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 ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Nos parágrafos anteriores foram identifica<strong>dos</strong> alguns procedimentos e noções básicas<br />
<strong>da</strong> estatística que são aplica<strong>da</strong>s na construção de um modelo. Apesar de ter tomado um espaço<br />
excessivo, as noções são importantes para entender como se desenham os modelos estatísticos<br />
e por que ca<strong>da</strong> um deles trabalha de formas diferentes os <strong>da</strong><strong>dos</strong> coleta<strong>dos</strong>. A média serviu<br />
como modelo exemplificativo por ser uma forma simples de a amostra representar os <strong>da</strong><strong>dos</strong> e<br />
a população. Nos próximos segmentos serão apresenta<strong>dos</strong> os modelos de correlação e<br />
regressão linear até se chegar ao que de fato interessa para este estudo: a regressão logística e<br />
a regressão logística para os eventos raros.<br />
Um ponto importante antes de desenvolver modelos mais complexos é entender os<br />
pressupostos presentes na análise estatística. Não se entrará a fundo nesse tema porque a<br />
literatura geralmente se empenha em mostrar como respeitar os pressupostos e isso não é o<br />
objetivo deste trabalho. Pretende-se apresentar apenas o mínimo para que se enten<strong>da</strong> a<br />
apresentação <strong>dos</strong> resulta<strong>dos</strong> do próximo capítulo. Ao invés de detalhar ca<strong>da</strong> pressuposto, será<br />
apresentado rapi<strong>da</strong>mente o que ca<strong>da</strong> um implica. Nas respectivas explicações <strong>dos</strong> modelos,<br />
aparecerão outros pressupostos específicos.<br />
Os pressupostos são importantes porque quando não são respeita<strong>dos</strong> perde-se a<br />
capaci<strong>da</strong>de de formular conclusões acura<strong>da</strong>s sobre a reali<strong>da</strong>de. Há uma diferença entre<br />
pressupostos de <strong>da</strong><strong>dos</strong> paramétricos de <strong>da</strong><strong>dos</strong> não-paramétricos. Os <strong>da</strong><strong>dos</strong> paramétricos estão<br />
conti<strong>dos</strong> nos grandes catálogos de distribuição que foram desenvolvi<strong>dos</strong> pelos estatísticos e<br />
para serem considera<strong>dos</strong> como tais devem respeitar uma série de pressupostos. Da<strong>dos</strong> não<br />
paramétricos tendem a ser mais livres de pressupostos, mas também podem fornecer testes<br />
com menos poder.<br />
Existem alguns pressupostos mais comuns que aparecem para a distribuição normal e<br />
esses que serão rapi<strong>da</strong>mente identifica<strong>dos</strong>. O primeiro deles é a distribuição normal <strong>dos</strong><br />
<strong>da</strong><strong>dos</strong>. A ideia desse pressuposto já foi vista anteriormente, mas é importante repassá-la. Ela<br />
pode ser um pouco confusa e mal-entendi<strong>da</strong> porque significa coisas diferentes em contextos<br />
distintos. Às vezes a distribuição normal se refere à distribuição amostral (nos testes t, por<br />
exemplo), outras aos erros <strong>dos</strong> modelos (por exemplo, nos <strong>caso</strong>s de regressão).<br />
A normali<strong>da</strong>de poder ser identifica<strong>da</strong> por uma série de testes, que vão desde a<br />
visualização quando os <strong>da</strong><strong>dos</strong> são coloca<strong>dos</strong> no gráfico (buscar o formato de sino) até testes<br />
como o Kolmogorov-Smirnov e o Shapiro-Wilk, que comparam a distribuição <strong>dos</strong> <strong>da</strong><strong>dos</strong> com<br />
uma distribuição normal, passando pela análise de assimetria e curtose.<br />
Outras noções já apresenta<strong>da</strong>s também são importantes para trabalhar com a<br />
distribuição normal. A teoria <strong>dos</strong> limites centrais identifica que quando os <strong>da</strong><strong>dos</strong> de uma<br />
amostra possuem distribuição próxima <strong>da</strong> normal a tendência é que a distribuição amostral<br />
171