As determinantes locais da paradiplomacia: o caso dos municípios ...
As determinantes locais da paradiplomacia: o caso dos municípios ...
As determinantes locais da paradiplomacia: o caso dos municípios ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Esse conceito é um pouco difícil de ser explicado, mas, em suma, remete ao número<br />
de observações que são livres para variar. Um exemplo facilita a explicação.<br />
Retirando de uma população uma amostra de 6 observações quaisquer, seus scores são livres<br />
para variar de qualquer forma (podem assumir qualquer valor). Se o interesse é fazer uso <strong>da</strong><br />
amostra de 6 observações para calcular o desvio padrão <strong>da</strong> população, e não <strong>da</strong> amostra, é<br />
necessário calcular a média <strong>da</strong> amostra para estimar a média <strong>da</strong> população. Nesse <strong>caso</strong>,<br />
mantem-se um parâmetro constante. Supondo que a média <strong>da</strong> amostra é 12, então assume-se<br />
que a média <strong>da</strong> população também é 12 e mantem-se esse valor constante. Com o parâmetro<br />
fixado, nem to<strong>dos</strong> os seis scores <strong>da</strong> observação podem variar, porque como o valor <strong>da</strong> média<br />
está fixado, apenas cinco scores terão essa liber<strong>da</strong>de. Por exemplo, se os valores <strong>da</strong> amostra<br />
fossem 9, 10, 11, 13, 14 e 15 (com média de 12) e fossem mu<strong>da</strong><strong>dos</strong> cinco desses scores para<br />
5, 6, 8, 20 e 21, o último número teria que ser, necessariamente, 12, para a média permanecer<br />
a mesma. Caso seja mantido um parâmetro constante, o grau de liber<strong>da</strong>de deve ser o número<br />
<strong>da</strong> amostra menos 1 (N – 1) .<br />
A medi<strong>da</strong> que divide a soma <strong>dos</strong> desvios quadráticos pelo graus de liber<strong>da</strong>de é<br />
chama<strong>da</strong> de variância ( . Ela é a média <strong>dos</strong> desvios entre as médias e as observações feitas,<br />
e por isso, também é uma medi<strong>da</strong> de quão bem o modelo se encaixa nos <strong>da</strong><strong>dos</strong>. Sua<br />
representação matemática é <strong>da</strong><strong>da</strong> por:<br />
<br />
<br />
<br />
Existe um problema com essa medi<strong>da</strong>, que é o fato de fornecer valores eleva<strong>dos</strong> ao<br />
quadrado e não nas uni<strong>da</strong>des <strong>da</strong> observação. Para sanar esse problema, tira-se a raiz quadra<strong>da</strong><br />
<strong>da</strong> variância. Essa medi<strong>da</strong> é chama<strong>da</strong> de desvio padrão (s). E pode ser expressa por:<br />
<br />
<br />
<br />
A soma <strong>dos</strong> desvios quadráticos, a variância e o desvio padrão são, portanto, medi<strong>da</strong>s<br />
de “fit” (no <strong>caso</strong> específico, quão bem a média representa os scores). Pequenos desvios<br />
padrão significam que os valores <strong>dos</strong> <strong>da</strong><strong>dos</strong> estão próximos <strong>da</strong> média (e, portanto, representa<br />
bem os <strong>da</strong><strong>dos</strong>), já os grandes representam o oposto (poor fit). Quando o desvio padrão é zero<br />
to<strong>dos</strong> os valores são iguais.<br />
161