Made available in DSpace on 2014-06-12T18:02:22Z (GMT). No. of bitstreams: 2 arquivo3863_1.pdf: 381256 bytes, checksum: f9b1cfbbbb5791ee170982e6e794a87b (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2009 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Nesta dissertação, introduzimos um modelo geral de regressão de valorextremo e obtemos a partir de Cox e Snell (1968) fórmulas gerais para o viés de segunda ordem das estimativas de máxima verossimilhança (EMV) dos parâmetros. Apresentamos fórmulas que podem ser computadas por meio de regressões lineares ponderadas. Além disso, obtemos a assimetria de ordem n−1/2 dos EMVs dos parâmetros usando a fórmula de Bowman e Shenton (1998). Casos especiais deste modelo e um estudo de simulação com os resultados obtidos com o uso da fórmula de Cox e Snell (1968) são apresentados. Um uso prático deste modelo e das fórmulas obtidas para correção de viés é apresentado

Compositional data consist of known vectors such as compositions whose components are positive and defined in the interval (0,1) representing proportions or fractions of a whole, where the sum of these components must be equal to one. Compositional data is present in different areas, such as in geology, ecology, economy, medicine, among many others. Thus, there is great interest in new modeling approaches for compositional data, mainly when there is an influence of covariates in this type of data. In this context, the main objective of this thesis is to address the new approach of regression models applied in compositional data. The main idea consists of developing a marked method by penalized regression, in particular the Lasso (least absolute shrinkage and selection operator), elastic net and Spike-and-Slab Lasso (SSL) for the estimation of parameters of the models. In particular, we envision developing this modeling for compositional data, when the number of explanatory variables exceeds the number of observations in the presence of large databases, and when there are constraints on the dependent variables and covariates. / Dados composicionais consistem em vetores conhecidos como composições cujos componentes são positivos e definidos no intervalo (0,1) representando proporções ou frações de um todo, sendo que a soma desses componentes totalizam um. Tais dados estão presentes em diferentes áreas, como na geologia, ecologia, economia, medicina entre outras. Desta forma, há um grande interesse em ampliar os conhecimentos acerca da modelagem de dados composicionais, principalmente quando há a influência de covariáveis nesse tipo de dado. Nesse contexto, a presente tese tem por objetivo propor uma nova abordagem de modelos de regressão aplicada em dados composicionais. A ideia central consiste no desenvolvimento de um método balizado por regressão penalizada, em particular Lasso, do inglês least absolute shrinkage and selection operator, elastic net e Spike-e-Slab Lasso (SSL) para a estimação dos parâmetros do modelo. Em particular, visionamos o desenvolvimento dessa modelagem para dados composicionais, com o número de variáveis explicativas excedendo o número de observações e na presença de grandes bases de dados, e além disso, quando há restrição na variável resposta e nas covariáveis.

Os diversos fenômenos solares mostram que a sua atividade não é constante, sendo as manchas solares observadas em sua fotosfera um indicador de atividade do Sol. Os números dessas manchas seguem um ciclo de 11 anos que alterna entre máximos e mínimos; quanto maior o número de manchas, maior o número de erupções no Sol. A literatura médica vem mostrando algumas evidências de que a atividade solar possui alguma relação com a predisposição das pessoas a algumas doenças. As tempestades geomagnéticas são associadas a doenças cardiovasculares, mudanças na pressão arterial sistólica, gravidade da crise de enxaqueca, distúrbios psiquiátricos. As condições da atividade geomagnética são classificadas segundo Batista (2003) em uma escala de Calma, Transição, Ativo, Tempestade fraca, Tempestade intensa ou Tempestade muito intensa. No presente projeto de pesquisa, objetiva-se investigar a associação entre atividade geomagnética e internações diárias por infarto nos hospitais de Ribeirão Preto e região, no período de 1998 a 2007. A hipótese em estudo é que em dias de condições de atividade geomagnética muito perturbada, o número médio de internações por doenças isquêmicas do coração é maior. Para a análise dos dados foi utilizado o modelo de regressão de Poisson com função logarítmica com o auxílio do software SAS 9.2, utilizando o procedimento PROC GENMOD. Observa-se que há evidências de associação entre tempestades geomagnéticas e internações por IAM. / Numerous solar phenomena demonstrate that their activities are not continual, and sunspots noticed in their photosphere are considered an indicator by Suns activity. Numbers linked with these sunspots follow an eleven-year cycle, which alternates between high and low, it means, the greater the number of sunspots, the greater the number of Sun eruptions. Medical Literature has produced evidences that solar activity has some association with people predisposing to some diseases. Geomagnetic storms are related with cardiovascular disease, changes in systolic blood pressure, severity and psychiatric disorders. According to Batista (2003), geomagnetic activity conditions are categorized on a scale of Quiet, Transition, Acting, Weak Storm, Intense Storm or Very Intense Storm. This study intends to investigate the association between geomagnetic activity and daily hospitalization by acute myocardial infarction (AMI) in Ribeirão Preto and its region from 1998 to 2007. The hypothesis being studied is that: day which has unquiet geomagnetic condition, the average number of hospitalizations originated by ischemic heart disease is higher. In order to get on with data analysis, it was used Poissons regression model, with logarithmic function through SAS 9.2, using PROC GENMOD procedure. In consequence, it is observed that there are evidences between geomagnetic storms and hospitalizations by AMI.

Nos últimos anos grande número de modelos computacionais tem sido propostos com o intuito de descrever o movimento de solutos no perfil do solo, apesar disso, o que se observa é que existe grande dificuldade em se modelar esses fenômenos, para que o modelo possa predizer o processo de deslocamento e retenção dos solutos na natureza. Para tanto, o objetivo deste trabalho foi utilizar um modelo estatístico para descrever o transporte dos solutos no perfil do solo. Dessa forma, foi realizado um experimento em laboratório e observado os níveis de potássio e nitrato ao longo do perfil dos solos Latossolo Vermelho Amarelo e Nitossolo Vermelho. Para inferir sobre essas variáveis foram consideradas duas abordagens. Para a primeira abordagem foi utilizado um modelo de regressão não linear para cada uma das variáveis, cujos parâmetros do modelo apresentam uma interpretação prática, na área de solos. Para esse modelo foi realizado um esboço sobre a não linearidade do mesmo para verificar as propriedades assintóticas dos estimadores dos parâmetros. Para o método de estimação foi considerado, o método de mínimos quadrados e o método de bootstrap. Além disso, foi realizada uma análise de diagnóstico para verificar a adequação do modelo, bem como identificar pontos discrepantes. Por outro lado, para outra abordagem, foi utilizado um modelo multiresposta para analisar o comportamento das variáveis nitrato e potássio ao longo do perfil dos solos, conjuntamente. Para esse modelo foi utilizado o método da máxima verossimilhança para encontrar as estimativas dos parâmetros do modelo. Em ambas as situações, observou-se a adequação dos modelos para descrever o comportamento dos solutos nos solos, sendo uma alternativa para os pesquisadores que trabalham com estudo de solos. O modelo logístico com quatro parâmetros se destacou por apresentar melhores propriedades, como medidas de não linearidade e boa qualidade de ajuste. / In the last years, several computational models have been proposed to describe the movement of solutes in the soil profile, but what is observed is that there is great difficulty in model these phenomena, so that model can predict the displacement process and retention of solutes in nature. Thus, the aim of this study was to use a statistical model to describe the transport of solutes in the soil profile. Therefore, an experiment was conducted in the laboratory and observed levels of potassium and nitrate along the depth of soil Oxisol (Haplustox) and Hapludox,. To make inferences about these variables were considered two approaches. For the first approach was utilized a non-linear regression model for each variable and the model parameters have a practical interpretation on soil. For this model we performed a sketch on the nonlinearity of the model to check the asymptotic properties of parameter estimators. To estimate the parameters were considered the least squares method and the bootstrap method. In addition, we performed a diagnostic analysis to verify the adequacy of the model and identify outliers. In the second approach considered was using a multi-response model to analyze the behavior of the variables nitrate and potassium throughout the soil profile together. For this model we used the maximum likelihood method to estimate the model parameters. In both cases, we observed the suitability of the models to describe the behavior of solutes in soils, being an alternative for researchers working on the study of soils. The logistic model with four parameters stood out with better properties, such as non-linearity and good fit.

Este projeto de mestrado apresenta uma caracterização das chuvas estimadas pelo radar meteorológico Doppler de dupla polarização banda S (SPOL) do Departamento de Águas e Energia Elétrica (DAEE) e Fundação Centro Tecnológico de Hidráulica (FCTH) durante eventos com ou sem alagamento para cada bairro da cidade de São Paulo durante o ano de 2015. A caracterização foi determinada a partir da função densidade de probabilidade (PDF) da chuva acumulada e da taxa de precipitação, duração da chuva e fração da área de cada bairro onde ocorreu a chuva. Na média, os eventos de alagamento estavam associados com um volume de chuva maior que 30mm e taxa precipitação máxima maior que 30mm/h. Com relação à duração não foi possível encontrar um padrão médio, pois a chuva teve duração mínima de 20 minutos e máxima de 23 horas. Por outro lado, eventos de alagamento tinham alcançado mais de 27% da área do bairro com taxa de precipitação maior que 30 mm/h e 50 mm/h. Destaca-se ao longo desta análise que os bairros localizados próximos aos rios Tietê e Pinheiros e a região central da cidade de São Paulo apresentaram maior probabilidade de ocorrência de alagamento com volumes de chuva mais baixos do que a média de 30 mm por dia e também registraram maior recorrência de pontos alagados. Por último foi desenvolvido um método de regressão logística binária para calcular a probabilidade de ocorrência de alagamentos nos diversos bairros da cidade São Paulo. Este modelo utiliza como parâmetros de entrada a duração da chuva, a taxa de precipitação máxima e a chuva acumulada nas últimas 24 horas. O modelo apresentou uma probabilidade de detecção (POD) média de 1% e uma taxa de falso alarme média (FAR) de 0,6 para os eventos de alagamento, já para eventos sem alagamento o POD médio foi de 96% e a FAR foi de 2,5%. Portanto o modelo consegue prever os casos sem alagamento. / This dissertation project presents a characterization of the rainfall estimated from a dual-polarization S-band Doppler meteorological radar (SPOL) of the Department of Water and Electric Energy (DAEE) and Foundation Technological Center of Hydraulics (FCTH) during with or without flooding events for each neighborhood of the city of São Paulo over the year 2015. The characterization was determined by the probability density function (PDF) of the accumulated rainfall and the precipitation rate, rainfall duration and rainfall-area fraction in the neighborhoods. In average, flood events were associated with a rainfall volume greater than 30mm and a maximum rainfall rate greater than 30mm/h. Regarding the duration, it was not possible to find an average pattern, because the rain had a minimum duration of 20 minutes and a maximum of 23 hours. On the other hand, flood events had reached more than 27% of the neighborhood\'s area with a precipitation rate greater than 30 mm/h and 50 mm/h. It is highlighted throughout this analysis that the neighborhoods located near the Tietê and Pinheiros rivers and central region of the city of São Paulo presented a higher probability of flood occurrence with rainfall volumes lower than the average of 30 mm per day and also recorded higher recurrence of flooded spots. Finally, a binary logistic regression method was developed to estimate the probability of occurrence of flooding in the various neighborhoods of the city of São Paulo. This model uses as input parameters rainfall duration, maximum rainfall rate and accumulated rainfall in the last 24 hours. The model presented a mean probability of detection (POD) of 1% and a mean false alarm rate (FAR) of 0,6 for flood events. On the other hand, for events without occurrence of flood a mean POD was 96% and FAR 2,5. Therefore, the model can predict the events without flooding.

Este projeto de mestrado apresenta uma caracterização das chuvas estimadas pelo radar meteorológico Doppler de dupla polarização banda S (SPOL) do Departamento de Águas e Energia Elétrica (DAEE) e Fundação Centro Tecnológico de Hidráulica (FCTH) durante eventos com ou sem alagamento para cada bairro da cidade de São Paulo durante o ano de 2015. A caracterização foi determinada a partir da função densidade de probabilidade (PDF) da chuva acumulada e da taxa de precipitação, duração da chuva e fração da área de cada bairro onde ocorreu a chuva. Na média, os eventos de alagamento estavam associados com um volume de chuva maior que 30mm e taxa precipitação máxima maior que 30mm/h. Com relação à duração não foi possível encontrar um padrão médio, pois a chuva teve duração mínima de 20 minutos e máxima de 23 horas. Por outro lado, eventos de alagamento tinham alcançado mais de 27% da área do bairro com taxa de precipitação maior que 30 mm/h e 50 mm/h. Destaca-se ao longo desta análise que os bairros localizados próximos aos rios Tietê e Pinheiros e a região central da cidade de São Paulo apresentaram maior probabilidade de ocorrência de alagamento com volumes de chuva mais baixos do que a média de 30 mm por dia e também registraram maior recorrência de pontos alagados. Por último foi desenvolvido um método de regressão logística binária para calcular a probabilidade de ocorrência de alagamentos nos diversos bairros da cidade São Paulo. Este modelo utiliza como parâmetros de entrada a duração da chuva, a taxa de precipitação máxima e a chuva acumulada nas últimas 24 horas. O modelo apresentou uma probabilidade de detecção (POD) média de 1% e uma taxa de falso alarme média (FAR) de 0,6 para os eventos de alagamento, já para eventos sem alagamento o POD médio foi de 96% e a FAR foi de 2,5%. Portanto o modelo consegue prever os casos sem alagamento. / This dissertation project presents a characterization of the rainfall estimated from a dual-polarization S-band Doppler meteorological radar (SPOL) of the Department of Water and Electric Energy (DAEE) and Foundation Technological Center of Hydraulics (FCTH) during with or without flooding events for each neighborhood of the city of São Paulo over the year 2015. The characterization was determined by the probability density function (PDF) of the accumulated rainfall and the precipitation rate, rainfall duration and rainfall-area fraction in the neighborhoods. In average, flood events were associated with a rainfall volume greater than 30mm and a maximum rainfall rate greater than 30mm/h. Regarding the duration, it was not possible to find an average pattern, because the rain had a minimum duration of 20 minutes and a maximum of 23 hours. On the other hand, flood events had reached more than 27% of the neighborhood\'s area with a precipitation rate greater than 30 mm/h and 50 mm/h. It is highlighted throughout this analysis that the neighborhoods located near the Tietê and Pinheiros rivers and central region of the city of São Paulo presented a higher probability of flood occurrence with rainfall volumes lower than the average of 30 mm per day and also recorded higher recurrence of flooded spots. Finally, a binary logistic regression method was developed to estimate the probability of occurrence of flooding in the various neighborhoods of the city of São Paulo. This model uses as input parameters rainfall duration, maximum rainfall rate and accumulated rainfall in the last 24 hours. The model presented a mean probability of detection (POD) of 1% and a mean false alarm rate (FAR) of 0,6 for flood events. On the other hand, for events without occurrence of flood a mean POD was 96% and FAR 2,5. Therefore, the model can predict the events without flooding.

Made available in DSpace on 2017-07-21T14:19:35Z (GMT). No. of bitstreams: 1 Joaquim Honorio Lima.pdf: 515371 bytes, checksum: 8f95a1f08506d7bdd58cee52c06a4a1b (MD5) Previous issue date: 2012-09-24 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The search for alternative water sources for agriculture activities have been an actual concern due to decreasing of available potable water. The agricultural use of secondary treated sewage effluent (STSE) for crops irrigation has been an attractive practice in several soil and climate conditions. However, the changes in soil-plant system after STSE application is not well comprehended in tropical environment, specially under pasture crops. The aim of this work, to model scenarios, including soil-pasture systems subjected to irrigation and rates of nitrogen by mineral fertilization (NMF), aiming mathematics models to understand of the dynamic attributes of the total carbon (TC), total nitrogen (TN) and available phosphorus (Pavai) soil. The linear regression models (LRM) were used to approach. The variable selection methods of stepwise, forward and backward were used to LRM development and compared to standard method, through the adjusted coefficient of determination and variance influence factor. The models developed using variable selection methods were the most indicated. The CT has most of its concentration explained by the variables block, time, temperature and precipitation. The concentration of NT and P were not explained by the same group of variables in the different scenarios. The organic carbon from Tifton 85 grass and TN from STSE inputs appeared not to be enough to mitigate the TC and TN losses of soil, respectively. The grass was, in adequate conditions for growth and above ground dry mass accumulation, an important Pavai sink and, moreover, the input of P from STSE few changed the concentration of soil Pavai. / A preocupação com a diminuição na oferta de água potável tem implicado na busca por fontes alternativas, particularmente, para atividades agrícolas. A utilização de efluente de tratamento secundário de esgoto (ETSE) na irrigação das culturas tem sido prática comum em diversas situações de clima e solo. Todavia, as mudanças ocorridas no sistema solo-planta mediante o uso de ETSE não são bem compreendidas em situação de ambiente tropical, particularmente, sob pastagens cultivadas. Objetivou-se neste trabalho, modelar cenários, incluindo sistemas solopastagem submetido à irrigação e doses de nitrogênio via fertilizante mineral, mediante uso de regressão linear múltipla (RLM), visando auxiliar no entendimento da dinâmica dos atributos carbono total (CT), nitrogênio total (NT) e fósforo disponível (Pdisp) no solo. Na construção dos modelos de RLM foram utilizados os métodos de seleção de variáveis stepwise, forward e backward e comparados com o método padrão, através dos índices de coeficiente de determinação ajustado e do fator de inflação de variância. Os modelos gerados com seleção de variáveis foram os mais indicados. O CT teve a maior parte de sua concentração explicada pelas variáveis bloco, tempo, temperatura e precipitação. As concentrações de NT e Pdisp não foram explicadas por um mesmo conjunto de variáveis nos diferentes cenários. O aporte de carbono orgânico oriundo do capim-Tifton 85 e do NT oriundo do ETSE parecem não ser suficientes para resultar em reposição das perdas de CT e NT do solo, respectivamente. O capim atuou como um dreno de Pdisp e, o aporte de P oriundo do ETSE pouco influenciou a concentração deste nutriente no solo.

Este trabalho tem como objetivo estudar o modelo de regressão binária nas abordagens clássica e bayesiana utilizando as funções de ligações probito, logito, complemento log-log, transformação box-cox e probito-assimétrico. Na abordagem clássica apresentamos as suposições e o procedimento para ajustar o modelo de regressão e verificamos a precisão dos parâmetros estimados, construindo intervalos de confiança e testes de hipóteses. Enquanto que, na inferência bayesiana fizemos um estudo comparativo utilizando duas metodologias. Na primeira metodologia consideramos densidades a priori não informativas e utilizamos o algoritmo Metropolis-Hastings para ajustar o modelo. Na segunda metodologia utilizamos variáveis auxiliares para obter a distribuição a posteriori conhecida, facilitando a implementação do algoritmo do Amostrador de Gibbs. No entanto, a introdução destas variáveis auxiliares podem gerar valores correlacionados, o que leva à necessidade de se utilizar o agrupamento das quantidades desconhecidas em blocos para reduzir a autocorrelação. Através do estudo de simulação mostramos que na inferência clássica podemos usar os critérios AIC e BIC para escolher o melhor modelo e avaliamos se o percentual de cobertura do intervalo de confiança assintótica está de acordo com o esperado na teoria assintótica. Na inferência bayesiana constatamos que o uso de variáveis auxiliares resulta em um algoritmo mais eficiente segundo os critérios: erro quadrático médio (EQM), erro percentual absoluto médio (MAPE) e erro percentual absoluto médio simétrico (SMAPE). Como ilustração apresentamos duas aplicações com dados reais. Na primeira, consideramos um conjunto de dados da variação do Ibovespa e a variação do valor diário do fechamento da cotação do dólar no período de 2013 a 2016. Na segunda aplicação, trabalhamos com um conjunto de dados educacionais (INEP-2013), focando nos estudos das variáveis que influenciam a aprovação do aluno. / The objective of this work is to study the binary regression model under the frequentist and Bayesian approaches using the probit, logit, log-log complement, Box-Cox transformation and skewprobit as link functions. In the classical approach we presented assumpti- ons and procedures used in the regression modeling. We verified the accuracy of the estimated parameters by building confidence intervals and conducting hypothesis tests. In the Bayesian approach we made a comparative study using two methodologies. For the first methodology, we considered non-informative prior distributions and the Metropolis-Hastings algorithm to estimate the model. In the second methodology we used auxiliary variables to obtain the known a posteriori distribution, allowing the use of the Gibbs Sampler algorithm. However, the introduction of these auxiliary variables can generate correlated values and needs the use of clustering of unknown quantities in blocks to reduce the autocorrelation. In the simulation study we used the AIC and BIC information criteria to select the most appropriate model and we evaluated whether the coverage probabilities of the confidence interval is in agre- ement with that expected by the asymptotic theory. In Bayesian approach we found that the inclusion of auxiliary variables in the model results in a more efficient algoritm according to the MSE, MAPE and SMAPE criteria. In this work we also present applications to two real datasets. The first dataset used is the variation of the Ibovespa and variation of the daily value of the American dollar at the time of closing the 2013 to 2016. The second dataset, used is an educational data set (INEP-2013), where we are interested in studying the factors that influence the approval of the student.

Os diversos fenômenos solares mostram que a sua atividade não é constante, sendo as manchas solares observadas em sua fotosfera um indicador de atividade do Sol. Os números dessas manchas seguem um ciclo de 11 anos que alterna entre máximos e mínimos; quanto maior o número de manchas, maior o número de erupções no Sol. A literatura médica vem mostrando algumas evidências de que a atividade solar possui alguma relação com a predisposição das pessoas a algumas doenças. As tempestades geomagnéticas são associadas a doenças cardiovasculares, mudanças na pressão arterial sistólica, gravidade da crise de enxaqueca, distúrbios psiquiátricos. As condições da atividade geomagnética são classificadas segundo Batista (2003) em uma escala de Calma, Transição, Ativo, Tempestade fraca, Tempestade intensa ou Tempestade muito intensa. No presente projeto de pesquisa, objetiva-se investigar a associação entre atividade geomagnética e internações diárias por infarto nos hospitais de Ribeirão Preto e região, no período de 1998 a 2007. A hipótese em estudo é que em dias de condições de atividade geomagnética muito perturbada, o número médio de internações por doenças isquêmicas do coração é maior. Para a análise dos dados foi utilizado o modelo de regressão de Poisson com função logarítmica com o auxílio do software SAS 9.2, utilizando o procedimento PROC GENMOD. Observa-se que há evidências de associação entre tempestades geomagnéticas e internações por IAM. / Numerous solar phenomena demonstrate that their activities are not continual, and sunspots noticed in their photosphere are considered an indicator by Suns activity. Numbers linked with these sunspots follow an eleven-year cycle, which alternates between high and low, it means, the greater the number of sunspots, the greater the number of Sun eruptions. Medical Literature has produced evidences that solar activity has some association with people predisposing to some diseases. Geomagnetic storms are related with cardiovascular disease, changes in systolic blood pressure, severity and psychiatric disorders. According to Batista (2003), geomagnetic activity conditions are categorized on a scale of Quiet, Transition, Acting, Weak Storm, Intense Storm or Very Intense Storm. This study intends to investigate the association between geomagnetic activity and daily hospitalization by acute myocardial infarction (AMI) in Ribeirão Preto and its region from 1998 to 2007. The hypothesis being studied is that: day which has unquiet geomagnetic condition, the average number of hospitalizations originated by ischemic heart disease is higher. In order to get on with data analysis, it was used Poissons regression model, with logarithmic function through SAS 9.2, using PROC GENMOD procedure. In consequence, it is observed that there are evidences between geomagnetic storms and hospitalizations by AMI.

Orientador: Selene Maria Coelho Loibel / Resumo: Esta dissertação tem como foco a análise de dados categóricos, uma parte integrante da Análise Multivariada que interpreta a informação que está contida em dados discretos provenientes de contagens de eventos, possuindo características de nidas pela combinação das categorias de duas ou mais variáveis. A análise de dados categóricos é de grande importância dentro da Estatística pois tem aplicabilidade em variadas áreas do conhecimento. Os dados utilizados, foram coletados através de um question ário aplicado aos alunos de cinco Escolas Técnicas Estaduais (Etec) que nalizaram os cursos técnicos em 2018 e 2019. A pesquisa teve como objetivo obter dados locais e analisar se os alunos pretendem trabalhar ou continuar estudando na mesma área do curso que estão concluindo, se os alunos estão satisfeitos com os cursos que estão fazendo, se pretendem voltar para Etec e fazer outro curso complementar, entre outros questionamentos. Devido à natureza dos dados obtidos, as técnicas de análise de dados categóricos são adequadas e devem ser aplicadas para modelar e fazer inferências sobre os aspectos de interesse. Esta análise pode levar a resultados que serão de grande utilidade para essas Etecs. / Abstract: This dissertation focuses on the Categorical Data Analysis, an integral part of the Multivariate Analysis, which interprets embedded information in discrete data resulting from event counts, having characteristics de ned by combinations of categories from two or more variables. The categorical data analysis is of considerable importance within Statistics since it has a wide applicability in several areas of knowledge. The data set used was collected through a questionnaire applied to students from ve Public Technical Schools (Etec) that nished the technical courses in 2018 and 2019. The research aims to gather local data and analyze whether students intend to work or continue studying in the same eld of the technical course they are completing, whether students are satis ed with the courses they are attending, whether they want to go back to Etec and take another complementary course, among other questions. Due to the nature of the data obtained, categorized data analysis techniques are adequate and should be applied to model and make inferences about the aspects of interest. This analysis can be leaded to outcomes that will be very useful to these Etecs. / Mestre