Simulação da Qualidade de Cafés Utilizando Critérios da Abic na Discriminação de Regiões com Diferentes Estruturas de Dependência Espacial.
Cafés, Origem, Notas, Sabor.
Neste trabalho, aborda-se a aplicação da análise discriminante, uma técnica estatística multivariada tradicionalmente utilizada para classificar observações em grupos distintos, em um contexto específico de dados de proporção com dependência espacial. A análise discriminante pressupõe a existência de amostras em uma escala contínua, considerando a homogeneidade ou heterogeneidade na matriz de covariância, distinguindo entre abordagens linear e quadrática. O objetivo principal deste estudo é avaliar a eficácia da análise discriminante em cenários de dados de proporção com dependência espacial. Para alcançar esse propósito, são gerados dados por simulação Monte Carlo, incorporando dependência espacial através de modelos exponencial, gaussiano e esférico. Os cenários simulados incluem diferentes funções de ligação (logit/complemento log-log) e níveis variados de dependência espacial (forte e fraca), definidos por parâmetros como efeito pepita, patamar parcial e alcance. A análise é conduzida em grids de tamanhos distintos (px p = 25 e 100). A avaliação da viabilidade da análise discriminante é realizada por meio de índices de desempenho, tais como acurácia, precisão, sensibilidade, especificidade, taxa de falso positivo e taxa de falso negativo