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.

Made available in DSpace on 2014-06-12T15:07:00Z (GMT). No. of bitstreams: 2 arquivo1363_1.pdf: 1828701 bytes, checksum: f0a7740303ce331d14c5ebcc9b8eb289 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2006 / Os modelos de Credit Scoring são modelos quantitativos empregados comumente por instituições financeiras na mensuração e previsão do risco de crédito, possuindo uso consolidado no processo de concessão de crédito destas instituições. Este trabalho de dissertação objetivou avaliar a possibilidade de aplicação de modelos Credit Scoring em uma instituição de microcrédito denominada Fundo Rotativo de Ação da Cidadania Cred Cidadania, situada em Recife (PE). Para isso, foram coletados dados relativos a uma amostra de clientes do Cred Cidadania, e estes dados foram utilizados para desenvolver dois tipos de modelos de Credit Scoring: um de aprovação de crédito e um outro chamado behavioural scoring (escoragem comportamental). As técnicas estatísticas empregadas na construção dos modelos foram análise discriminante e regressão logística. Os modelos obtidos agregaram variáveis como renda líquida do empreendimento, número de parcelas do empréstimo, número de dependentes do cliente, estado civil do cliente, valor do empréstimo, tempo de funcionamento do empreendimento, eficiência do agente de crédito, dentre outras. Algumas variáveis representam atributos que contribuem para o aumento da propensão à inadimplência do solicitante, enquanto outras colaboram para a redução do risco de inadimplência, o que repercute positivamente na sustentabilidade financeira na instituição. Os resultados do estudo demonstraram que os modelos Credit Scoring obtêm desempenho satisfatório quando utilizados na análise de risco de crédito na instituição de microcrédito Cred Cidadania, alcançando um percentual de classificação correta dos clientes de cerca de 80%. Os resultados indicam também que o uso de modelos Credit Scoring fornece subsídios à instituição, auxiliando-a na prevenção e redução da inadimplência e na diminuição dos seus custos operacionais, dois problemas que afetam a sua sustentabilidade financeira

O trabalho aqui apresentado é uma análise retrospectiva de modelos desenvolvidos, no Brasil, sobre o estudo da previsão de insolvência das empresas, objetivando-se avaliar a aplicação de métodos quantitativos para fins de análise de demonstrações contábeis. Considera-se que é relevante a avaliação da continuidade da empresa, e que, se for possível identificar fato em contrário, o uso de modelos de previsão é de importância no que tange à decisão de concessão de crédito, tanto no âmbito da intermediação financeira, realizada pelos bancos, quanto no âmbito de transações comerciais entre fornecedores e clientes. Desta última, pode-se inferir sobre a avaliação da concessão ou não da Concordata para uma empresa, servindo aqueles modelos como ferramental de análise da capacidade da empresa em cumprir o acordo da concordata, ponto esse explorado nesta pesquisa. Através da aplicação dos modelos sobre uma amostra de empresas que haviam solicitado a concordata, pôde-se avaliar se mantinham uma capacidade de discriminar as empresas que lograriam êxito na concordata. Como ferramental estatístico, é utilizada a Análise Discriminante, técnica de análise multivariada, que busca classificar os dados em dois grupos específicos. Neste trabalho, foram definidos como grupo de empresas solventes e grupo de empresas insolventes. Verificou-se que as premissas para utilização da técnica estatística de Análise Discriminante podem limitar, não invalidar, esses modelos. Há necessidade de se avaliarem os dados das amostras para se verificar se é possível ou não o uso da técnica de Análise Discriminante, além do que necessitam recorrentemente, de ser recalculados. Essa limitação reduziu-se quando se utilizaram os modelos em conjunto ou integrados, como verificado nos testes realizados. Outra técnica utilizada nesse estudo foi a de se gerar um modelo que congregue os melhores indicadores dos modelos analisados, obtendo-se um modelo de previsão, que pode ser considerado híbrido ou misto. Esse modelo foi testado quanto à sua capacidade de avaliar se as empresas concluiriam suas concordatas e, também, em sua capacidade de discriminar as empresas nos dois grupos anteriormente descritos (Solventes e Insolventes), ambos formados por empresas situadas em Belo Horizonte, Betim e Contagem. Como ressaltado, existem limitações ao uso desses modelos, que se iniciam pela própria ferramenta da Análise Discriminante. Porém, a sua utilização pode tornar mais objetiva a decisão de se conceder ou não a Concordata a uma empresa, ou, até mesmo, uma linha de crédito especial para cliente de um fornecedor ou de uma instituição bancária que se encontre nessa situação. Portanto, verificou-se ser possível, através das demonstrações contábeis das empresas objeto do estudo, a previsão da tendência de solvência ou insolvência daquelas, avaliando-se se lograriam êxito com a concordata. / This study is a retrospective analysis of models developed in Brazil with respect to the study of forecasting company insolvency, aimed at evaluating the application of quantitative methods to the financial analysis of financial statements. Evaluating the going-concern of companies is considered relevant. If facts can be identified indicating the opposite, the use of forecasting models is important what the decision on the extension of credit is concerned, not only in the field of financial intermediation, realized by banks, but also in the field of commercial transactions between suppliers and clients. From this decision, inferences can be made about the evaluation of whether a composition of debt will be conceded to a company, in which the models mentioned above will serve as tools for analyzing the company’s capacity to fulfill the composition agreement, an issue that is dealt with in this research. By means of the application of those models to a sample of companies that had applied for composition of debt, it could be evaluated whether the models maintained their capacity to distinguish the companies that were successful in the composition of debt. As a statistical tool, the Discriminant Analysis is used. This is a multivariate analysis technique that seeks to classify the data in two specific groups. In this study, they were defined as solvent companies group and insolvent companies group. It was verified that the premises for using the statistical technique of Discriminant Analysis can limit, but not invalidate these models. The data of the samples need to be assessed in order to verify whether it is possible or not to use the Discriminant Analysis technique. In addition, they recurrently need to be recalculated. This limitation was reduced when the models were used together or in an integrated way, as verified in the accomplished tests. Another technique used in this study was the creation of a model that unites the best indicators of the models that were analyzed, obtaining a forecasting model, which can be considered a hybrid or mixed. This model was tested for its capacity to evaluate whether the companies would conclude the composition of debt as well as its capacity to discriminate the companies in the two groups previously described (Solvent and Insolvent), both of which consist of companies located in Belo Horizonte, Betim and Contagem. As highlighted, the use of these models is limited, starting with the Discriminant Analysis tool itself. Nevertheless, their utilization can make the decision on the concession of debt composition to a company more objective, or even the decision on extending a special credit line to the customer of a supplier or to the client of a bank who finds himself in this situation. Therefore, it was confirmed that the analysis of the financial statements of the firms included in this study permits to forecast the possibility to determine the solvency or insolvency trend of the firms, as well as to assess their eventual success with the concordat.

Submitted by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-12-04T14:17:52Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação_Diana D. Aguiar.pdf: 2526734 bytes, checksum: ef02491a952f20781293fdfd0e5f5052 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-12-04T14:18:04Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação_Diana D. Aguiar.pdf: 2526734 bytes, checksum: ef02491a952f20781293fdfd0e5f5052 (MD5) / Made available in DSpace on 2017-12-04T14:18:04Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação_Diana D. Aguiar.pdf: 2526734 bytes, checksum: ef02491a952f20781293fdfd0e5f5052 (MD5) Previous issue date: 2017-08-09 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / In this work we present a new approach for applications in Discriminant Analysis (DA) to problems whose observations in the training set are from time series, using the Bayes classifier and modeling the classes distributions in with Linear Dynamic Models. Theoretical developments were conducted to obtain an analytic form for the classe posterior probability. The simulation studies have been developed to evaluate the proposed approach, to evaluate different strategies to estimate the model variance and determine the classification error rates (ET) to compare them with other usual approaches in AD. Time series were simulated with different structures of classes separation and with different sizes for the training set. The proposed approach was also applied to data from real problems with different degrees of difficulty with respect to the classes number, the time series size and number of observations in the training set. With real data the proposed classifier was compared with other classifiers in terms of error rate. Although it is needed most complete studies, the results suggest that this parametric approach developed constitutes a promising alternative for problems in AD with time series, particularly in a challenging context when the size time series is much large than the number of observations in the classes. / Na presente dissertação apresentamos uma nova abordagem para aplicações em Análise Discriminante (AD) para problemas cujas observações no conjunto de treinamento são oriundas de séries temporais, empregando o Classificador de Bayes e modelando as distribuições nas classes com o emprego de Modelos Lineares Dinâmicos. Foram realizados os desenvolvimentos teóricos necessários para a obtenção de uma forma analítica para as probabilidades a posteriori das classes. Para avaliar a abordagem proposta foram desenvolvidos estudos de simulação, tanto para avaliar as estratégias da escolha do procedimento da estimação da variância, como também, determinar as taxas de erro (TE) de classificação para compará-las com outras abordagens usuais para classificadores em AD. Foram simuladas observações de séries temporais com diferentes estruturas de separação das classes e com diferentes tamanhos para o conjunto de treinamento. A abordagem proposta também foi aplicada em dados de problemas reais, com diferentes graus de dificuldades com relação ao número de classes, tamanho das séries e o número de observações no conjunto de treinamento, sendo então comparadas suas TE com as de outros classificadores. Embora sejam necessários estudos mais completos, os resultados obtidos sugerem que a abordagem paramétrica desenvolvida se constitui em uma alternativa promissora para esta categoria de problemas em AD, com observações de séries temporais, em particular, em um contexto bastante desafiador na prática quando temos séries com tamanhos grandes com relação ao número de observações nas classes.

Emplea la teoría y aplicación del método de análisis discriminante y del modelo de regresión logística, para trabajar con los datos de la Compañía Hair, Anderson y Tatham (HATCO), donde se explican los motivos por los que algunas empresas recurren a ella con más intensidad que otras, además de contar con una mejor comprensión del comportamiento de los clientes. Presenta los resultados obtenidos durante la aplicación del modelo de regresión logística, asimismo se compararon los resultados obtenidos con el método de análisis discriminante, bajo el enfoque predictivo y/o explicativo a fin de poder determinar el mejor modelo. Evidencia que el modelo de regresión logística es mejor en comparación con el método de análisis discriminante. / Trabajo de suficiencia profesional

Dans cette thèse, on introduit la métrique "Coefficient de forme" pour la classement des données de dissimilitudes. Cette approche est inspirée par l'analyse discriminante géométrique et on a défini des règles de décision pour imiter le comportement du classifieur linéaire et quadratique. Le nombre de paramètres est limité (deux par classe). On a également étendu et amélioré cette démarche avantageuse et rapide pour apprendre uniquement à partir des représentations de dissimilitudes en utilisant l'efficacité du classificateur des Machines à Vecteurs de Support. Comme contexte applicatif pour la classification par dissimilitudes, on utilise la recherche d'images à l'aide d'une représentation des images en multi échelle en utilisant la "Pyramide Réduite Différentielle". Une application pour la description de visages est développée. Des résultats de classification à partir du coefficient de forme et utilisant une version adaptée des Machines à Vecteurs de Support, sur des bases de données issues des applications du monde réel sont présentés et comparés avec d'autres méthodes de classement basées sur des dissimilitudes. Il en ressort une forte robustesse de la méthode proposée avec des perfommances supérieures ou égales aux algorithmes de l'état de l'art. / The dissimilarity representation is an alternative for the use of features in the recognition of real world objects like images, spectra and time-signal. Instead of an absolute characterization of objects by a set of features, the expert or the system is asked to define a measure that estimates the dissimilarity between pairs of objects. Such a measure may also be defined for structural representations such as strings and graphs. The dissimilarity representation is potentially able to bridge structural and statistical pattern recognition. In this thesis we introduce a new fast Mahalanobis-like metric the “Shape Coefficient” for classification of dissimilarity data. Our approach is inspired by the Geometrical Discriminant Analysis and we have defined decision rules to mimic the behavior of the linear and quadratic classifier. The number of parameters is limited (two per class). We also expand and ameliorate this advantageous and rapid adaptive approach to learn only from dissimilarity representations by using the effectiveness of the Support Vector Machines classifier for real-world classification tasks. Several methods for incorporating dissimilarity representations are presented, investigated and compared to the “Shape Coefficient” in this thesis: • Pekalska and Duin prototype dissimilarity based classifiers; • Haasdonk's kernel based SVM classifier; • KNN classifier. Numerical experiments on artificial and real data show interesting behavior compared to Support Vector Machines and to KNN classifier: (a) lower or equivalent error rate, (b) equivalent CPU time, (c) more robustness with sparse dissimilarity data. The experimental results on real world dissimilarity databases show that the “Shape Coefficient” can be an alternative approach to these known methods and can be as effective as them in terms of accuracy for classification.

Orientador : Rubens Maciel Filho / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-07-31T19:52:47Z (GMT). No. of bitstreams: 1 DiazConsul_CelesteMaria_D.pdf: 3349001 bytes, checksum: 20c676f2f351bcbed012946503d98333 (MD5) Previous issue date: 2002 / Resumo: Na indústria de processos químicos, geralmente varias variáveis são anipuladas e monitoradas ao mesmo tempo. Nestes casos passam a ser de extrema importância as etapas de tratamento de dados e o desenvolvimento de modelos de representação do processo para a detecção e identificação de falhas no processo. Usando técnicas estatísticas multivariadas, como Análise de Componentes Principais (PCA) e Análise Discriminante de Fisher (FDA), tira-se proveito da natureza multivariada dos dados e é possível proceder com a detecção de problemas de monitoramento no processo, assim como diagnosticar quais as causas destes comportamentos. Neste trabalho consideramos como caso estudo um reator de hidrogenação do fenol a ciclo-hexanol. Dados históricos, com um grande número de variáveis e observações, foram coletados durante a operação do processo. A idéia geral do método da PCA é explicar a estrutura de variância e covariância dos dados através de umas poucas combinações lineares das variáveis originais, as quais tentam refletir as dimensões verdadeiramente importantes. O desempenho do processo poderá então ser monitorado no espaço das componentes principais, dimensionalmente menor. Usando o modelo PCA e alguns gráficos auxiliares foi possível a avaliação e identificação de um conjunto de falhas no processo. Por outro lado, usando um banco de falhas apropriadamente construído FDA conseguiu classificar todas as observações amostradas com uma boa taxa de classificação. Uma reflexão sobre a importância do uso destas técnicas multivariadas na detecção de falhas é apresentada junto a avaliação dos resultados obtidos / Abstract: In the industry of chemical processes, a lot of variabIes are manipulated and monitored at the same time. In these cases, it start to be of extreme importance the stages of data treatment and the deveIopment of models for representation of the processo One of the most important goals are detection and identification of faults in the processo Using multivariable statistical techniques, as Principal Components Analysis (PCA) and Fisher's Discriminant Analysis (FDA), is possible to take advantage of the data multivariabIe nature and it is possible to proceed with the detection of monitoring problems as well as diagnosing which the causes of these behaviors. In this work is considered as study case a hydrogenation of phenol to cyclohexanol reactor. Historical data, with a great number of variables and obsexvations, were collected during the operation of the processo The general idea of the method of PCA is to expIam the covariance structure of the data through some few lineal combinations of the original variabIes, which try to reflect the dimensions tru1y important. The acting of the process then can be monitored in the space of the principal components, of smaller dimension. Using the model PCA was possible the evaluation and identification of a group of faults in the processo On the other hand, using a bank of faults, adequately built, FDA got to classify the obsexvations with a good classmcation taxo A reflection on the importance of the use of these multivariabIe techniques for detection and fault diagnose is presented with the evaluation of the obtamed results / Doutorado / Desenvolvimento de Processos Químicos / Doutor em Engenharia Química

En la evaluación de impacto ambiental existe una amplia variedad de metodologías para valorar los efectos de las actividades de un proyecto sobre el ambiente. Todas parten de métodos cuantitativos o cualitativos y la identificación de factores ambientales. Sin embargo, se presenta una alta incertidumbre que no es identificada ni tratada. La presente tesis tiene como objetivo desarrollar una metodología numérica de valoración de impactos ambientales que, mediante el uso de una matriz de interacción entre factores y acciones, mejore las valoraciones finales de los impactos. Para lograrlo, se analizó la valoración de los impactos ambientales de la fase de construcción de ocho proyectos de infraestructura ubicados en distintos departamentos del Perú. La metodología aplicó el análisis factorial por componentes principales a través de un programa de análisis estadístico para dos bases de datos, uno con criterios de valoración cualitativos de cada impacto ambiental y el otro con el peso cuantitativo de cada factor ambiental. Para identificar las fuentes de incertidumbre, se realizó un análisis clúster jerárquico y discriminante para los criterios de valoración cualitativos. Finalmente, se calculó la nueva valoración de los impactos y se comparó las valoraciones iniciales con las estimadas. De la comparación de las valoraciones finales se obtuvo una reducción del error estándar en 28% y una significancia menor al 5%, lo cual demostró que el método propuesto influye positivamente en la precisión de los resultados. De esta manera, se redujo la incertidumbre de los datos iniciales y permitió una mejor evaluación ambiental de los proyectos. / The environmental impact assessment of a project has a wide variety of methodologies to assess the effects of its activities on the environment. All start from quantitative or qualitative methods and the identification of environmental factors. However, there is a high uncertainty that is not identified or treated in the process. The objective of this thesis is to develop a numerical methodology for assessing environmental impacts which, through the use of a matrix of interaction between factors and actions, improves their final assessments. In order to achieve this, the assessment of the environmental impacts of the construction phase of eight infrastructure projects located in different departments of Peru were analyzed. The methodology applied was the factorial analysis by main components through a statistical analysis program for two databases, one with qualitative assessment criteria of each environmental impact and the other with the quantitative weight of each environmental factor. To identify the sources of uncertainty, a hierarchical and discriminant cluster analysis was performed for the qualitative attributes. Finally, the new assessment of the impacts was calculated and the initial assessments were compared with the estimated ones. From the comparison of the final evaluations, a reduction of 28% in the standard error and a significance of less than 5% were obtained, which showed that the proposed method positively influences the accuracy of the results. In this way, the uncertainty of the initial data was reduced and allowed a better environmental evaluation of the projects.