-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
1/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
1
Uso da Tcnica Two Step Cluster para Segmentao de Aparelhos de Ar
Condicionado Split Segundo Desempenho, Segurana e Rudo: Um Estudo de
Caso
Use the Two Step Cluster Technique for Targeting Air-conditioners Split Second
Performance, Safety and Noise: A Case Study
Autor (a)
Resumo: Os aparelhos de ar condicionado Split so cada vez mais utilizados peloconsumidor. Com o aumento da demanda, a Pro Teste realizou um levantamento cujo
objetivo era testar a eficcia de uma amostra de aparelhos de ar condicionado Split junto ao
consumidor final. Os produtos foram avaliados por seu desempenho, segurana e rudo.Os
resultados gerais a que se chegaram que os produtos so bons. Contudo, oportuno se
investigar se existem variaes evidncia geral constatada, isto , se existem subperfis que
se distanciam de certa forma do perfil geral constatado. Para se atingir o objetivo da
pesquisa, optou-se pela tcnica da anlise multivariadas an, a Two Step Clusters. A pesquisa
evidenciou que os clusters de aparelhos Splits possuem perfis muitos semelhantes, em torno
do bom desempenho. O que demarca de alguma forma uma possvel diferena entre os dois
subperfis a varivel desempenho, onde 100% dos aparelhos do Perfil 1 so considerados
bons, mas no Perfil 2, de aceitvel a fraco. Os produtos do Perfil 1 tiveram mdia deavaliao final superior aos modelos do Perfil 2. Observando com mais ateno os dois
perfis revelados, pode-se constatar que os aparelhos com o Perfil 1 devem ser os mais
eficazes e os com o Perfil 2, os menos eficazes. O artigo permitiu concluir que existem
evidncias de grupos homogneos no espao investigado, que se distanciam do perfil geral
existente e, que a viso que se deve ter do problema deve ser focada em cada configurao
identificada.
Palavras-chave:Aparelho de ar condicionado; Segmentao; Two Step Cluster; Eficcia.
Abstract: The air-conditioners Split are increasingly used by the consumer. With the increase
in demand, the Pro Test conducted a survey whose goal was to test the effectiveness of asample of air-conditioners Split along to the final consumer. The products have been assessed
for their performance, safety and noise. The General results are reached is that the products
are good. However, it is appropriate to investigate if there are variations to the General
found evidence, that is, if there are under profile to distance themselves somewhat from the
General profile found. In order to achieve the objective of the research, by the technique of
multivariate analysis cluster analysis, a Two Step Clusters. The research showed that the
clusters of Splits have many similar profiles around the good performance. What
DEMARCATES somehow a possible difference between the two under profile is the variable
performance, where 100% of the equipment of Profile 1 are considered good, but in the
profile 2, acceptable to weak. 1 Profile products had final evaluation average superior to
profile 2 models. Watching more closely the two profiles revealed, one can see that thedevices with 1 profile should be the most effective and with 2 profile, the less effective. The
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
2/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
2
article made it possible to conclude that there is evidence of homogeneous groups withininvestigated, which distance themselves from the General profile and, that the vision should
be of the problem should be focused on each configuration is identified.
Keywords: Air-conditioner; Segmentation; Two Step Cluster; Effectiveness.
1. Introduo
As decises de marketing que tm por objetivo definir os melhores planos
estratgicos para abordar o mercado, escolher a melhor campanha publicitria,
selecionar o segmento e o tipo de produto a oferecer, tm de resultar de uma anlise
tcnica e profissional do sistema de informao ou dos dados disponveis.
As tcnicas estatsticas multivariadas conjuntamente com as diferentes solues
de softwares existentes hoje tornam esta tarefa em algo operacionalmente vivel
(AAKER et al., 2001). Necessita-se apenas de optar pela tcnica mais adequada ao
objetivo do problema, selecionar uma amostra adequada para obter resultados
confiveis e posteriormente validar os resultados com outras tcnicas de anlises
alternativas (AAKER et al., 2001).
Empresrios, gestores e analistas de informaes ainda encaram com reservas as
pesquisas quantitativas como forma de analisar os resultados obtidos com as suas aes
e opes (AAKER et al., 2001). Receiam a confrontao entre o que desejavam e os
resultados alcanados pelas empresas. No encaram com confiana a anlise de dados,
por receio de no gostarem dos resultados ou por no dominarem muitas das novas
tcnicas de anlise de dados (AAKER et al., 2001). Assim, desvalorizam-na, embora
cada vez mais esta possa ser encarada como uma base fundamental para as tomadas de
decises. A utilizao das novas tcnicas fundamental para comprovar que foram
alcanados os resultados pretendidos com as aes e estratgias delineadas pelas
empresas (AAKER et al., 2001).
Ento, o desenvolvimento de softwares e a multiplicidade de solues que
existem hoje tornam cada vez mais fceis a anlise de problemas, mesmo com o nmero
crescente de informao de dados e de variveis, que envolvem cada questoorganizacional e de mercado (J.D BANFIELD et al, 1993). Para empresrios,
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
3/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
3
estudantes, etc., a informatizao facilitou a anlise de resultados das empresas, dosefeitos ou aes da publicidade, nas vendas, na empatia com marcas, na imagem de
instituies e no teste de eficincia/desempenho de produtos e servios postos
disposio do consumidor final (J. D BANFIELD et al, 1993).
Avaliar os produtos, estratific-los segundo desempenhos diferenciados;
conhecer os consumidores, as suas caractersticas, quais os mais rentveis, que padres
de comportamento assumem e que preferncias apresentam, fundamental para melhor
as empresas se adaptarem s exigncias do mundo altamente competitivo (AAKER etal., 2001).
A segmentao de consumidores, de empresas, de marcas, de produtos permite-
nos compreender melhor o mercado, quer ao nvel de comportamento e desempenho de
produtos e servios, quer ao nvel de organizao ou distribuio. Segmentar significa
encontrar agrupamentos de indivduos, objetos, etc., que partilhem, associem, ou seja,
entendidos como tendo algumas caractersticas comuns (WEINSTEIN, 1995). Com a
segmentao, pretende-se encontrar diferentes grupos com caractersticas homogneas.Definir agrupamentos tm por finalidade eliminar ou diminuir as tomadas de
deciso gerais aonde se aplicarem as individuais e personalizadas, no sentido das
empresas adaptarem suas estratgias de desenvolvimento de marketing e de produto
para cada subperfilevidenciado, aumentado as vendas, fidelizando marcas, otimizando
desempenhos de produtos/servios e por conseguinte se destacando no mercado
consumidor (WEINSTEIN, 1995). Pretende-se conseguir a definio de metas,
objetivos, polticas de ao/publicidade/marketing e de desempenho, adequadas a cada
grupo de produtos, marcas, objetos ou consumidores segmentados (WEINSTEIN,
1995). Este procedimento cria decises que se identificam mais com cada realidade dos
grupos focados.
Devem-se identificar caractersticas prprias para cada segmento: demogrficas,
psicogrficas ou de comportamento entre consumidores, imagem, caractersticas
associadas ao produto ou servio, ao armazenamento, a eficcia, eficincia,
embalagem, utilizao dos produtos, ao hbito de compra. Valor, notoriedade,
imagem, atributos de marca (WEINSTEIN, 1995). Apesar de os resultados no
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
4/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
4
constiturem uma clara premonio de comportamentos diferenciados, umasegmentao simples pode diferenciar um conjunto de indivduos, produtos ou objetos
em grupos bsicos que permitam construir parmetros das estratgias a implementar
para conseguir o tratamento, tomadas de deciso mais adequadas a cada grupo
(WEINSTEIN, 1995). Estes grupos podem depois, atravs de instrumentos mais
sofisticados serem novamente desagregados ou segmentados para encontrar, identificar
mais particularidades que permitam uma melhor e mais correta compreenso do seu
comportamento ou necessidades (WEINSTEIN, 1995).Os argumentos utilizados pelos estudiosos referenciados acima para a adoo da
anlise de dados, especificamente da segmentao de espaos de partida, vem de
encontro ao problema de pesquisa que ora se trata e evidencia-se relevante e de
contribuio para a academia.
O objetivo deste artigo utilizar a tcnica Two Step Cluster para segmentao
de aparelhos de ar condicionado Split segundo desempenho, segurana e rudo atravs
de uma amostra de aparelhos preliminarmente analisados quanto ao desempenho pelaAssociao de Defesa do Consumidor- Pro Teste.
2-Justificativas para o Estudo
O calor vem aumentando no Brasil e o ar condicionado quase uma
necessidade. Cada vez mais populares, os aparelhos de ar condicionado tipo Split so
mais silenciosos e no oferecem risco segurana. Dado o aumento do consumo do
produto junto a populao, a Pro Teste(2012)- Associao de Defesa do Consumidor-
realizou um levantamento cujo objetivo era testar a eficincia/eficcia de uma amostra
de aparelhos de ar condicionado Split junto ao consumidor final. As marcas testadas
foramLG, PHILCO, HITACHI, ELECTROLUX, GREE, MIDEA, ELGIN, BRASTEMP,
CARRIER/SPRINGER, KOMECO, YOR E CONSUL.
Os produtos foram avaliados por seu desempenho, segurana e rudo. No item
desempenho, foram levados em considerao o quanto os aparelhos de ar condicionado
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
5/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
5
realmente resfriam o ambiente, o tempo que eles levam para alcanar esse resfriamento,a estabilidade da temperatura e se o consumo de energia eficiente.
Os resultados gerais a que se chegaram na amostra de aparelhos de ar
condicionados Splits estudada pelo Pro Teste (2012) que os produtos so bons, mas
resfriam sem estabilizar: fica frio ou quente demais, isto , a essncia do problema est
no item desempenho.
O levantamento do Pro Teste (2012), como se relatou em pargrafos anteriores,
levou em considerao aspectos de eficincia e eficcia. O perfil geral dos produtosrevela que so de modo geral bons produtos, mas com falhas em itens de desempenho.
Contudo, como podem existir excees regra, oportuno se investigar se existem
variaes evidncia geral constatada, isto , se existem subperfisque se distanciam de
certa forma doperfil geralconstatado e, em que grau.
O que se constata com a anlise j realizada das tabelas de freqncias triviais
pelo Pro Teste (2012), que nvel geral, os nveis de desempenho dos aparelhos de ar
condicionados Splitsso tolerveis. Mas num possvel prosseguindo na anlise, poder-se-ia questionar se os produtos investigados possuem o perfil de desempenho,
segurana e rudocomo um todo homogneo, ou se este perfil geral se segmenta com
variaes diferenciadas entre os produtos, se revelando uma estrutura com
configuraes distintas, coexistentes num mesmo espao de desempenho e que
meream tratamentos gerenciais diferenciados.
A proposta deste estudo procurar evidncias de subperfisde desempenho que
possam se distanciar de certa forma do perfil geral, global,constatado no levantamento
preliminar do Pro Teste (2012).
Este artigo objetiva, oportunamente, a prosseguir na anlise dos dados da
pesquisa do Pro Teste (2012), com a incumbncia de realizar uma anlise de clusters, da
base de dados, para que se possam perceber com mais clareza e rapidez se existem
subperfis de ar condicionados com graus afastados do perfil geral revelado, se
distanciamento da eficcia esperada pelo consumidor, e assim realizar um estudo
tambm estrutural.
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
6/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
6
A presente investigao levanta o problema de pesquisa de que o perfil geraldos aparelhos de ar condicionados investigados aponta para a tendncia geral de bom
desempenho.Porm, questiona se pode haver certo nvel de disperso ou variao em
torno deste perfil mdio.
Um olhar mais depurado, mas detalhado da estrutura do problema, pode revelar
que nem todos os aparelhos de ar condicionados testados tm exatamente o mesmo grau
de eficincia/eficcia em torno da tendncia geral e, importante que se detecte esse
fato, e que se dissemine esta informao/constatao entre fabricantes, entidadesreguladoras e fiscalizadoras e no meio cientfico, o que direcionariam as tomadas de
deciso e reflexes para enfrentamentos diferenciados do problema, o que acarretariam
a curto e mdio prazos em melhorias dos processos de defesa do consumidor.
No estudo do Pro Teste (2012), constatam-se que as variveis da pesquisa so
mistas, qualitativas e quantitativas e o instituto, ento, se orientou como de usual, para a
anlise de dados trivial, na aplicao da descrio dos dados, com o uso de tabelas de
freqncias, clculo de porcentagens e uso de grficos.A tcnica Two Step Clusters permite que os pesquisadores ao coletar dados em
escala mista, qualitativas e/ou quantitativas, saiam do campo exploratrio limitado e
desenvolvam tambm tcnicas multivariadas para o tratamento avanado dos mltiplos
indicadores envolvidos na pesquisa e realizem tambm um estudo estrutural, em
diversos campos do saber (MINGOTE, 2005). A Two Step Clusters trataria mltiplas
variveis em mensuraes categoriais e contnuas, realizaria anlises de similaridades
de objetos e a partir da formao de clusters do espao de partida, se buscaria
informaes que alimentaria o sistema de tomadas de deciso (CHIU et al., 2001).
A referida tcnica de anlise de clusters decompe a estrutura da base de dados,
complexa nvel de mensurao, em vrios ncleos semelhantes internamente, mas
diferenciados entre eles. Este processo permite segmentar as aes de produo, gesto
e marketing e, consequentemente, de forma sistmica, promove a otimizao dos
resultados empresariais(CHIU et al., 2001).
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
7/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
7
3. Metodologia da Pesquisa
A Two Step Clusters a sugesto preliminar de recurso de anlise que se optou
para atingir o objetivo deste estudo e que ser explorado e prestigiado no
desenvolvimento do prximo item deste artigo.
A rodada do Two Step Cluster foi realizada no SPSS 15.0 (SPSS, 2006).
Quando se opta pela Two Step Cluster, o analista trabalha com grandes bases de
dados, com muitas variveis mistas coexistentes numa mesma base de dados, o que se
configura num problema de configurao complexa e de multidimensionalidade
(MINGOTE,2005). Esta constitui a principal motivao para o uso da Two Step Cluster
em bases de dados criadas no SPSS (SPSS, 2001), em vrias reas do conhecimento
(SPSS, 2001).
Na Data Mining, a motivao para a opo pela tcnica Two Step Cluster se
justifica quando no espao de partida surge a necessidade de se conhecer a estrutura que
sustenta um espao de anlise de configurao complexa,isto , nesta base de dados
coexistem diferentes naturezas de variveis ou indicadores (ZHANG et al., 1996).
A insero da tcnica Two Step Cluster nas tcnicas de segmentao porque se
sustenta a lgica de que a proximidade de certo nmero de registros(de diferentes tipos
de variveis) induz presena de elementos que partilham tendencionalmente as
mesmas caractersticas, isto , tm o mesmo perfil (Z. HUANG, 1998). Os diferentes
ncleos de homogeneidade se associam a grupos de casescom perfis distintos, mas
que coexistem com maior ou menor proximidade o mesmo espao de partida (ZHANG
et al., 1996). Quando estes ncleos dizem respeito perfis de qualidade de produo de
bens e servios, se produzem informaes estratgicas para o homem de negcios
(ZHANG et al., 1996).
A anlise de clusters uma tcnica exploratria da anlise multivariada que
permite agrupar indivduos ou variveis em grupos homogneos ou compactos,
relativamente a uma ou mais caractersticas comuns (C. FRALEY et al., 1998). Dessa
forma, cada observao pertencente a um determinado clusters similar a todas as
outras pertencentes a esse clusters, e diferente das observaes pertencentes a outrosclusters (C. FRALEY et al., 1998).
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
8/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
8
O Two Step Cluster um algoritmo de anlise de cluster escalonvel projetadopara lidar com base de dados muito grandes,capaz de lidar com variveis qualitativas e
quantitativas ao mesmo tempo e que requer apenas a construo de uma matriz de input
de dados no procedimento. composta de duas fases, da o nome em portugus
"Clusters em Duas Etapas". Na primeira etapa do procedimento, a pr-cluster, os
registros so segmentados em muitos pequenos grupos (S. THEODORIDIS et al, 1999).
Na segunda e ltima etapa, a clusterizao, os pequenos grupos da etapapr-clusterso
reagrupados formando os subperfis finais segundo um nmero ideal de agrupamentos(S. THEODORIDIS et al, 1999).
O mtodo pode gerar os clusters segundo um nmero especificado ou se
desconhecer a segmentao ideal, pode-se gerar automaticamente o nmero ideal de
clusters para a anlise (S. THEODORIDIS et al, 1999).
Os resultados obtidos de uma simulao de execuo so consistentemente
precisos e de desempenho eficz (S. THEODORIDIS et al, 1999). A simulao mostra
tambm que o procedimento automtico de encontrar o nmero de clusters funcionamuito bem e rpido (S. THEODORIDIS et al, 1999).
O algoritmo empregado por este procedimento tem diversas caractersticas
desejveis que o diferencie das tcnicas de aglomerao tradicionais (ZHANG et al.,
1996):
manipulao de variveis categricas e contnuas: Supe que as variveis
sejam independentes, uma distribuio multinomial e normal pode ser
assumida s variveis categricas e contnuas da modelagem
respectivamente;
seleo automtica de nmero de clusters: Comparando os valores de um
critrio de escolha, atravs de diferentes solues de clusters, o
procedimento pode determinar automaticamente o nmero ideal de clusters.
escalabilidade: Construindo uma rvore de recursos (CF) do cluster que
resume os registros, o algoritmo Two Step Cluster permite analisar arquivos
de dados grandes.
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
9/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
9
Neste mtodo existem duas medidas de distncia. Estas duas mtricasdeterminam como a similaridade entre dois clusters calculada (ZHANG et al., 1996):
probabilidade de log: A medida de probabilidade ajusta distribuies de
probabilidades s variveis. As variveis contnuas so ajustadas Curva
Normal, enquanto variveis categricas so considerados de Distribuio
Multinomial. Todas as variveis so consideradas independentes.
euclidiana: A medida euclidiana a distncia da "linha reta" entre doisclusters. Ele pode ser usado somente quando todas as variveis so
contnuas.
Esta seleo permite que se especifique como determinado o nmero de
clusters (ZHANG et al., 1996):
determinao automtica do nmero de clusters: O procedimento podedeterminarar automaticamente o "melhor" nmero de clusters, usando o
critrio especificado no grupo de critrio de agrupamento. Comparando os
valores de um critrio de escolha, atravs das solues de aglomerao
diferentes, o procedimento pode automaticamente determinar o nmero
timo de clustres. O mtodo Two Step Cluster disponibiliza dois critrios de
agrupamentos usados na dertminao automtica do nmero de clusters
para segmentar grandes bases de dados: o Critrio de Informao
Bayesiano(BIC) e o Critrio de Informao Akaike(AIC) .
especificao de um nmero fixo de clusters: Permite fixar o nmero de
clusters na soluo. Deve-se digitar um nmero inteiro positivo.
A "rodada" da Two Step Clusters no SPSS 15.0 fornecer como output uma
tabela de distribuio de frequncia de cada clusters, uma tabela com as mdias
assumidas pelas variveis quantitativas do modelo em cada clusters(quando o estudo
tiver variveis quantitativas), distribuio de frequncia das categorias de cada varivel
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
10/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
10
categrica do estudo em cada cluster(quando o estudo tiver varivel qualitativa), grficode pizza das freqncias dos clusters, grfico de barras para percentagens dentro dos
clusters para as variveis qualitativas, grficos dos intervalos de confiana para as
variveis quantitativas, grfico de significncia do qui-quadrado para as variveis
qualitativas do modelo e finalmente grfico de significncia t-Student para as variveis
quantitativas.
A metodologia adotada neste estudo permitir realizar uma anlise estrutural dos
aparelhos de ar condicionados quanto ao desempenho, segurana e ao rudo do ProTeste(2012). A amostra utilizada encontra-se na Tabela 1 e na Tabela 2, as categorias
so codificadas. Depois de codificadas as categorias, o que se obtm a Matriz de
Inputdos dados para o SPSS 15.0(2006), para realizao da Two Step Clusters. Os
resultados desta operao se encontram na Tabela 3.
Contudo, bom registrar que amostra considerada na pesquisa do Pro
Teste(2012) reduzida, no probabilstica, o que contraria o princpio da
representatividade da amostra e compromete as inferncias estatsticas. Alm destalimitao de amostragem, existe uma outra limitao de natureza analtica: a violao de
um dos pressupostos que potencializa a Two Step Clusters, que o tratamento de
grandes bases de dados. Porm, o estudo ainda relevante na medida que introduz a
questo do problema na academia e abre caminhos para estudos mais precisos e
avanados com o mesmo objetivo e populao alvo.
Este trabalho uma iniciativa eminentemente preliminar e se justifica pela
necessidade de abrir caminhos de estudos mais pormenorizados na rea e permite a reflexo
oportuna sobre o assunto.
4-Desenvolvimento das Etapas do Mtodo Two Step Clusters
Neste item, desenvolveremos as etapas da segmentao da base de dados atravs do
mtodo especificado neste estudo. As prximas sees constituem a consecuo da anlise de
clusters deste artigo.
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
11/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
11
1a)Base de Dados e Matriz deInput
A Tabela 1 apresenta as marcas ou modelos considerados na amostra observada e as
avaliaes da Pro Teste.
Tabela 1- Avaliao dos Aparelhos de Ar Condicionados Split(Amostra)
Modelos(Cdigo) Manual de instruo Rudo Facilidade de UsoConsumo de
Energia Desempenho Avaliao Final
HITACHI(3) BOM ACEITVEL ACEITVEL BOM BOM 67
ELECTROLUX(4) BOM ACEITVEL BOM BOM BOM 66
MIDEA(6) MUITO BOM ACEITVEL BOM FRACO BOM 63
CARRIER/SPRINGER(9) MUITO BOM ACEITVEL BOM RUIM BOM 58
BRASTEMP(8) ACEITVEL BOM BOM BOM ACEITVEL 62
LG(1) BOM BOM ACEITVEL BOM BOM 69
PHILCO(2) BOM BOM BOM ACEITVEL BOM 67
GREE(5) BOM BOM BOM ACEITVEL ACEITVEL 63
KOMECO(10) BOM BOM MUITO BOM FRACO ACEITVEL 58
YORK(11) BOM BOM BOM ACEITVEL ACEITVEL 57
CONSUL(12) BOM BOM BOM BOM FRACO 55
ELGIN(7) MUITO BOM BOM BOM ACEITVEL BOM 63Fonte: O Autor (2012)
A Tabela 2 apresenta os cdigos utilizados para as categorias das variveiscategricas.
Tabela 2- Codificao das Categorias
Categorias Cdigos
MUITO BOM 5
BOM 4ACEITVEL 3
FRACO 2
RUIM 1
Fonte: O Autor (2012)
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
12/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
12
A Tabela 3 apresenta a matriz de inputcom as codificaes das variveis.
Tabela 3- Matriz deInput para Two Step Clusters
MarcasManual deinstruo Rudo
Facilidade deUso
Consumo deEnergia Desempenho
AvaliaoFinal
3 4 3 3 4 4 67
4 4 3 4 4 4 66
6 5 3 4 2 4 63
9 5 3 4 1 4 58
8 3 4 4 4 3 62
1 4 4 3 4 4 69
2 4 4 4 3 4 675 4 4 4 3 3 63
10 4 4 5 2 3 58
11 4 4 4 3 3 57
12 4 4 4 4 2 55
7 5 4 4 3 4 63
Fonte: O Autor (2012)
2a) Anlise da Frequncia de cada Cluster
A Tabela 4 apresenta a distribuio dos clusters formados pela tcnica segundotamanho dos grupos, porcentagem de objetos combinados e percentagem total.
Tabela 4 Distribuio dos Cluster
Clusters Formados Tamanho dos Clusters % de Objetos Combinados % doTotal
1 7 58.3 58.3
2 5 41.7 41.7
Combinados 12 100.0 100.0
Casos Excludos 0 0.0
Total 12 100.0
Fonte: O Autor (2012)
Pelo que se pode observar da Tabela 4, todos os aparelhos de ar condicionados
foram enquadrados em algum clusters. Portanto, no presente estudo, foi possvel
classificar em grupos homogneos entre si 100%(as 12 marcas) que esto separados em
dois clusters,com as freqncias apresentadas na tabela referida.
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
13/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
13
3a) Anlise do Comportamento das Variveis pelas suas Categorias dentro dos Clusters
Apresentam-se agora os grficos estatsticos que evidenciaro o comportamento
das variveis pelas suas categorias dentro dos clusters, isto , como cada varivel se
comporta dentro dos clusters em termos de suas categorias.Estes grficos permitiro
perfilar cada clusters gerado.
Cluster
1
2
perfil geral
Percentagem dentro do Cluster
806040200
25
42,86
66,67
80
57,14
8,33
20
Percentagem dentro do cluster de Manual de Instruo
MUITO BOMBOMACEITVEL
Manual de Instruo
Grfico 1- Percentagem das Categorias das Variveis dentro dos Clusters - Manual de
instruo
Fonte: O Autor (2012).
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
14/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
14
O Grfico 1 permite a seguinte interpretao: no cluster 1, 57,14% dos
aparelhos tm manual de instruo de boa qualidade. J no cluster 2, 80.00%dos
aparelhos tm manual de instruo de boa qualidade..
Cluster
1
2
perfil geral
Percentagem dentro do cluster
100806040200
66,67
100
42,86
33,33
57,14
Percentagem dentro do cluster de Rudo
BOMACEITVELRudo
Grfico 2- Percentagem das Categorias das Variveis dentro dos Clusters - Rudo
Fonte: O Autor (2012).
O Grfico 2 permite a seguinte interpretao: no cluster 1, a maioria dos
aparelhos so de nveis aceitveis quanto ao rudo. J no cluster 2, a totalidade dos
aparelhos so de bom nvel.
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
15/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
15
Cluster
1
2
perfil geral
Percentagem dentro do cluster
806040200
8,33
20
75
80
71,43
16,67
28,57
Percentagem dentro do cluster de Facilidade de uso
MUITO BOMBOMACEITVEL
Facilidade de uso
Grfico 3- Percentagem das Categorias das Variveis dentro dos Clusters Facilidade de
Uso
Fonte: O Autor (2012).
O Grfico 3 permite a seguinte interpretao: no cluster 1e no cluster
2, a grande maioria dos ar condicionados so de bom desemepnho quanto
facilidade de uso.
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
16/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
16
Cluster
1
2
perfil geral
Percentagem dentro do Cluster
50403020100
41,67
40
42,86
33,33
40
28,57
16,67
20
14,29
8,33
14,29
Percentagem dentro do cluster de Consumo de energia
BOMACEITVELFRACORUIM
Consumo de energia
Grfico 4- Percentagem das Categorias das Variveis dentro dos Clusters Consumo de
Energia
Fonte: O Autor (2012).
O Grfico 4 permite a seguinte interpretao: no cluster 1, grande
parte dos ar condicionados so de bom desempenho quanto ao consumo de
ernergia. J no cluster 2, maioria de aceitvel a bom desempenho.
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
17/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
17
Cluster
1
2
perfil geral
Percentagem dentro do cluster
100806040200
58,33
100
33,33
80
8,33
20
Percentagem dentro do cluster de Desempenho
BOMACEITVELFRACO
Desempenho
Grfico 5- Percentagem das Categorias das Variveis dentro dos Clusters Desempenho
Fonte: O Autor (2012).
O Grfico 5 permite a seguinte interpretao: no cluster 1 a
totalidade dos ar condicionados so de bom desempenho geral. J no cluster
2, 80% so aceitveis.
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
18/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
18
Cluster
1
2
Overall
Percentagem dentro do Cluster
20151050
8,33
20
8,33
20
14,29
8,33
20
14,29
8,33
20
8,33
14,29
8,33
14,29
Percentagem dentro dos clusters de Marcas Testadas
CONSUL
YORK
KOMECO
CARRIER/SPRINGER
BRASTEMP
ELGIN
MIDEAGREE
ELECTROLUX
HITACHI
PHILCO
LG
Marcas Testadas
Grfico 6- Percentagem das Categorias das Variveis dentro dos Clusters Marcas
Testadas.
Fonte: O Autor (2012).
O grfico 6 apresenta os constituintes de cada cluster e
portanto identifica os formadores dos clusters.Os percentuais mostram
a taxa de ocorrncia de cada marca testada em cada cluster.
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
19/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
19
Cluster
21
Avaliao
Final
70
65
60
55
50
2
1
59
64,71
Intervalo de Confiana para a Mdia
A linha de referncia a mdia do perfil geral = 62
Grfico 7- Percentagem das Categorias das Variveis dentro dos Clusters Avaliao
Final
Fonte: O Autor (2012).
Pelo Grfico 7, observa-se que a mdia da avaliao final dos
aparelhos de ar condicionados do cluster 1 64,71 enquanto a do cluster 2
59,00. Os aparelhos do grupo 1 so os aparelhos melhor avaliados.
importante frisar que h uma tendncia maior dos aparelhos de ar
condicionado do cluster 1 apresentarem mdia superiores a 64,71, porm,
percebe-se uma sobreposio de praticamente 50% dos intervalos de
confiana de 95% para mdias abaixo deste valor.
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
20/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
20
Atravs dos Grficos de 1 a 7 ( constitudo por todos os grficos apresentados
nas pginas acima), possvel traar o perfil de cada cluster ou configurao, antes
latentes na base de dados. O resumo destes perfis esto apresentados no Quadro 1.
Quadro 1- Perfil Geral dos Clusters
Clusters 1 Clusters 2
Manual de instruo muito bom(42,86%)
Manual de instruo bom(57,14%)
Rudo bom(42,86%)
Rudo aceitvel(57,14%)
Facilidade de uso bom(71,43%)
Facilidade de uso aceitvel(28,57%)
Consumo de energia bom(42,80%)
Consumo de energia aceitvel((28,57%)
Consumo de energia fraco((14,29%)
Consumo de energia ruim((14,29%)
Desempenho bom(100%)
Avaliao final com mdia de 64,71 pontos
Manual de instruo bom(80,00%)
Manual de instruo aceitvel(20,00%)
Rudo bom(100,00%)
Facilidade de uso bom(80,00%)
Facilidade de uso muito bom(20,0%)
Consumo de energia bom(40,00%)
Consumo de energia aceitvel((40,0%)
Consumo de energia fraco((20,00%)
Desempenho aceitvel(80,00%)
Desempenho fraco(20%)
Avaliao final com mdia de 59 pontos
Quadro 1- Perfil dos Dois Clusters Retidos
Fonte: O Autor (2012).
Pelo que se observa dos clusters das marcas dos aparelhos de ar condicionados
do Quadro 1, que possuem perfis muitos semelhantes, em torno do bom desempenho.
O que marca de alguma forma uma possvel diferena entre os dois subperfis a
varivel desempenho onde a totalidade dos aparelhos do Perfil 1so considerados bons,
mas no Perfil 2, de aceitvel a fraco. Os produtos do Perfil 1 tiveram mdia deavaliao final superior aos modelos do Perfil2.
Observando com mais ateno os dois perfis revelados, pode-se constatar que os
aparelhos com o Perfil 1 devem ser os mais eficazes e os com o Perfil 2, os menos
eficazes.
A anlise revelou, por conseguinte, que existem evidncias de subperfis no
espao investigado que se distanciam do perfil geral existente e que a viso que se deve
ter do problema deve ser focada em cada configurao identificada.
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
21/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
21
Enfim, chegou-se estruturao em perfis da base de dados, isto , foram
identificados os dois subperfis que se coexistem na amostra estudada, apesar destes
perfis serem bem parecidos entre si. A anlise atual revelou, ento, como inicialmente
se questionou neste estudo, que existe variao em torno da desempenho geral dos
aparelhos de ar condicionados( baixa variao, vale ressaltar) e que duas configuraes
do produto possuem perfis de desempenho diferentes, mas que coexistem num mesmo
espao de anlise. Com uma minerao, um reconhecimento de padres, efetiva dos
dados, detectou-se nveis distintos de regularidade do problema estudado e que estes
nveis de diferenciao no so altos.
O interesse agora saber que marcas fazem parte de cada configurao
reconhecida na estruturao realizada at agora. Esta etapa analtica pode ser alcanada
pela evidncia da porcentagem da varivel "Marcas" dentro dos clusters do Grfico 1
acima apresentado. Observando-o, ento, pode-se perceber que o Perfil 1 formado
pelas marcasLG, PHILCO, HITACHI, ELECTROLUX, GREE, ELGIN, BRATEMP eo
Perfil 2, pelos aparelhos das marcasMIDEA, CARRIER/SPRINGER, KOMECO, YOR
E CONSUL.
A informao dos modelos de ar condicionados constituintes de cada grupo
evidente nos Grficos de 1 a 7 sugeriria tomadas de deciso para cada fabricante para
minimizar o problema de mau desempenho dos produtos em foco e melhorar a
performance da poltica de defesa do consumidor para os produtos analisados.
Com a anlise concluda, os empresrios das marcas testadas tm a informao
do que oferecido em termos de desempenho e segurana ao consumidor final, porconseguinte, a qualidade de seus produtos e podem adaptar as suas estratgias de
desenvolvimento de produto e marketing para atingi-la, aumentando as suas vendas e
fidelizando os clientes.
Ratifica-se que estes resultados devem ficar restritos aos dozes produtos
considerados na amostra e que a anlise de dados se mostrou bem simples, justamente
pela natureza elementar da base de dados.
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
22/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
22
4a)Teste de Significncia das Variveis em cada Clusters
Aps a anlise de clusters, os dados devem ser submetidos a testes de
significncia estatstica para avaliar quais variveis que tiveram importncia na
formao dos clusters. Nos Grficos 7 e 8, esto ordenadas as variveis de acordo com a
relevncia que elas tiveram no processo de classificao dos grupos. As variveis que
mais diferenciam um cluster dos outros so as suas variveis significantes. Para deciso,
toda vez que a varivel qualitativa "Teste Estatstico" for maior que o valor crtico, a
varivel significante para o referido cluster. E toda vez que a varivel quantitativa
"Teste Estatstico", em mdulo, for maior que o valor crtico, a varivel significante
para o referido cluster. A ordem de importncia de significao apontada atravs dos
resultados dos testes de significncia da Two Step Clusters.
Constitudo por todos os grficos apresentados nas pginas a seguir:
Vriveis Importantes no Clusters 1-Teste de Significncia do Cluster 1
Va
rivel
Desempenho
Rudo
Manual de Instruo
Facilidade de uso
Consumo de energia
Qui-quadrado
121086420
TwoStep Cluster Nmero = 1
Aplicao do Ajuste de Bonferroni
Test Statistic
Valor Crtico
Grfico 8- Grfico de Importncia das Variveis no ClustersFonte: O Autor (2012).
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
23/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
23
Deciso:
Todas as variveis da anlise no diferenciam de maneira significativa o
cluster 1 dos demais. Esse resultado aponta que estas variveis no tm
comportamentos diferenciados no cluster 1 em relao ao cluster 2. Elas no so
importantes para discriminar e caracterizar de forma unvoca o cluster 1 do cluster
2. Portanto, este cluster no-significante. O resultado do teste de significncia
aponta para a evidncia de que os aparelhos de ar condicionados no diferem de
amaneira suficiente estatisticamente nvel de qualidade de funcionamento.
Variveis Importantes no Clusters 2-Teste de Significncia para o Cluster 2
Varivel
Desempenho
Rudo
Facilidade de uso
Marcas Testadas
Consumo de energia
Qui-quadrado
2520151050
TwoStep Cluster Nmero = 2
Aplicao do Ajuste de Bonferroni
Test Statistic
Valor crtico
Grfico 9- Grfico de Importncia das Variveis no ClustersFonte: O Autor (2012).
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
24/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
24
Deciso:
Todas as variveis da anlise no diferencia de maneira significativa o
Cluster 2do Cluster 1. Elas no so importantes para discriminar e caracterizar de
forma unvoca o Cluster 2. Portanto, o cluster 2 no-significante. No existe
diferena estatstica, nvel de qualidade de funcionamento, dos dois clusters
Importncia da Varivel Avaliao Final nos Clusters-Teste de Significncia
de Avaliao Final
Cluster 1:
Varivel
Avaliao Final
t-Student
3210-1-2-3
TwoSte Cluster Nmero = 1
Aplicao do Ajuste de Bonferroni
Vlor Crtico
Test Statistic
Vlor Crtico
Grfico 10- Grfico de Importncia das Variveis no ClustersFonte: O Autor (2012).
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
25/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
25
Deciso:
A varivel avaliao final no diferencia de maneira significativa o
Cluster 1 do Cluster 2. Ela no importante para discriminar e caracterizar de
forma unvoca o Cluster 1. Portanto, esta varivel ratifica a no-significncia do
cluster 1.
No Cluster 2:
Varivel
Avaliao Final
t-Student
3210-1-2-3
TwoSte Cluster Nmero= 2
Aplicao do Ajuste de Bonferroni
Test Statistic
Valor crtico
Grfico 11- Grfico de Importncia das Variveis no ClustersFonte: O Autor (2012).
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
26/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
26
Deciso:
A varivel avaliao final no diferencia de maneira significativa o
Cluster 2 do Cluster 1. Ela no importante para discriminar e caracterizar de
forma unvoca o Cluster 2. Portanto, esta varivel ratifica a no-significncia do
cluster 2.
Pela observao dos Grficos de 8 a 11 (constitudos por todos os grficos
apresentados nas pginas apresentados em pginas acima), todas as variveis foram no-
significantes para a formao dos clusters, o que faz com que um cluster no se
diferencie significativamente do outro e por sua vez os dois no se diferenciem do perfil
geral mdio. Este fato indica que, no geral, os ar condicionados do teste so de bom
desempenho e no existe certa diferenciao significante no grau de performance. O que
revela que o perfil geral no se segmentaria com variaes diferenciadas entre os ar
condicionados, revelando uma estrutura com configuraes prximas de um perfil
nico, geral, no espao de desempenho.
Este fato pressupe que os perfis formados se aproximam do perfil geral, de
produtos de boa qualidade, mas um olhar mais aguado revela um pequeno nvel de
diferenciao entre as marcas, no suficiente para diferenciao estatstica.
5. Concluso
Este artigo se props a prosseguir na anlise descritiva da Pro Teste, que
realizou uma pesquisa no ano de 2012, que tinha a finalidade avaliar o desempenho de
ar condicionados Splits, cuja demanda de consumo j evidencia tendncia crescente.
Este estudo considerou oportuno investigar se existem variaes evidncia
geral constatada, isto , se existem subperfisque se distanciam de certa forma do perfil
geral evidenciado e, em que grau e, que modelos apresentam disperses semelhantes
quanto desempenho.
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
27/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
27
A hiptese inicial que o perfil geral se segmentaria com variaes
diferenciadas entre os produtos, revelando uma estrutura com configuraes distintas,
coexistentes num mesmo espao de desempenho.
A proposta da investigao desenvolvida foi procurar evidncias de subperfisde
eficincia/eficcia, que possam se distanciar de certa forma do perfil geral, global,
constatado no levantamento preliminar do Pro Teste (2012).
O trabalho prosseguiu na anlise dos dados da pesquisa do rgo, com a
incumbncia de realizar uma anlise de clusters, a Two Step Clusters, da base de dados,
para que se pudessem perceber, com mais clareza e rapidez, se existiam subperfisde ar
condicionados com graus afastados do perfil geral, revelados como de Desempenho,
Segurana e Rudo, se distanciando da eficcia esperada pelo consumidor, e assim
otimizar-se a informao sobre o desempenho do produto, que se destaca em nvel de
consumo na sociedade atual e fazer-se um trabalho de defesa do consumidor
potencializado por informaes segmentadas.
A diviso do problema em partes pde revelar que nem todos os aparelhos de ar
condicionados testados tm exatamente o mesmo grau de eficcia, em torno da estrutura
mdia e, importante que se detecte esse fato, que se dissemine esta informao, ou
constatao, entre fabricantes, entidades reguladoras, fiscalizadoras e no meio
cientfico, o que direcionariam as tomadas de deciso para enfrentamentos diferenciados
do problema.
A pesquisa evidenciou que os clustersde aparelhos Splitspossuem perfis muitos
semelhantes, em torno do bom desempenho. O que demarca de alguma forma umapossvel diferena entre os dois subperfis a varivel desempenho, onde a totalidade
dos aparelhos do Perfil1 so considerados bons, mas no Perfil2, de aceitvel a fraco.
Os produtos do Perfil1 tiveram mdia de avaliao final superior aos modelos do Perfil
2. Observando com mais ateno os dois grupos revelados, podem-se constatar que os
aparelhos com o Perfil 1 devem ser os mais eficazes e os com o Perfil 2, os menos
eficazes.
Por ser uma amostra pequena, com doze aparelhos de ar condicionados tomadospara anlise, os resultados no devem ser generalizados para a populao de aparelhos
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
28/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
28
de ar condicionados utilizados na sociedade pelos consumidores. apenas um estudo de
caso preliminar, cujos resultados devem ficar restritos ao grupo analisado. Contudo,
apesar de ser um estudo prematuro, aponta evidncias iniciais de grupos homogneos de
desempenho dos aparelhos de ar condicionados que podem coexistir no espao
populacional de aparelhos Splits produzidos e, essa informao deve ser utilizada na
melhoria da defesa dos consumidores referente ao que oferecido em termos de ar
condicionados.
Apesar das limitaes de metodologia e de anlise do estudo, com os resultados
iniciais deste artigo, abrem-se caminhos para que se realizem estudos mais avanados
sobre o tema, com uma amostra de aparelhos de ar condicionados que permita
generalizaes e formulaes de teorias, envolvendo erro amostragem em nveis
aceitveis.
Os resultados a que se chegaram neste artigo podem ser vistos como idias
preliminares de como se configura o espao de desempenho de ar condicionados da
linha Split no Brasil e se torna relevante na medida que permite pelo menos uma
reflexo sobre a problemtica e uma motivao para se aprofundar na teorizao sobre a
regularidade do fenmeno e nas aes que se possam implementar na defesa do
consumidor final.
Referncias Bibliogrficas
[1]AAKER, DAVID A.; KUMAR, V; DAY, GEORGE S. Pesquisa de Marketing.Traduo: ReynaldoCavalheiro Marcondes. So Paulo: Atlas, 2001.
[2]BANFIELD,J.D.; RAFTERY,A.E. Model-based Gaussian and Non-Gaussian Clustering.
Biometrics, 1993.
[3]CHIU, T., D. FANG, J. CHENG, Y. WANG, and C. JERIS. A robust and scalable clustering
algorithm for mixed type attributes in large database environment. Pages 263268 in Proc. 7th ACM
SIGKDD Int. Conf. on Knowwledge Discovery and Data Mining (KDD-2001), San Francisco, CA. F.
Provost and R. Srikant, ed. The Association for Computing Machinery, New York, NY, 2001.
[4]FRALEY, C.; RAFTERRY, A . E. How Many Clusters? Which Clustering Method? Answers via
Model-based Cluster Analysis. Computer Journal, no4, p. 578-588, 1998.
-
7/25/2019 Artigo Two Step Clusters Ar Condicionado Verso Final
29/29
Instituto Superior Tupy IST/SOCIESCJoinville, Santa Catarina, BrasilISSN 2237-5163 / v. xx, n. xx: p. xx-xx, ano xxxx
[5]FRALEY, C. Algorithms for Model-based Gaussian Hierarchical Clustering. SIAM Journal on
Scientific Computing, no20, p. 270-281, 1998.
[6]HUANG, Z. Extensions to the K-Means Algorithm for Clustering Large Data Sets with Categorical
Values. Data Mining and Knowledge Discovery, no2, p. 283-304, 1998.
[7]KAUFMAN, L.; ROUSSEEUW, P. J. Finding Groups in Data:An Introduction to Cluster Analysis.
Estados Unidos: Wiley, 1990.
[8]WEINSTEIN, A. Segmentao de Mercado.Traduo: Celso A. Rimoli. So Paulo: Atlas, 1995.
[9]MELIA, M. ; HECKERMAN, D. An Experimental Comparison of Several Clustering and
Initialization Methods. Microsoft Research Technical Report, Estados Unidos, 1998.[10]MINGOTE, S. A. Anlise de dados atravs de mtodos de Estatstica Multivariada: uma abordagem
aplicada. Belo Horizonte: Editora da UFMG, 2005.
[11]PRO TESTE -Associao de Defesa dos Direitos dos Consumidores. Teste de Desempenho de Ar
Condicionados Split, 2012.
[12]THEODORIDIS, S. ; KOUTROUMBAS, K. Pattern Recognition. Academic Press, Estados Unidos:
Zhang, 1999.
[13]RAMAKRISHNON, T. R ; LIVNY, M. An Efficient Data Clustering Method for Very Large
Databases. Proceedings of the ACM SIGMOD Conference on Management of Data, Canada: p.103-
114, 1996 .
[14]SPSS Inc. The SPSS TwoStep cluster component. A scalable component to segment your
customers more effectively. White paper technical report, Chicago. Disponvel em:
ftp://ftp.spss.com/pub/web/wp/TSCWP-0101.pdf, 2001.
[15]SPSS Inc. SPSS 15.0 Algorithms. Chicago. p. 732-738. Disponvel em:
http://www.si.uevora.pt/spss/pdf/manual_spss_15/SPSS%2015.0%20Algorithms.pdf Acessado em:
17/02/09, 2006.
[16]ZHANG, T., RAMAKRISHNAN, R., BIRCH, M. Livny: An efficient data clustering method for
very large databases. In: Proceedings of the ACM SIGMOD Conference on Managem ent of Data.Montreal, Canada: ACM. pp. 103-114. 1996.