O objetivo desta pesquisa foi o desenvolvimento de um modelo paramétrico capaz de distribuir inputs (entradas) com soma constante, de forma a gerar soluções DEA (do inglês Data Envelopment Analysis) CCR (modelo DEA utilizado para problemas com retorno de escala constante) fortemente eficientes com controle nos pesos. Para isso, foi construída uma fronteira de eficiência paramétrica em formato elipsoidal, generalizando o modelo esférico já existente na literatura, já que um elipsóide com excentricidades nulas é uma esfera. O Modelo de Fronteira Elipsoidal (EFM, do inglês Ellipsoidal Frontier Model), apresenta a propriedade da distribuição coerente e a capacidade de distribuir inputs considerando outros inputs e outputs (saídas) presentes no problema. Outra característica do modelo EFM, inédita até onde se tem conhecimento, é a possibilidade de gerar soluções CCR fortemente eficientes com controle nos pesos para todas as DMUs, uma distribuição de pesos diferente para cada combinação de excentricidades, proporcionando ao decisor a vantagem de poder eleger, dentre todas as soluções DEA fortemente eficientes, a que possui a distribuição de pesos mais adequada.

O presente estudo visa complementar o desenvolvimento de um modelo de alocação de insumos, de soma constante, paramétrico, que se adapta as características da Análise Envoltória de Dados, DEA (Data Envelopment Analysis), e que garante uma solução fortemente eficiente ("strongly efficient") para todas as Unidades Tomadoras de Decisão, DMUs (Decision Making Units), em modelos com retorno constante de escala. Trata-se do Modelo EFM, Ellipsoidal Frontier Model, baseado numa fronteira de eficiência paramétrica em formato elipsoidal, capaz de distribuir inputs levando em conta os valores de inputs e outputs do problema. O EFM fornece várias possibilidades de soluções em razão da sua flexibilidade, atribuída aos graus de liberdade (excentricidades) do modelo. Por esta razão, despertou-se o interesse em orientar o decisor na escolha da melhor solução, objetivo do presente trabalho. Assim, são propostas três análises, classificadas como: Análises Local 1 (AL1), Análise Local 2 (AL2) e Análise Global (AG). A primeira (AL1) busca uma solução que obtenha o menor valor do input enquanto a segunda (AL2), a menor variabilidade, ambos associados a uma determinada DMU. E por fim, a AG, com vistas a uma solução com a menor variabilidade total do conjunto dos dados, ou seja, de todas as DMUs da distribuição. Para cada uma das análises são propostos também um Problema de Otimização Não Linear (PNL) para sua resolução. Desse modo, indicam-se a combinação de excentricidade com uma redistribuição dos inputs considerada mais favorável ao decisor.

Made available in DSpace on 2015-03-26T13:32:08Z (GMT). No. of bitstreams: 1 texto completo.pdf: 801719 bytes, checksum: 87934fb7e8c6635218cccfd6cf57b830 (MD5) Previous issue date: 2010-02-11 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Conjoint Analysis (CA) and the Constant Sum (CS) approach were both applied in a consumer preference study in order to estimate Relative Importance (RI%) of attributes. The main goal of this study was to verify if the CS approach can be used to evaluate estimates of RI% obtained from CA. A sample of 192 consumers, residents of Viçosa city, Minas Gerais State, evaluated 8 alternative packages of a milk based drink, formed by the combination of 3 factors with two levels each: Size (200mL and 1000mL), name (coffee and chocolate flavor and chocolate and coffee flavor) and information decaffeinated (with and without). We applied Descriptive (Box and Whisker plots, descriptive measures and dispersion plots) and inferential (paired and independent two sample t tests, general linear hypothesis tests) statistical analysis were applied using estimates of RI obtained from both methods and we concluded that CS does not provide a good evaluation for estimates obtained from CA, although this method can be used as a prior study in order to select factors for a CA study, specially when there exists many candidate factors. / A proposta deste trabalho foi comparar os métodos Soma Constante (SC) e Análise Conjunta de Fatores (ANCF) para estimar a importância relativa ((IR%)) dos fatores em estudos da preferência do consumidor. O objetivo principal foi verificar se o método SC pode ser utilizado para avaliar as estimativas de IR (%) obtidas pela ANCF. Foi realizado um estudo para avaliar a intenção de compra de uma bebida láctea sabor café com base na embalagem. Utilizou-se uma amostra de 192 julgadores residentes na cidade de Viçosa. Os fatores e respectivos níveis avaliados foram: tamanho da embalagem (200 mL e 1000 mL), nome do produto (café e chocolate e chocolate e café) e informação descafeinado (com e sem). Com as estimativas de IR (%) fornecidas pelos julgadores obtidas pelos dois métodos foram realizadas análises descritivas: gráficos Box e Whisker, histogramas e tabelas com medidas descritivas; e também análises inferenciais: teste t para dados pareados e para amostras independentes e testes de hipóteses lineares gerais. Optou-se por realizar as análises com e sem a exclusão de julgadores que não se adequaram ao modelo da ANCF, com base na não significância (valor p > 0,20) da Análise de Variância (ANOVA) realizada para os três fatores com os dados fornecidos por cada julgador. Após a realização das análises estatísticas concluiu-se que o método SC não se mostrou apropriado para avaliar os valores de importância relativa dos fatores estimados na ANCF. Devido à facilidade de aplicação, o método SC pode ser utilizado como um pré-estudo na seleção fatores para serem submetidos à ANCF, principalmente quando existem muitos fatores avaliados no estudo.