors obtained for both discriminant analysis and neural networks, combined with the segmentation of data, with the results obtained in the first stage - without the segmentation of the data. The hybrid model that combines the manual segmentation of the data with discriminant analysis and neural networks, forming 21 micro-regions showed the highest percentage of correct classification. The hybrid model that combines neural networks and discriminant analysis with cluster analysis results TwoStep Cluster does not have appropriate rating to the proposal of this work and should therefore be discarded.

Um dos temas mais estudados na área de finanças, em especial na análise de créditos, são os modelos que buscam prever a capacidade das empresas em se manterem solventes. Via de regra, tais estudos buscam, dentre vários indicadores, aqueles que se mostram mais apropriados para realizar tal predição. Nesse trabalho propõe-se um outro olhar sobre os modelos de previsão. Partindo de modelos já consagrados na literatura, escolheram-se os indicadores contábeis mais utilizados, que foram comparados, através da Análise Discriminante e da Regressão Logística, com os indicadores oriundos do Modelo Dinâmico. O objetivo do estudo foi verificar se os indicadores do Modelo Dinâmico oferecem melhores resultados que os indicadores tradicionais. O trabalho se baseia numa amostra com 48 empresas, composta de 24 insolventes e as outras 24 ditas como saudáveis, tratadas como pares das insolventes, escolhidas dentro do mesmo setor econômico de cada uma das insolventes. Além disso, foi incluída no estudo a classificação de empresas de Fleuriet como variável qualitativa. Os resultados obtidos não apresentam evidências sobre a superioridade de um ou outro conjunto de indicadores, mas, os melhores resultados alcançados derivam da inclusão da classificação de empresas de Fleuriet, seja através da Análise Discriminante, seja através da Regressão Logística, conseguindo no melhor dos resultados, um percentual de acerto total de 83,3%. A análise minuciosa dos erros de classificação ensejou uma proposta de reordenação dos tipos de situação de liquidez originalmente propostos por Fleuriet. / One of the most studied topics in finance, particularly in credit analysis, are the models that seek to predict the ability of firms to remain solvent. Usually, such studies among various indicators, seek those who are most appropriate to perform such a prediction. In this work we propose a different view of the forecast models. Starting from models already established in the literature, were chosen the most used financial indicators, which were compared by discriminant analysis and logistic regression, with indicators derived from the Dynamic Model. The aim of the study was to determine whether the indicators of Dynamic Model offer better results than the traditional indicators. The work is based on a sample of 48 companies, consisting of 24 insolvent 24 and the other said to be healthy treated as pairs of insolvent chosen within the same economic sector of each insolvent. Furthermore, it was included in the study the classification of companies as Fleuriet qualitative variable. The results show no evidence of the superiority of one or another set of indicators, but the best results achieved derive from the inclusion of classification Fleuriet companies, either through discriminant analysis, logistic regression is through, achieving the best results a percentage of the total adjustment of 83.3 %. A thorough analysis of the classification errors gave rise a proposed reorganization of the types of liquidity situation originally proposed by Fleuriet.

Neste trabalho estuda-se a aplicação de métodos estatísticos multivariáveis para a classificação de gasolinas comerciais em conformidade à legislação vigente. Atualmente, a ANP baseia a classificação em limites máximos e mínimos para uma série de diferentes propriedades físico-químicas. O objetivo do trabalho é propor uma metodologia para fazer uma triagem das amostras coletadas durante o Programa de Monitoramento da Qualidade dos Combustíveis através de um método de classificação. Ela utiliza a espectroscopia NIR, que é uma técnica rápida e não destrutiva, como método analítico. Com isto será possível reduzir o número de ensaios físico-químicos que não necessariamente seriam realizados sistematicamente em todas as amostras, reduzindo-se os custos e aumentando-se a quantidade de postos monitorados. As análises NIR produzem grandes quantidades de dados, o que leva à utilização de técnicas estatísticas multivariáveis para estabelecer as metodologias de classificação. Neste trabalho utilizam-se técnicas já consagradas, como a PCA e a PLS para a compressão dos dados e a LDA e QDA para a classificação das amostras. Os dados analisados correspondem às propriedades físico-químicas e aos espectros NIR de um conjunto de 216 amostras de gasolinas comerciais, utilizado para a concepção dos modelos de classificação, e de outro de 50 amostras, utilizado para a validação dos modelos. Os modelos testados no trabalho foram as combinações da PCA-LDA, PCA-QDA, PLS-LDA, PLS-QDA, PLS (regressão) e a análise dos gráficos de scores (biplot). Os melhores desempenhos foram obtidos pelos gráficos dos scores, em seguida pela regressão PLS, PLS-QDA, PCA-QDA e PLS-QDA. Existem ainda algumas etapas a serem alcançadas para tornar prática a utilização da classificação de gasolinas comerciais através de NIR, no entanto, a contribuição deste estudo é importante pois permitiu demonstrar a sua viabilidade técnica. / In this work, the application of multivariable statistical methods for the classification of commercial gasoline in accordance to applicable laws in Brazil is studied. In the present, the ANP bases the classification of gasoline on lower and upper bounds defined for a number of physico-chemical properties. The objective of this work is to propose an alternative analysis methodology, that is adequate for making a pre-sorting of the samples collected by the Fuel Quality Monitoring Program through a classification method. This method is based on NIR spectroscopy, that is a fast and non-destructive technique, as the analytical method. In this way, it would be possible to reduce the number of physico-chemical analyses, as it would be possible not to perform them on every sample, reducing costs and increasing the quantity and frequency of gas stations that could be monitored. NIR analyses produce a great quantity of data, that makes the use of multivariable statistical techniques necessary in order to set up classification methodologies. In this work the well-known PCA and PLS techniques are used for data compression, and LDA and QDA analyses for sample classification. The data studied correspond to the physico-chemical properties and NIR spectra of a total of 216 commercial gasoline samples, used for model design, and of a 50 samples, used for validation. The classification methods that are tested are combinations of PCA-LDA, PCA-QDA, PLS-LDA, PLS-QDA, PLS (regression) and data compression scores graphical analysis (biplot). Best performance was obtained with compression scores graphical analysis, followed by PLS regression, PLS-QDA, PCA-QDA and PLS-QDA. There are still some steps to be fulfilled before the usage of commercial gasoline classification through NIR could be practical. However, this study has shown that this methodology is technically feasible.