Upload
others
View
7
Download
0
Embed Size (px)
Citation preview
Analise Classificatoria Conceptual
de Dados SimbolicosUma abordagem com representacao por intervalos
Por
Doris Daniela Ramos de Sa
Tese de Mestrado - Modelacao, Analise de Dados e
Sistemas de Apoio a Decisao
Orientada por
Professora Doutora Paula Brito
2014
Nota Biografica
Doris Daniela Ramos de Sa e natural de Rebordosa, Paredes, onde nasceu a 17 de
Maio de 1983.
Estudou na Faculdade de Ciencias da Universidade do Porto onde completou a Licen-
ciatura em Matematica - Ramo Educacional em 2007.
Em 2008 inicia a atividade profissional como docente de Matematica do terceiro ciclo
e ensino secundario no ensino publico portugues.
Em 2012 ingressou no Mestrado de Modelacao, Analise de Dados e Sistemas de
Apoio a Decisao na Faculdade de Economia da Universidade do Porto.
i
Agradecimentos
E com imenso prazer que agradeco a ajuda recebida na realizacao deste trabalho a
todos aqueles que me ajudaram a torna-lo possıvel:
A Professora Doutora Paula Brito, a minha Orientadora, agradeco pela partilha de co-
nhecimento sobre o tema, pela dedicacao que demonstrou, pela atencao aos pormenores,
pela sua disponibilidade e dedicacao e pelas oportunas palavras de incentivo.
Aos meus pais por serem um modelo de vida, pelos valores transmitidos e pelo cari-
nho incondicional ao longo de todos estes anos.
Aos meus irmaos pela cumplicidade e pela verdadeira amizade em todos os momentos
e circunstancias.
A Laetitia, minha grande amiga, agradeco a incansavel ajuda, o otimismo e a atencao
que me dedicou.
Ao Pedro, pelo companheirismo, pela paciencia, pelo incentivo e pelas constantes pa-
lavras de animo e motivacao, indispensaveis para levar a cabo este trabalho.
Ao meu filho Rodrigo, a quem dedico este trabalho, que nasceu no meio desta aven-
tura.
ii
Resumo
Dados simbolicos sao mais complexos do que os dados tradicionais pelo facto
de apresentarem variabilidade interna. A Analise de Dados Simbolicos e, por isso,
mais complexa que a Analise de Dados tradicionais. Muitos tem sido os metodos
propostos para analise de dados simbolicos. Neste trabalho fez-se a implementacao,
com recurso ao software R, do metodo de classificacao hierarquica conceptual de
dados simbolicos proposto por Brito e Polaillon. Neste metodo, os conceitos sao
obtidos por uma correspondencia de Galois com generalizacao por intervalos, o que
permite lidar com diferentes tipos de variaveis num enquadramento comum. Para
quantificar a semelhanca do conjunto de classes resultantes do metodo aqui estu-
dado e implementado com as classes obtidas por outros metodos ja existentes para
analise de dados simbolicos foi usado o ındice de Rand ajustado. O metodo proposto
por Brito e Polaillon revela-se uma ferramenta valiosa para a classificacao de dados
simbolicos.
iii
Abstract
Symbolic Data are more complex than classical data by containing internal vari-
ability. Symbolic Data Analysis is, therefore, more complex than classical Data
Analysis. Many methods have been proposed for Symbolic Data Analysis. In this
work, a symbolic data conceptual clustering method, proposed by Brito and Po-
laillon, was implemented, using the software R. Concepts are obtained by a Galois
lattice with interval generalization, allowing handling different variable types within
a common framework. In order to quantify the similarity between classes resulting
from the method studied and implemented here and those resulting from other ex-
istent methods for symbolic data analysis the adjusted Rand index was used. The
method proposed by Brito e Polaillon has proven to be a valuable tool for symbolic
data clustering.
iv
Conteudo
1 Introducao 1
1.1 Motivacao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Problema a estudar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Organizacao da Dissertacao . . . . . . . . . . . . . . . . . . . . . . . . . 3
2 Analise de Dados Simbolicos 4
3 Revisao da literatura 11
3.1 Estado da arte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.1.1 Metodos de classificacao para dados simbolicos . . . . . . . . . . 12
3.1.2 Metodos de classificacao conceptual . . . . . . . . . . . . . . . . 13
3.2 Metodos SCLUST e DIV . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.2.1 SCLUST . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.2.2 DIV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4 Classificacao Ascendente Hierarquica Simbolica 19
4.1 Classificacao Hierarquica . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.2 Correspondencias de Galois . . . . . . . . . . . . . . . . . . . . . . . . 20
4.3 Metodo de Classificacao Hierarquica Simbolica:
versao original . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.4 Representacao por intervalos . . . . . . . . . . . . . . . . . . . . . . . . 27
4.5 Novo metodo de classificacao ascendente hierarquica simbolica . . . . . 30
4.6 Exemplo de aplicacao do metodo . . . . . . . . . . . . . . . . . . . . . . 31
5 Implementacao do Metodo 36
5.1 Preparacao previa dos dados . . . . . . . . . . . . . . . . . . . . . . . . 36
v
5.2 Implementacao em R . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
6 Aplicacoes 41
6.1 Indice de Rand . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
6.2 Dados Carros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
6.2.1 Metodo implementado . . . . . . . . . . . . . . . . . . . . . . . 43
6.2.2 DIV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
6.2.3 SCLUST . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
6.2.4 HIPYR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
6.2.5 Analise dos resultados . . . . . . . . . . . . . . . . . . . . . . . 51
6.3 Dados Emprego . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
6.3.1 Metodo implementado . . . . . . . . . . . . . . . . . . . . . . . 54
6.3.2 SCLUST . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
6.3.3 HIPYR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
6.3.4 Analise dos resultados . . . . . . . . . . . . . . . . . . . . . . . 65
7 Conclusao 66
Apendice A Codigo R 72
Apendice B Relatorio Metodo implementado - Dados Carros 79
Apendice C Objetos Dados Emprego 84
Apendice D Relatorio Metodo implementado - Dados Emprego 88
Apendice E Classes formadas Dados Emprego 147
E.1 Classes formadas pelo metodo Implementado . . . . . . . . . . . . . . . 147
E.2 Classes formadas pelo metodo SCLUST . . . . . . . . . . . . . . . . . . 151
E.3 Classes formadas pelo metodo HIPYR . . . . . . . . . . . . . . . . . . . 155
vi
Lista de Figuras
4.1 Hierarquia indexada obtida para as instituicoes de ensino . . . . . . . . . 35
5.1 Conjunto de dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.2 Tabela de parametros . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
6.1 Classificacao hierarquica indexada obtida pelo metodo implementado -
Dados Carros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
6.2 Particao em 4 classes - Dados Carros . . . . . . . . . . . . . . . . . . . . 45
6.3 Prototipos cilindrada-preco . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.4 Prototipos aceleracao-velocidade maxima . . . . . . . . . . . . . . . . . 49
6.5 Classificacao hierarquica indexada obtida pelo metodo implementado -
Dados Emprego . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
6.6 Particao em 4 Classes - Dados Emprego . . . . . . . . . . . . . . . . . . 56
vii
Lista de Tabelas
2.1 Exemplo de tabela de dados simbolicos - agregacao temporal . . . . . . . 5
2.2 Exemplo: conjunto de dados sobre instituicoes de ensino . . . . . . . . . 5
2.3 Exemplo de tabela de dados simbolicos - agregacao contemporanea . . . 5
2.4 Exemplo variavel intervalar . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.5 Exemplo variavel histograma . . . . . . . . . . . . . . . . . . . . . . . . 8
2.6 Exemplo variavel categorica modal . . . . . . . . . . . . . . . . . . . . . 9
4.1 Dados binarios para o conjunto de planetas . . . . . . . . . . . . . . . . 21
4.2 Variavel intervalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.3 Variavel Categorica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.4 Variavel Modal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.5 Medida de generalidade: versao original . . . . . . . . . . . . . . . . . . 26
4.6 Variavel Real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.7 Variavel Categorica Modal . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.8 Variavel Categorica de valor singular e multi valor . . . . . . . . . . . . . 29
4.9 Distribuicao uniforme por categoria . . . . . . . . . . . . . . . . . . . . 30
4.10 Exemplo 3 - Medida de generalidade . . . . . . . . . . . . . . . . . . . . 31
4.11 Tabela de dados inicial . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.12 Descricao das classes candidatas . . . . . . . . . . . . . . . . . . . . . . 32
4.13 Medidas de generalidade para as classes candidatas . . . . . . . . . . . . 33
4.14 Tabela de dados 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.15 Segundo passo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.16 Tabela de dados 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.17 Terceiro passo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.18 Tabela de dados 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
viii
6.1 Categoria dos carros . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
6.2 Composicao das 4 classes obtidas pelo metodo implementado - Dados
Carros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
6.3 Composicao das 2 classes obtidas pelo metodo implementado - Dados
Carros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
6.4 Composicao das 2 classes obtidas pelo metodo DIV - Dados Carros . . . 47
6.5 Composicao das 4 classes obtidas pelo metodo DIV - dados carros . . . . 47
6.6 Composicao das 2 classes obtidas pelo metodo SCLUST - Dados Carros . 48
6.7 Composicao das 4 classes obtidas pelo metodo SCLUST - Dados Carros . 48
6.8 Composicao das 4 classes obtidas pelo metodo HIPYR - Dados Carros . . 50
6.9 Indice de Rand ajustado obtido pela comparacao das classes conhecidas
a priori com as resultantes dos metodos - Dados Carros . . . . . . . . . . 51
6.10 Indice de Rand ajustado obtido pela comparacao das classes formadas
pelos diferentes metodos - Dados Carros . . . . . . . . . . . . . . . . . . 51
6.11 Indice de Rand ajustado obtido pela comparacao das classes formadas
pelos diferentes metodos - Dados Emprego . . . . . . . . . . . . . . . . 65
ix
Capıtulo 1
Introducao
A Analise de Dados Simbolicos tem sido alvo de varios estudos resultando em consi-
deraveis desenvolvimentos. Surge a partir da necessidade de considerar dados que conte-
nham informacao que nao pode ser representada dentro dos modelos de dados classicos,
combinada com o objetivo de desenhar metodos que produzam resultados diretamente
interpretaveis em termos de variaveis descritivas de entrada [33].
Na Analise de Dados tradicional as unidades basicas sob analise sao normalmente
indivıduos singulares que sao descritos por um conjunto de variaveis quantitativas e/ou
qualitativas, em que cada indivıduo toma um unico valor para cada variavel. Os dados
sao frequentemente organizados numa matriz de dados, em que cada celula (i, j) contem
o valor da variavel j para o indivıduo i. Este modelo e, contudo, muito restrito para ter
em conta variabilidade e/ou incerteza que sao frequentemente inerentes aos dados [33].
Quando os dados sao analisados em grupo, em vez de se analisar um indivıduo singu-
lar, entao a variabilidade intrınseca ao grupo deve ser tida em conta [33] (poder-se-ıa ter
em consideracao o valor medio ou a moda desse grupo de indivıduos mas seria perdida
muita informacao). Da mesma forma, se os dados forem obtidos por agregacao tempo-
ral de observacoes individuais para obter descricoes de entidades com interesse ou se se
esta diante de conceitos especificados por especialistas, ou colocados em evidencia por
agrupamento, esta-se a lidar com elementos que ja nao podem ser convenientemente des-
critos pelas variaveis qualitativas e quantitativas habituais, sem uma inaceitavel perda de
informacao [20].
A Analise de Dados Simbolicos introduziu novos tipos de variaveis que podem assim
1
assumir outras formas de representacao permitindo ter em consideracao a variabilidade
intrınseca. Estes novos tipos de variaveis foram chamados variaveis simbolicas, e podem
assumir multiplos valores, possivelmente ponderados, em cada caso. O termo simbolico
e usado para salientar o facto de que os valores que tomam sao de uma natureza diferente
[33].
A analise de dados simbolicos e uma ferramenta onde a variabilidade observada pode
efetivamente ser considerada na representacao de dados e os metodos podem ser desen-
volvidos tendo-a em consideracao [33]. Tal como na analise classica de dados, os dados
simbolicos sao apresentados sob a forma de uma matriz, agora designada tabela de da-
dos simbolicos, em que cada coluna corresponde a uma variavel simbolica [33]. Cada
celula da matriz nao contem necessariamente um unico valor numerico ou uma categoria,
podendo registar um intervalo, um conjunto de valores ou uma distribuicao. E entao ne-
cessario estender os metodos tradicionais de analise de dados a tabela de dados simbolicos
de forma a conseguir informacao mais precisa e analisar/sumariar conjuntos de dados ex-
tensivos contidos em bases de dados [20].
1.1 Motivacao
Ao contrario de dados classicos, nos quais cada ponto de dados consiste num valor sin-
gular (categorico ou quantitativo), os dados simbolicos podem, entao, conter variacao
interna e podem ser estruturados. E a presenca desta variacao interna que conduz a ne-
cessidade de novas tecnicas de analise que no geral irao diferir das utilizadas nos dados
classicos. Depressa se torna evidente que a variabilidade deve ser levada em conta quando
se analisa um conjunto de dados.
A extensao das metodologias classicas a analise de dados simbolicos levanta novos
problemas tais como que propriedades e definicoes de estatıstica basica ainda se mantem
validas, quais as ferramentas de analise de dados tradicionais que ainda podem ser utiliza-
das, bem como qual a forma como se avalia a dispersao e como se definem combinacoes
lineares entre dados simbolicos.
A crescente necessidade de considerar dados que vao alem do modelo classico tem
conduzido ao desenvolvimento da analise de dados simbolicos. Assim, novas tecnicas
2
devem ser consideradas, desenvolvidas e testadas para suportar este novo tipo de dados
com resultados diretamente interpretaveis em termos de variaveis descritivas de entrada.
1.2 Problema a estudar
Recentemente, Brito e Polaillon [9] [33] propuseram uma forma de representacao co-
mum para variaveis de diferentes tipos (ordinais, reais, intervalares, distribucionais), que
permite um tratamento conjunto dos dados simbolicos. Um metodo de classificacao
hierarquica foi proposto, baseado nessa representacao comum [10].
Nesta dissertacao, pretende-se estudar o metodo de classificacao hierarquica proposto
por Brito e Polaillon para analise de dados simbolicos. Tem-se como objetivo imple-
mentar o referido metodo recorrendo ao software R. Os resultados serao comparados com
os fornecidos por outros metodos para classificacao de dados simbolicos. Serao usados
conjuntos de dados para estudar o comportamento do metodo.
1.3 Organizacao da Dissertacao
Esta dissertacao e estruturada em sete capıtulos. No primeiro vertem-se algumas consi-
deracoes sobre o tema, a sua importancia e a motivacao do trabalho. No Capıtulo 2 e
feita uma exposicao sobre Analise de Dados Simbolicos destacando os diferentes tipos de
variaveis simbolicas e sao ainda apresentadas algumas ferramentas para a analise deste
tipo de dados. No Capıtulo 3 e dado destaque a revisao da literatura sobre metodos de
classificacao para dados simbolicos e metodos de classificacao conceptual. No Capıtulo 4
e detalhado o metodo a ser implementado, fazendo uma exposicao dos conceitos teoricos
para a sua compreensao bem como o metodo original que, apos novas consideracoes, deu
origem ao metodo estudado nesta dissertacao. No Capıtulo 5 e detalhada a implementacao
do metodo proposto. Seguidamente, no Capıtulo 6 procede-se a aplicacao do metodo
a alguns conjuntos de dados e posterior comparacao com resultados obtidos por outros
metodos para analise de dados simbolicos disponıveis no software SODAS. Finalmente,
no Capıtulo 7, sao feitas algumas consideracoes finais sobre o metodo estudado numa
breve conclusao.
3
Capıtulo 2
Analise de Dados Simbolicos
Em muitas situacoes, a utilizacao simplista de informacao singular para cada unidade
de analise atraves de um conjunto de variaveis quantitativas e/ou qualitativas, onde cada
unidade assume um valor unico para cada variavel, e inadequada pois nao permite ter em
conta a variabilidade e/ou incerteza inerente aos dados. Para colmatar esta situacao, e
aconselhavel a utilizacao de dados simbolicos, possibilitando a analise de um conjunto de
dados que podem ser descritos sob a forma de um intervalo, de um conjunto de valores
ou de uma distribuicao.
Os dados simbolicos sao dados que contem variacao interna. Podem surgir de diferen-
tes formas, sendo que a forma mais comum consiste na agregacao de conjuntos de dados
classicos. Devemos diferenciar dois diferentes tipos de agregacao de dados [7]:
1. Agregacao temporal: os dados sao recolhidos ao longo do tempo para as mesmas
entidades. As observacoes devem ser agregadas considerando todo o conjunto de
valores ou as suas distribuicoes. Neste tipo de agregacao, as unidades estatısticas
em analise sao as mesmas antes e depois da agregacao.
2. Agregacao contemporanea: os dados sao recolhidos no mesmo instante temporal
mas o interesse reside numa analise de entidades a um nıvel superior aquele em
que os dados foram originalmente recolhidos. Neste tipo de agregacao as unida-
des estatısticas em analise nao sao as mesmas dos dados originais mas sao grupos
especıficos destas.
Como um exemplo de agregacao temporal considerem-se tres fabricas caracteriza-
4
Tabela 2.1: Exemplo de tabela de dados simbolicos - agregacao temporalFabricas N.o de objetos defeituosos
Fabrica 1 [5,13]
Fabrica 2 [12,18]
Fabrica 3 [3,14]
Tabela 2.2: Exemplo: conjunto de dados sobre instituicoes de ensinoInstituicao Idade Estado Civil Categoria
Antonio 3 55 viuvo Docente
Maria 2 30 casada Limpeza
Carolina 1 27 solteira Docentes
Rodrigo 2 40 casado Administracao
Raquel 1 32 casada Docente
... ... ... ... ...
das pelo numero de amostras nao conformes detetadas no controlo de qualidade diario.
Este numero varia de dia para dia sendo que esta variacao pode ser representada por um
intervalo (ver Tabela 2.1).
Um exemplo do tipo de agregacao contemporanea consiste na necessidade de estudar
as instituicoes de ensino de acordo com os seus funcionarios. Para tal, dispoe-se de um
conjunto de dados dos funcionarios destas instituicoes descritos pela idade, estado civil
e categoria do funcionario, descritos na Tabela 2.2. Na Tabela 2.3 tem-se os dados agre-
gados por Instituicao de ensino; agora Idade e uma variavel intervalar, Estado civil uma
variavel categorica multi-valor e Categoria uma variavel categorica modal.
Na Tabela 2.3 pode ser observado, que as pessoas que trabalham na Instituicao 1 tem
entre 20 e 45 anos, sao solteiros ou casados e 30% deles trabalham na administracao,
Tabela 2.3: Exemplo de tabela de dados simbolicos - agregacao contemporaneaIdade Estado Civil Categoria
Instituicao 1 [20,45] {solteiro,casado} Administracao (30%)
Docentes (70%)
Instituicao 2 [30,50] {solteiro,casado} Administracao (20%)
Docentes (60%)
Limpeza (20%)
Instituicao 3 [25,60] {solteiro,casado,viuvo} Administracao (20%)
Docentes (80%)
5
enquanto que 70% sao professores.
Uma tabela de dados simbolicos pode conter informacao de diferentes tipos de varia-
veis. Estas distinguem-se desde logo por serem numericas ou categoricas pois o sentido
matematico e as operacoes que poderao ser aplicadas sao consideravelmente diferentes.
Distinguem-se ainda diferentes tipos de variaveis numericas e categoricas a serem consi-
deradas.
Uma variavel quantitativa pode ser de valor singular (inteiro ou real) se assume um
unico valor num dado domınio por indivıduo, de multi-valor se os seus valores sao sub-
conjuntos finitos do domınio, variavel intervalar se os seus valores sao intervalos de
numeros reais e variavel histograma quando e dada uma distribuicao empırica sobre um
conjunto de sub-intervalos.
Uma variavel categorica pode assumir um valor singular (ordinal ou nominal), como
no contexto classico, quando toma uma categoria de um conjunto finito,O = {m1, ...,mk}
para cada entidade, variavel categorica de multi-valor se os seus valores sao subconjun-
tos finitos do domınio O e variavel categorica modal que consiste numa variavel que
assume valores multiplos onde, para cada elemento, e dado um conjunto de categorias ml
e, para cada categoria, e dada a frequencia ou probabilidade que indica quao frequente
ou provavel essa categoria e para esse elemento. As variaveis simbolicas podem ainda
tomar a forma de variaveis taxonomicas, com categorias estruturadas hierarquicamente
ou incluir regras hierarquicas.
Seja Y1, ..., Yp o conjunto de variaveis, Oj o domınio subjacente a Yj e Bj o espaco
de observacao de Yj , j = 1, ..., p. Uma descricao e definida como um p-tupla (d1, ..., dp)
com dj ∈ Bj , j = 1, ..., p. SendoE = {ω1, ..., ωn} o conjunto dos indivıduos observados,
entao Yj(ωi) ∈ Bj para j = 1, ..., p, i = 1, ..., n. Entao, a matriz de dados consiste em n
descricoes, uma para cada indivıduo ωi ∈ E : (Y1(ωi), ..., Yp(ωi)), i = 1, ..., n.
Tipos de variaveis
Em [33] e [7] podem encontrar-se as definicoes de diferentes tipos de variaveis simbolicas:
• Variaveis quantitativas de valor unico
Dado um conjunto de n entidades E = {ω1, ..., ωn}, uma variavel quantitativa de
6
valor unico Y e definida pela aplicacao Y : E → O tal que ωi 7→ Y (ωi) = c ∈
O ⊆ IR. Neste caso, B e identico ao conjunto subjacente O, ou seja, B ≡ O.
• Variaveis quantitativas de valores multiplos
Dado um conjunto E, a variavel quantitativa de valores multiplo Y e definida pela
aplicacao Y : E → B tal que ωi 7→ Y (ωi) = {ci1, ..., cini}, onde B e o conjunto
dos subconjuntos finitos de um conjunto subjacente O ⊆ IR. Y (ωi) e assim um
conjunto finito nao vazio de numeros reais.
• Variaveis intervalares
Dado E = {ω1, ..., ωn}, uma variavel intervalar e definida pela aplicacao Y : E →
B tal que ωi 7→ Y (ωi) = [li, ui], onde B e o conjunto de intervalos de um conjunto
subjacente O ⊆ IR. Seja I uma matriz n × p de representacao dos valores de p
variaveis intervalares em E. Cada ωi ∈ E e representado como uma p-tupla de
intervalos, Ii = (Ii1, ..., Iip), i = 1, ..., n com Iij = [lij, uij], j = 1, ..., p. O valor de
uma variavel intervalar Yj para cada ωi ∈ E e normalmente definido pelos limites
inferior e superior lij e uij de Iij = Yj(ωi).
Um exemplo de uma variavel intervalar pode ser encontrada numa base de dados em
que se regista por escolas as notas obtidas pelos alunos no exame de Matematica.
Tabela 2.4: Exemplo variavel intervalarEscola Notas
Escola A [10,19]
Escola B [7,17]
Escola C [8,18]
• Variaveis histograma
Quando dados de valor real sao agregados em intervalos a informacao da distribuicao
dentro dos intervalos nao e tida em conta. Uma forma de manter informacao mais
detalhada e definir sub-intervalos entre os limites mınimo e maximo globais e cal-
cular as frequencias para esses intervalos. Obtem-se assim, para cada caso, um
histograma com k classes onde k e o numero de sub-intervalos considerado.
7
Dado E = {ω1, ..., ωn}, uma variavel histograma e definida por uma aplicacao Y :
E → B tal que ωi 7→ Y (ωi) = {[I i1, I i1], pi1, [I i2, I i2], pi2; ...; [I ik, I ik], pik} onde
Iil = [I il, I il], l = 1, ..., ki sao os sub-intervalos considerados para a observacao ωi,
pi1 + ... + piki = 1. B e, neste caso, o conjunto de distribuicoes de frequencia em
{Ii1, ..., Iiki}. E assumido que para cada entidade ωi os valores sao uniformemente
distribuıdos dentro de cada intervalo. Para diferentes observacoes, o numero e am-
plitude dos sub-intervalos dos histogramas podem ser diferentes.
Exemplo: Considere que numa empresa de transportes publicos e registado diaria-
mente o tempo (em minutos) com que os autocarros chegam atrasados a uma certa
paragem. A informacao e recolhida em tres diferentes intervalos de tempo: de 0 a
5 min, de 5 a 10 min e de 10 a 15 minutos. Na Tabela 2.5 pode encontrar-se um
exemplo de uma variavel histograma.
Tabela 2.5: Exemplo variavel histogramaN.o autocarro Atrasos
Autocarro 1 [0,5[, 0.55; [5,10[, 0.25; [10,15[,0.20
Autocarro 2 [0,5[, 0.75; [5,10[, 0.2; [10,15[,0.05
Autocarro 3 [0,5[, 0.60; [5,10[, 0.20; [10,15[,0.20
• Variaveis categoricas de valor unico
Dado E = {ω1, ..., ωn} e um conjunto finito de categorias, O = {m1, ...,mk} uma
variavel categorica de valor unico e definida pela aplicacao Y : E → O tal que
ωi 7→ Y (ωi) = ml. Neste caso B ≡ O.
• Variaveis categoricas multi valor
Uma variavel categorica multi valor e definida pela aplicacao Y : E → B onde B e
o conjunto nao vazio de subconjuntos de O = {m1, ...,mk}. Os ”valores”de Y (ωi)
sao agora conjuntos finitos de categorias.
• Variaveis categoricas modais
Uma variavel categorica modal Y com um domınio subjacente finitoO = {m1, ...,mk}
e uma variavel categorica de valores multiplos onde, para cada elemento, e regis-
8
tado um conjunto de categorias e para cada categoria ml, um peso, frequencia ou
probabilidade pl que indica quao frequente ou provavel e essa categoria para esse
elemento. Neste caso, B e o conjunto de distribuicoes sobre O e os seus elementos
sao denotados por {m1(p1), ...,mk(pk)}.
Exemplo: Considere-se novamente o exemplo das escolas onde tambem e reco-
lhida informacao sobre a avaliacao dos professores. Neste caso, os professores tem
uma avaliacao qualitativa em quatro categorias Regular, Bom, Muito bom e Exce-
lente. Na Tabela 2.6 pode-se encontrar um exemplo de uma variavel modal.
Tabela 2.6: Exemplo variavel categorica modalEscolas Avaliacao dos professores
Escola A Regular (0%)
Bom (70%)
Muito Bom (25%)
Excelente (5%)
Escola B Regular (0%)
Bom (75%)
Muito Bom (20%)
Excelente (5%)
Escola C Regular (0%)
Bom (80%)
Muito Bom (17%)
Excelente (3%)
Outro tipo de variaveis
Variaveis taxonomicas
Uma variavel Y : E → O e uma variavel taxonomica se O tem uma estrutura em
arvore. Taxonomias devem ser consideradas na obtencao das descricoes dos dados agre-
gados: primeiro os valores sao guardados como no caso das variaveis categoricas de
valores multiplo e depois cada conjunto de valores de O e substituıdo pelo menor valor h
na taxonomia cobrindo os valores do conjunto dado. Geralmente, sobe-se para o nıvel h
quando pelo menos dois sucessores de h estao presentes.
9
Software para dados simbolicos
O primeiro software a permitir a representacao e analise de dados simbolicos foi o SO-
DAS: Symbolic Official Data Analysis System, resultante do primeiro projeto de investigacao
europeia sobre este tipo de dados (1996 a 1999). O objetivo deste projeto era facilitar o
uso de tecnicas de analise de dados simbolicos demonstrando que cobrem varias neces-
sidades dos utilizadores. Este projeto foi seguido pelo projeto ASSO: Analysis System of
Symbolic Official data (2001 a 2003) com o objetivo de desenhar novos metodos, meto-
dologias e ferramentas de software para extracao de conhecimento de dados complexos
multi-dimensionais do qual resultou o novo software SODAS2. Atualmente, existem ou-
tras alternativas incluindo pacotes para o software R, tais como MAINT.Data, symbolicDA,
RSDA e SoDA.
10
Capıtulo 3
Revisao da literatura
3.1 Estado da arte
Neste capıtulo sera apresentada uma visao global sobre alguns dos metodos de classifi-
cacao existentes para dados simbolicos, hierarquicos e nao hierarquicos, assim como de
metodos de classificacao conceptual.
Ao longo do tempo tem sido proposta uma grande variedade de metodos de classi-
ficacao capazes de lidar com dados simbolicos. Estes metodos podem ser divididos em
dois grupos [6], sendo que no primeiro se enquadram metodos que resultam da adaptacao
de metodos de agrupamento tradicionais baseados em medidas de dissemelhancas mas
aplicados aos novos tipos de dados. No segundo grupo, encontram-se os metodos que
utilizam explicitamente os dados no processo de agrupamento em vez de medidas de
dissemelhanca, que sao frequentemente chamados de metodos de classificacao concep-
tual.
Esta divisao nao e especıfica para os dados simbolicos, porem, devido a variabilidade
inerente a este tipo de dados, a diferenca entre os dois tipos de metodos tem consequencias
consideraveis nos resultados da classificacao. No entanto, os resultados obtidos entre os
metodos dos dois grupos nao devem ser comparados uma vez que resultam de diferentes
conceitos daquilo que e uma classe.
O tipo de dados simbolicos que mais tem sido estudado e cujos metodos tem conhe-
cido maiores desenvolvimentos sao os dados intervalares.
11
3.1.1 Metodos de classificacao para dados simbolicos
No que diz respeito a metodos de classificacao para dados simbolicos, muitos sao os
metodos que tem sido propostos quer recorrendo a classificacao hierarquica como nao
hierarquica.
Fundamentados em adaptacoes de k-means ou metodo das nuvens dinamicas, tem
sido propostos varios metodos nao hierarquicos baseados em diferentes medidas de dis-
semelhanca para dados intervalares (ver [19], [16] e [14]). Tem sido tambem propos-
tos metodos de classificacao Fuzzy. Estes metodos para dados intervalares resultam da
adaptacao do algoritmo c-means fuzzy tradicional, usando distancias apropriadas, como e
feito para os algoritmos crisp. Em [15] e [18] sao ainda fornecidas ferramentas adicionais
de interpretacao para classes fuzzy individuais de dados intervalares, adequadas a estes
modelos. Em [27] e apresentado um metodo de classificacao RICA especialmente desen-
volvido para tratar de questoes como os outliers, o numero de classes e da inicializacao de
prototipos em metodos de classificacao c-means fuzzy para dados intervalares simbolicos.
Para dados com valores multiplos, foi proposto o metodo nao hierarquico SCLUST
(ver [17]) especializado em dados simbolicos, que esta incluıdo no software SODAS. Este
e uma generalizacao do metodo das nuvens dinamicas tradicional para classificar um con-
junto de conceitos num numero k de classes homogeneas, que sao definidas a priori, ape-
sar de existir um modulo que permite determinar o melhor valor de k. O metodo assenta
nos mesmos princıpios do metodo classico das nuvens dinamicas e determina iterativa-
mente uma serie de particoes que melhoram em cada passo segundo um criterio que mede
o ajuste entre os prototipos das classes e os seus membros, que e aditivo nas variaveis e
nas classes e baseado em funcoes de distancia. Este metodo pode ser aplicado a conjuntos
de dados com diferentes tipos de variaveis de forma isolada ou simultanea e admite dados
em falta. Este metodo encontra-se descrito com algum detalhe na Seccao 3.2.1.
Tambem baseado no metodo das nuvens dinamicas e apresentado o metodo DCLUST
(ver [17]), assente numa matriz distancia que tem como objetivo o particionamento do
conjunto de dados num numero fixo k de classes homogeneas com base nas proximidades
entre pares de conceitos ou indivıduos do conjunto de dados. O criterio otimizado por
DCLUST e baseado na soma das dissemelhancas (ou soma dos quadrados das distancias)
12
entre os elementos pertencentes a uma mesma classe. Este metodo esta disponıvel como
um pacote para o software R.
No que diz respeito a metodos de classificacao hierarquica especıficos para dados
intervalares, nao tem surgido tantos desenvolvimentos como no caso dos metodos de
classificacao nao hierarquica. De forma geral, os metodos hierarquicos tradicionais po-
dem ser aplicados a dados intervalares definindo uma matriz de dissemelhanca entre as
entidades a serem classificadas para criar as particoes. Em [25] e proposto um metodo de
classificacao divisiva baseado em processos pontuais de Poisson nao homogeneos.
Para dados simbolicos contendo tipos de variaveis que assumem multiplos valores
tem sido tambem desenvolvidos outros metodos de classificacao hierarquica. Entre es-
tes podemos encontrar o metodo DIV: Divisive Classification of Symbolic Data [13]
que realiza uma hierarquia indexada de objetos simbolicos (dados classicos, intervalares,
probabilısticos e multi-valor baseados em dados contınuos ou ordinais, nao suportando
variaveis de tipo mistos). Comeca com os objetos compilados numa unica classe e divide
sucessivamente cada classe em classes menores de acordo com o criterio de variancia
dentro da classe, que e uma extensao do criterio da soma dos quadrados para o caso de
uma matriz distancia. Cada divisao e realizada de forma monotetica, isto e, e baseada ape-
nas numa variavel e separa os objetos que mostrem valores especıficos desta variavel dos
restantes objetos. O resultado do metodo DIV, que esta disponıvel no software SODAS, e
uma arvore de classificacao. Este metodo encontra-se descrito na Seccao 3.2.2.
No software SODAS2 pode ainda ser encontrado o metodo SHICLUST (ver [24]),
que estende os metodos de classificacao hierarquica tradicional (single linkage, complete
linkage, centroid e Ward) a dados simbolicos. Outro metodo e proposto em [8], baseado
em representacoes de quantis dos dados.
3.1.2 Metodos de classificacao conceptual
A classificacao conceptual iniciou-se com Michalski (1980). Este propoe (ver [31]) o
metodo CLUSTER onde os objetos sao agrupados nao apenas com base nas distancias en-
tre eles mas no conjunto de conceitos que estao disponıveis para descrever os objetos. Pos-
teriormente, Michalski e Stepp (ver [32]) propuseram o metodo CLUSTER/2: e gerada
uma particao inicial que e otimizada iterativamente tentando minimizar a sobreposicao
13
entre classes.
Um dos metodos mais conhecidos de classificacao conceptual e o metodo COBWEB
proposto por Fisher, em 1987, (ver [23]) que organiza de forma incremental as observacoes
numa arvore de decisao, onde cada no representa um conceito e e etiquetado por um con-
ceito probabilıstico que resume a distribuicao atributo-valor dos objetos classificados no
no. Por outras palavras, as classes sao representadas probabilisticamente pela distribuicao
de probabilidade dos valores do atributo para os membros de cada classe.
Em 2001, foi proposto o metodo SUBDUE (ver [28]). Este metodo assenta numa
representacao grafica de informacao estrutural combinada com uma tecnica de descoberta
de subestruturas. Utiliza uma variante de pesquisa heurıstica beam search com o objetivo
de encontrar a subestrutura que melhor concentra o grafico de entrada, como extensoes
as subestruturas descobertas anteriormente. Os resultados mostram que o SUBDUE en-
contra com sucesso classes hierarquicas tanto em dados estruturados como em dados nao
estruturados.
Outro metodo proposto (ver [37]) e o metodo GCF (Generality-based Concept For-
mation) que se baseia em conceitos probabilısticos que associam uma probabilidade ou
peso a com cada propriedade da definicao do conceito. Este apoia-se no modelo de
classificacao hierarquica e utiliza representacoes probabilısticas estendendo as ideias tra-
dicionais de generalidade/especificidade.
Outros metodos de classificacao conceptual que tem sido propostos utilizam corres-
pondencias de Galois.
O metodo GALOIS, proposto por Carpineto e Romano (ver [12]) constroi hierarquias
conceptuais insensıveis a ordem dos objetos. E um algoritmo incremental que usa a teoria
de Galois para construir a estrutura de conceitos correspondente a um dado conjunto de
objetos. Este metodo assenta na ideia em que para encontrar os conceitos na estrutura atu-
alizada e suficiente considerar as intersecoes do novo objeto com os conceitos da estrutura
anterior. Isto e, para gerar os conceitos na estrutura atualizada nao e necessario intersectar
o novo objeto com todas as possıveis combinacoes dos objetos anteriores. Assim, o algo-
ritmo centra-se na adicao das interseccoes do novo objeto com os conceitos antigos e os
seus limites relativos a estrutura. No entanto, examinar cada no na estrutura de forma in-
dependente e depois para cada interseccao com o novo objeto implica um grande esforco
14
computacional. Por isso, este metodo explora a estrutura de conceitos para evitar essas
operacoes.
Em 2002 e introduzido a ideia de estruturas de conceitos de iceberg (ver [36]) que se
baseia apenas nos conceitos mais frequentes da estrutura. Estruturas de iceberg consti-
tuem um metodo de classificacao conceptual adequado para analisar conjuntos de dados
de grande dimensao e sao baseadas na teoria de Analise Formal de Conceitos. E apresen-
tado o metodo TITANIC para calcular este novo conceito de estruturas que utiliza uma
funcao ponderada para obter a intensao, isto e, obter a descricao de uma classe e partici-
ona o conjunto de geradores em classes de equivalencia onde todos os elementos de uma
classe originam a mesma intensao.
Ainda em 2002, e proposto o metodo GALICIA (ver [38] ). Este e um metodo incre-
mental que utiliza tambem estruturas como forma de encontrar os subconjuntos frequen-
tes. Comeca por considerar um contexto formal sem objetos, com o conjunto de atributos
definido e, em cada iteracao, o metodo simula a adicao de um novo objeto ao contexto e
verifica as modificacoes necessarias para que a estrutura seja preservada.
Brito desenvolve em [2] e [3] um metodo de classificacao conceptual hierarquica/ pira-
midal (HIPYR) vocacionado para dados simbolicos com a possibilidade de tratar variaveis
de diferentes tipos. O criterio que conduz a formacao de classes e a dualidade intensao-
extensao em que cada classe da hierarquia deve corresponder a um conceito, isto e, cada
classe que e uma parte do conjunto dos objetos e representada por uma descricao cuja
extensao e a classe propriamente dita. A descricao deste metodo pode ser encontrada na
Seccao 4.3.
Mais recentemente, Brito e Polaillon [10], propoem um enquadramento comum para
representar e operar com dados ordinais, numericos de valor singular ou intervalares
e dados categoricos modais, definindo um operador de generalizacao que determina as
descricoes na forma de intervalos. Esta abordagem foi aplicada a metodologia de classi-
ficacao definida anteriormente conduzindo ao metodo que sera implementado e analisado
neste trabalho e que e detalhado no Capıtulo 4.
15
3.2 Metodos SCLUST e DIV
Os metodos SCLUST e DIV serao usados no Capıtulo 6 deste trabalho como referencia
para comparar as classes formadas pelo metodo aqui estudado e implementado. Assim
nesta seccao estes metodos serao descritos formalmente. Sera ainda utilizado como re-
ferencia o metodo HIPYR que se encontra detalhado na Seccao 4.3, uma vez que e neste
que o novo metodo estudado se baseia.
3.2.1 SCLUST
O metodo SCLUST segue a filosofia geral do metodo das k-medias de MacQueen [30]
ou das Nuvens Dinamicas de Diday [22]. O metodo baseia-se na aplicacao alternada de
uma funcao de representacao e de uma funcao de alocacao. O esquema geral do metodo
de classificacao dinamica simbolica SCLUST assenta nos seguintes princıpios [21]:
• Inicializacao: Seja P (0) = {P (0)1 , ..., P
(0)k } uma particao aleatoria inicial de E em
k classes.
• Passo de representacao t: Para i = 1, ..., k , calcular um prototipo g(t)i como objeto
simbolico que representa a classe Pi ∈ P (t).
• Passo de alocacao t: Qualquer elemento ω ∈ E e atribuıdo a classe Pi se e so se
ψ(ω, gi) e um mınimo: P (t+1)i = {ω ∈ E|i = argmin{ψ(ω, gi)/l = 1, ..., k}, onde
ψ(ω, gi) e R(d(c), d(gi)) sendo R uma relacao entre descricoes, que pode ser uma
medida de distancia.
• Regra de paragem ou estabilidade: Se P (t+1) = P (t) entao o algoritmo termina,
senao volta ao passo de representacao.
O criterio ∆(P,L) otimizado (localmente) pelo metodo de classificacao dinamica e
aditivo no que diz respeito as variaveis descritoras dos dados. E proposto definir o criterio
∆(P,L) como a soma da funcao de alocacao ψ(ω, gi) para cada elemento pertencente a
uma classe Pi ∈ P e o respetivo prototipo gi ∈ Λ: ∆(P,L) =k∑i=1
∑c∈Pi
ψ(c, gi).
Podem ser distinguidas duas formas principais de representar uma classe: um prototipo
expresso por um elemento singular da classe (por exemplo o elemento da distancia media
16
mınima de todos os elementos da classe, tal como pelo elemento que minimiza a funcao
criterio) ou um prototipo escolhido como funcao de sumarizacao dos elementos da classe.
No ultimo caso, o prototipo pode estar adequadamente modelizado por um objeto simbo-
lico modal [11]. A descricao de um objeto simbolico modal e dada pelas distribuicoes de
frequencia ou probabilidade associadas as categorias ou sub-intervalos dos p descritores.
As distancias utilizadas variam de acordo com os tipos de variaveis: para dados quan-
titativos de valor real e utilizada a distancia Euclideana, para dados quantitativos multi
valor e intervalares e utilizada a distancia de Hausdorff, para dados categoricos de valor
singular e utilizada a distancia do χ-quadrado, para dados categoricos multi valor e utili-
zada a distancia de De Carvalho e para dados distribucionais a distancia classica φ2 (ver
[17]).
Quando as variaveis sao de diferente tipos, o metodo apresenta duas abordagens para
calcular a medida de dissemelhanca global: combinacao linear ponderada das medidas de
dissemelhanca de cada variavel ou categorizacao dos domınios para transformar todas as
variaveis num mesmo tipo.
3.2.2 DIV
O metodo de classificacao DIV [11] procede de forma descendente comecando com E, o
conjunto a ser classificado, e realiza uma particao de uma classe em cada passo. No passo
m e apresentada uma particao de E em m classes, uma das quais sera seguidamente
dividida em duas sub-classes. A classe a ser dividida e a regra de divisao sao escolhidas
de forma a obter uma particao em m + 1 classes minimizando a dispersao dentro das
classes.
Para avaliar uma dada particao Pm = {C(m)1 , C
(m)2 , ..., C(m)
m } e utilizado um criterio
Q(m) que e a soma da dispersao interna de cada classe: Q(m) =K∑α=1
I(Cα) =
K∑α=1
∑ωi,ωi′∈C
(m)α
D2(ωi, ωi′) onde D2(ωi, ωi′) varia com o tipo de variaveis.
No caso de um conjunto de dados quantitativo temos D2(ωi, ωi′) =p∑j=1
d2(xij, xi′j).
Para dados intervalares, d e a distancia de Hausdorff aplicada ao caso particular dos
intervalos. Sejam xij e xi′j dois intervalos [lij, uij] e [li′j, ui′j], entao d(xij, xi′j) =
max{|lij − li′j|, |uij − ui′j|}. Para o caso de variaveis de valor singular, esta distancia
17
corresponde a diferenca absoluta entre os valores das variaveis.
No caso de um conjunto de dados categorico, as variaveis tem um enquadramento co-
mum sejam modais ou multi valor. Sejam Y1, ..., Yp as p variaveis categoricas e O1, ..., Op
os respetivos domınios subjacentes. Entao, Yj(ωi) e um conjunto de categorias de Oj
ou a frequencia de distribuicao em Oj . Em qualquer dos casos, e Yj(ωi) e represen-
tado por uma distribuicao de frequencia que e uniforme no caso de variaveis categoricas
multi valor. Desta forma, a matriz de dados original e transformada numa matriz de
frequencias. Para comparar dois objetos ωi e ωi′ de E e utilizada como distancia D a
distancia φ2: D2(ωi, ωi′) =t∑
j=1
p..p.j
(pijpi.− pi′j
pi′.
)2onde t representa o numero total de cate-
gorias, pij = fijnp
, pi. =t∑
j=1pij , p.j =
n∑i=1
pij e p.. =n∑i=1
t∑j=1
pij = 1 .
Em cada passo do algoritmo, uma classe e escolhida para ser dividida em duas sub-
classes de forma a que Q(m+ 1) seja minimizado ou que, de forma equivalente, Q(m)−
Q(m+ 1) seja maximizado.
18
Capıtulo 4
Classificacao Ascendente Hierarquica
Simbolica
Este capıtulo apresenta o metodo de classificacao conceptual hierarquica para dados sim-
bolicos, inicialmente proposto em [2] e posteriormente reformulado em [10], onde cada
classe formada corresponde a um conceito, isto e, a um par (extensao, intensao). Os con-
ceitos sao obtidos por uma correspondencia de Galois com generalizacao por intervalos,
o que permite lidar com diferentes tipos de variaveis num enquadramento comum.
4.1 Classificacao Hierarquica
A Analise Classificatoria e uma tecnica exploratoria de analise multivariada que tem como
objetivo agrupar os objetos em classes de modo que os grupos sejam homogeneos ou
compactos relativamente a uma ou mais caracterısticas. O objetivo e que cada elemento
pertencente a uma determinada classe seja similar a todos os elementos dessa classe e
diferente dos pertencentes a outra classe.
As classes podem ser organizadas segundo diferentes estruturas. Neste trabalho,
interessamo-nos por um metodo de classificacao hierarquica aglomerativo. Estes recor-
rem a passos sucessivos de agregacao dos sujeitos considerados individualmente, isto e,
cada objeto forma inicialmente uma classe e vao sendo agrupados de acordo com as suas
proximidades.
Formalmente, uma hierarquia num conjunto E e uma famılia H de subconjuntos nao
19
vazios h, h′, ..., de E tal que:
∀ω ∈ E : {ω} ∈ H
E ∈ H
∀h, h′ ∈ H : h ∩ h′ = φ ou h ⊆ h′ ou h′ ⊆ h
Frequentemente um valor real nao negativo e associado a cada classe, caracterizando
a sua heterogeneidade. Uma hierarquia indexada ou dendrograma e um par (H, f), onde
H e uma hierarquia e f uma funcao f : H → IR+ tal que:
i. f(h) = 0⇔ card(h) = 1 (onde card(h) representa a cardinalidade de h)
ii. h ⊂ h′ ⇒ f(h) ≤ f(h′).
Uma classe h ∈ H e dito ser um sucessor de uma classe h′ ∈ H se h ⊆ h′ e nao
existe uma classe h′′ ∈ H , h′′ 6= h, h′′ 6= h′, tal que h ⊂ h′′ ⊂ h′. h′ e entao dito ser um
predecessor de h. Numa hierarquia, cada classe tem no maximo um predecessor [21].
Uma classificacao ascendente hierarquica parte das classes singulares e reune em cada
etapa as classes reunıveis para as quais a dissemelhanca e mınima. Duas classes sao
reunıveis se e so se nenhuma delas foi ja reunida anteriormente. E definido um ındice de
dissemelhanca entre as classes (ındice de agregacao) que permite escolher quais as duas
classes a reunir em cada etapa.
4.2 Correspondencias de Galois
Seja E = {ω1, ..., ωn} o conjunto de n objetos descritos por p variaveis Y1, ..., Yp.
Sejam (A,≤1) e (B,≤2) dois conjuntos parcialmente ordenados. Uma correspon-
dencias de Galois e um par (f, g), onde f e a aplicacao f : A → B, g e a aplicacao
g : B → A, tal que f e g sao antıtonas e ambas as aplicacoes h = g ◦ f e h′ = f ◦ g sao
extensivas; h e h′ sao entao operadores de fecho [9].
Em Analise de Dados, as correspondencias de Galois foram introduzidas da seguinte
forma, para dados binarios: a aplicacao f define a intensao de um conjunto S ⊆ E, f(S) e
o conjunto de todos os atributos comuns a todos os elementos de S e a aplicacao g permite
a obtencao da extensao em E associada a um conjunto de atributos T ⊆ O, onde g(T )
corresponde ao conjunto de todos os elementos de E que possuem todos os atributos de
20
T , sendo O e o conjunto de atributos (binarios) considerado. O par (f, g) constitui entao
uma correspondencia de Galois entre (P (E),⊆) e (P (O),⊆). Um conceito e definido
como um par (S, T ) onde S ⊆ E, T ⊆ O, S = g(T ) e T = f(S), isto e, h(S) = S; S e a
extensao do conceito e T a sua intensao [9].
Exemplo
Considere-se o conjunto dos planetas caraterizados pelo tamanho (pequeno, medio ou
grande), pela distancia ao Sol (perto ou longe) e pela existencia de luas (sim ou nao).
Tabela 4.1: Dados binarios para o conjunto de planetas
PlanetasTamanho Distancia ao Sol Luas
Pequeno medio grande perto longe sim nao
Terra x x x
Jupiter x x x
Marte x x x
Mercurio x x x
Neptuno x x x
Plutao x x x
Saturno x x x
Urano x x x
Venus x x x
Sejam A = {Terra, Marte} e B = {pequeno, perto, luas(sim)}. A intensao de A
e dada por f(A) = {pequeno, perto, luas(sim)}. A extensao de B e g(B) = {Terra,
Marte}. Temos que g(f(A)) = g({pequeno, perto, luas(sim)}) = {Terra, Marte} = A e
f(g(A)) = f({Terra, Marte}) = {pequeno, perto, luas(sim)} = B. O par (A,B) e entao
um conceito. A e a extensao e B a intensao do conceito.
No contexto da Analise de Dados Simbolicos, em que Yj : E → Bj , j = 1, .., p,
seja D = B1 × B2 × ... × Bp o conjunto de todas as possıveis descricoes (D,≤); para
uma ordem parcial apropriada em D. Em Analise de Dados Simbolicos, a aplicacao f :
P (E)→ D define a intencao d ∈ D de um conjunto S ⊆ E, e a aplicacao g : D → P (E)
permite obter a extensao em E associada a uma descricao d ∈ D.
21
4.3 Metodo de Classificacao Hierarquica Simbolica:
versao original
Em [2] foi proposto um metodo de classificacao hierarquica/piramidal conceptual as-
cendente para dados simbolicos. Neste trabalho sera apenas analisada a classificacao
hierarquica.
O metodo permite considerar como entrada um conjunto de dados simbolicos onde
cada elemento e descrito por variaveis simbolicas com a possibilidade de ter variaveis
de diferentes tipos. O criterio que conduz a formacao de classes e a dualidade intensao-
extensao: cada classe da hierarquia deve corresponder a um conceito, isto e, cada classe
que e uma parte de E e representada por uma descricao cuja extensao e a classe propria-
mente dita.
O metodo pode ser resumido da seguinte forma: para cada candidato a classe, e cons-
truıda uma descricao, generalizando as descricoes correspondentes as classes a serem
agrupadas e uma classe candidata e elegıvel apenas se esta nova descricao cobrir todos os
elementos da classe e nenhum outro. Cada classe formada fica associada a uma conjuncao
de propriedades nas variaveis descritivas, que constituem uma condicao necessaria e su-
ficiente para adesao a classe. Para escolher entre as diferentes agregacoes que reunem
a condicao acima, um grau de generalidade avalia a proporcao do espaco coberto pela
descricao considerada e a agregacao que apresenta generalidade mınima e a classe a ser
formada.
Uma medida de generalidade permite quantificar a generalidade de uma descricao,
permitindo assim escolher de entre as agregacoes possıveis de uma dada etapa. O princıpio
sera que as classes associadas a conceitos mais especıficos devem ser formadas antes.
Escolhe-se entao, de entre as classes que podem ser formadas, aquela cuja intencao do
conceito associado apresenta uma menor generalidade.
A formacao de um novo conceito implica a determinacao da sua intensao na forma de
uma descricao que deve generalizar os objetos associados aos conceitos que sao agrupa-
dos. O processo de generalizacao das classes difere de acordo com o tipo de variavel:
22
a. Variaveis intervalares
Sejam Y1, ..., Yp as p variaveis reais ou intervalares, Yj(ωi) = [lij, uij] (eventual-
mente lij = uij) eA = {ω1, ..., ωh} ⊆ E. A generalizacao pela uniao e definida por
fU : P (E)→ Ip, onde I e o conjunto de intervalos de IR, com a ordem de inclusao,
tal que fU(A) = (I1, ..., Ip), Ij = [Min{lij},Max{uij}], ωi ∈ A, j = 1, ..., p, isto
e, Ij e o menor intervalo que contem todos os valores tomados pelos elementos de
A para Yj . A aplicacao gU : Ip → P (E) que da a extensao de uma descricao, e
gU((I1, ..., Ip)) = {ωi ∈ E : Yj(ωi) ⊆ Ij, j = 1, ..., p}. O par (fU , gU) constitui
uma correspondencia de Galois [4].
Exemplo:
Considere quatro hospitais para os quais foram recolhidos dados relativos ao tempo
de espera dos doentes para serem atendidos no servico de urgencias, medido em
minutos (variavel intervalar).
Tabela 4.2: Variavel intervalarTempo
Hospital 1 [20,40]
Hospital 2 [35,50]
Hospital 3 [25,60]
Hospital 4 [10,30]
A descricao generalizada da classe A = {Hospital 1, Hospital 2} e fU(A) =
{[20, 50]}, que descreve os hospitais em que o tempo de espera para atendimento
nos servicos de urgencia varia entre os 20 e os 50 minutos.
b. Variaveis Categoricas de Valor Unico e Multi Valor
Sejam Y1, ..., Yp as p variaveis categorica multi valor com domınio subjacenteOj =
{m1, ...,mk}, Yj(wh) = Vhj contido emOj eA = {ω1, ..., ωh} ⊆ E. A generalizacao
e efetuada pela uniao das descricoes dos elementos que a constituem. Esta e defi-
nida por aplicacoes fU : P (E) → D tal que fU(A) = (d1, ..., dp) onde dj =⋃qh=1 Vhj= = ωj, j = 1, ..., p, h = 1, ..., n, ou seja, a descricao generalizada sera o
23
menor conjunto que contem todas as categorias observadas na classe. A aplicacao
gU : D → E que da a extensao de uma descricao, e gU((d1, ..., dp)) = {ω ∈ E :
Vhj ⊂ ωj, j = 1, ..., p, h = 1, ..., n}. O par (fU , gU) constitui uma correspondencia
de Galois.
Exemplo
Considere 2 grupos de pessoas descritos pelo sexo (masculino ou feminino) e pela
nacionalidade (Tabela 4.3).
Tabela 4.3: Variavel CategoricaSexo Nacionalidade
Grupo 1 {M} {Francesa, Portuguesa}
Grupo 2 {M,F} {Espanhola, Portuguesa}
A descricao generalizada da classe A = {Grupo 1, Grupo 2} e fU(A) = ({M,F},
{ Francesa, Espanhola, Portuguesa}).
c. Variaveis Categoricas Modais e Variaveis Histograma
Sejam Y1, ..., Yp as p variaveis categorica modais ou histograma,Oj = {mj1, ...,mjk}
o conjunto das modalidades ou categorias ou sub-intervalos da variavel Yj . Sem
perda de generalidade, Oj pode ser um conjunto de sub-intervalos, com mh = Ih =
[Ih, uh] e Yj sera uma variavel histograma. Para as variaveis Yj e ωi ∈ E temos
que Yj(ωi) = {mj1(p(i)j1 ), ...,mjkj(p
(i)jkj
)}, onde (p(i)jkl
) e a probabilidade/frequencia
associada a modalidade ou sub-intervalo mjl da variavel Yj e ao elemento ωi . A
descricao generalizada e efetuada pelo maximo ou pelo mınimo considerando-se
para cada uma das categorias o maximo ou o mınimo das suas probabilidades/
frequencias, respetivamente. Para A = {ω1, ..., ωh} ⊆ E, a generalizacao e efetu-
ada por fU : P (E)→M tal que fU(A) = (d1, ..., dp) onde dj = ({m1(p1), ...,mk(pk)})
onde pl = max{plh, h = 1, ..., q}, l = 1, ..., k ou dj = ({m1(p1), ...,mk(pk)}) onde
pl = min{plh, h = 1, ..., q}, l = 1, ..., k, efetuado pelo maximo ou pelo mınimo,
respetivamente.
24
Exemplo
Considere 2 grupos de pessoas descritas pela sua profissoes, tal como descrito na
Tabela 4.4.
Tabela 4.4: Variavel ModalProfissao
Grupo 1 Professores (70%)
Gestores (30%)
Grupo 2 Gestores (20%)
Economistas (40%)
Professores (40%)
A descricao generalizada da classe A = {Grupo 1, Grupo 2} e fU(A) = {Gestores
(30%), Economistas (40%), Professores (70%)}, quando efetuado pelo maximo, e
fU(A) = {Gestores (20%), Economistas (40%), Professores (40%)} quando efe-
tuado pelo mınimo.
O grau de generalidade e uma funcao multiplicativa dada pela expressao G(d) =∏pj=1G(dj), onde G(dj) varia de acordo com o tipo de variavel:
a. para variaveis classicas, multi-valor (quantitativas ou categoricas) e intervalares,
G(dj) =∏pj=1
c(Vj)
c(Oj)onde c(.) e definido pela amplitude do intervalo ou pelo numero
de valores ou categorias, respetivamente;
b. para variaveis modais e histograma G1(d) =∑k
l=1
√pl√
ke G2(d) =
∑k
l=1
√1−pl√
k(k−1)con-
siderando a generalizacao pelo maximo ou pelo mınimo respetivamente, onde pl,
l = 1, ..., k representa as probabilidades/ frequencias de cada categoria ou sub-
intervalo e k o numero de categorias ou sub intervalos da variavel.
Exemplo
Considere quatro grupos de pessoas caraterizadas pela variavel Y1 =idade, que toma
valores dos 15 aos 60 anos, ou seja, O1 = [15, 60], Y2 =sexo, O2 = {M,F}, Y3 =
nacionalidade, sendo O3 o conjunto de 15 diferentes nacionalidade da Uniao Europeia, e
Y4 =profissao, com as categorias Professor, Economista ou Gestor.
25
Tabela 4.5: Medida de generalidade: versao originalIdade Sexo Nacionalidade Profissao
Grupo 1 [20,30] {M} {Francesa} Professor (70%)
Gestor (30%)
Grupo 2 [35,45] {M} {Espanhola, Francesa} Professor (40%)
Economista (40%)
Gestor (20%)
Grupo 3 [37,55] {F} {Espanhola, Portuguesa} Professor (50%)
Economista (20%)
Gestor (30%)
Grupo 4 [40,62] {M,F} {Italiana, Alema} Professor (30%)
Economista (40%)
Gestor (30%)
SejaA = {Grupo 1, Grupo 2} a classe a formar. A descricao generalizada da classeA,
utilizando a generalizacao pelo maximo para a variavel categorica modal e fU(A) = d =
{[20, 45], {M}, {Francesa, Espanhola}, {Professores(0.7),Economistas(0.4), Gestores(0.3)}}.
A medida de generalidade e calculada de forma diferente para as diferentes variaveis. As-
sim tem-se que:
G(d1) = 45−2060−15 = 0.55 ; G(d2) = 1
2= 0.5 ; G(d3) = 2
15= 0.133 ;
G(d4) =√0.7+
√0.4+
√0.3√
3= 1.164
A medida de generalidade e entao G(d) = 0.55× 0.5× 0.133× 1.164 = 0.0426.
O metodo pode entao ser descrito pelo seguinte algoritmo: Sejam E = {ω1, ..., ωn}
o conjunto dos n objetos a analisar e d(i) = (di1, ..., dip) a descricao associada a ωi, i =
1, ..., n. O conjunto inicial e o conjunto de conceitos:{
(ωi, d(i)), i = 1, ..., n
}. As clas-
ses sao construıdas recursivamente: em cada etapa, uma nova classe C e formada, por
agregacao de classes previas, Cα e Cβ , C = Cα ∪ Cβ . Seja d = f(C), entao as classes a
agregar Cα e Cβ devem verificar as condicoes seguintes:
26
1. Cα e Cβ devem estar agregadas segundo a estrutura de classificacao escolhida
(hierarquica ou piramide);
2. g(d) = C, isto e, nenhum elemento de E que nao pertence a C pertence a extensao
de d;
3. A generalidade de d e mınima.
Se nenhum par de classes (Cα, Cβ) verifica as condicoes (1) e (2), o algoritmo efetua
a reuniao de mais do que duas classes (adaptando as condicoes de agregacao).
O conceito correspondente a uma nova classe formada e (C, d) = (C, f(C)) e cada
classe C sera indexada pelo valor da medida de generalidade de d = f(C), G(d) =
G(f(C)). O algoritmo termina quando o conceito (E, f(E)) e formado.
4.4 Representacao por intervalos
Para as variaveis numericas, ordinais e categoricas modais e proposto em [10] um qua-
dro unico de generalizacao por intervalos, definindo a aplicacao f correspondente que
determina a intensao de uma classe.
Para variaveis intervalares a generalizacao e obtida de forma semelhante a versao ori-
ginal do metodo (ver Seccao 4.3). A generalizacao das variaveis reais e realizada tal como
nas variaveis intervalares pois se Yj(wi) = x podemos escrever Yj(wi) = [x, x]. De modo
analogo, definem-se as generalizacoes para as variaveis ordinais.
Exemplo:
Considere quatro hospitais caracterizados pelo numero de medicos a trabalhar nesse
hospital (variavel real) (ver Tabela 4.6).
A generalizacao por intervalos da classe A = {Hospital 1, Hospital 2} e fU(A) =
{[20, 35]}, que descreve os hospitais em que o numero de medicos varia entre os 20 e 35.
27
Tabela 4.6: Variavel RealN.o Medicos
Hospital 1 35
Hospital 2 20
Hospital 3 55
Hospital 4 60
Para as variaveis categoricas modais ou variaveis histograma, efetuou-se em [10] a
generalizacao considerando para cada modalidade ou sub-intervalo o intervalo de variacao
da sua probabilidade/frequencia. Sejam Y1, ..., Yp variaveis modais, Oi = {mj1, ...,mjk}
o conjunto de modalidades (ou categorias) ou sub-intervalos da variavel Yj; para a variavel
Yj e ωi ∈ E temos que Yj(ωi) = {mj1(p(i)j1 ), ...,mjkj(p
(i)jkj
)}, onde (p(i)jkl
) e a probabilida-
de/frequencia associada a modalidade ou sub-intervalo mjl da variavel Yj e ao elemento
ωi .
Seja agora M Ij = {mjl(Ijl), l = 1, ..., kj},mjl ∈ Oj, Ijl ⊆ [0, 1] e M I = M I
1 ×
... × M Ip . Para A ⊆ E, a generalizacao por intervalos e definida por f I : P (E) →
M I , f I(A) = (d1, ..., dp), com dj = {mj1(Ij1), ...,mjkj(Ijkj)} onde Ijl = [Min{p(i)jl }
, Max{p(i)jl }] , ωi ∈ A , l = 1, ..., kj , j = 1, ..., p. Seja gI : M I → E tal que
g((d1, ..., dp)) = {ω ∈ E : p(i)jl ∈ Ijl , l = 1, ..., kj, j = 1, ..., p}. O par (f I , gI)
constitui uma correspondencia de Galois entre (P (E),⊆) e (M I ,⊆) [4].
Exemplo:
Considere agora que para os quatro hospitais foi tambem recolhida informacao relativa
a tensao arterial observada no servico de urgencia, tendo sido classificados de acordo com
os seguintes 3 grupos: a: tensao normal (pressao sistolica igual ou inferior a 12 cm Hg
e diastolica 8 cm Hg), b: pre-hipertenso (pressao sistolica entre os 12 e os 13,9 cm Hg e
diastolica entre 8 e 8,9 cm Hg) e c: hipertenso ( pressao sistolica igual ou superior a 14
cm Hg e diastolica 9 cm Hg).
A generalizacao por intervalos da classe A = {Hospital 1, Hospital 2} e fU(A) =
{a[0.5, 0.7], b[0.1, 0.35], c[0.15, 0.2]}.
28
Tabela 4.7: Variavel Categorica ModalTensao
Hospital 1 tensao normal (0.5)
pre-hipertensos (0.35)
hipertensos (0.15)
Hospital 2 tensao normal (0.7)
pre-hipertensos (0.1)
hipertensos (0.2)
Hospital 3 tensao normal (0.9)
pre-hipertensos (0.09)
hipertensos (0.01)
Hospital 4 tensao normal (0.8)
pre-hipertensos (0.15)
hipertensos (0.05)
Para variaveis categoricas de valor singular ou multi valor, a generalizacao assenta
nos mesmos princıpios das variaveis modais assumindo uma distribuicao uniforme para
as suas categorias.
Exemplo
Considerem-se 4 indivıduos descritos pelo sexo (M: masculino, F: feminino) e pelas
atividades realizadas nos tempos livres (a: desporto, b: cinema, c: leitura, d: teatro, e:
musica) representados na Tabela 4.8.
Tabela 4.8: Variavel Categorica de valor singular e multi valorSexo Atividades
Antonio Masculino desporto
leitura
Manuel Masculino desporto
musica
cinema
Raquel Feminino desporto
Filipe Masculino leitura
musica
Admitindo uma distribuicao uniforme para as probabilidades/frequencias das catego-
rias das variaveis obtem-se a Tabela 4.9.
A generalizacao por intervalos da classe A = {Antonio, Manuel} e entao
29
Tabela 4.9: Distribuicao uniforme por categoriaSexo Atividades
Masculino Feminino desporto cinema leitura teatro musica
Antonio 1 0 1/2 0 1/2 0 0
Manuel 1 0 1/3 1/3 0 0 1/3
Raquel 0 1 1 0 0 0 0
Filipe 1 0 0 0 1/2 0 1/2
fU(A) = {{M [1, 1], F [0, 0]}, {a[1/2, 1/3], b[0, 1/3], c[0, 1/2], d[0, 0], e[0, 1/3]}}.
4.5 Novo metodo de classificacao ascendente hierarquica
simbolica
A generalizacao dos dados por intervalos permite fornecer descricoes mais homogeneas
e manipular conjuntamente os varios tipos de variaveis e permitiu construir um metodo
mais abrangente que o inicialmente proposto em [2].
O metodo assenta nos mesmos princıpios do metodo original (ver Seccao 4.3) em que
as classes sao construıdas iterativamente mas as suas descricoes sao fornecidas agora por
generalizacao intervalar. Quando duas dadas classes sao agrupadas, cada variavel (ou
categoria, sub-intervalo) e agora descrita pelo intervalo mınimo que as cobre.
Uma nova medida de generalidade e tambem agora usada. A generalidade de uma
descricao d = (d1, ..., dp) e avaliada variavel a variavel: para cada variavel Yj um valor
G(dj) ∈ [0, 1] e calculado, medindo a proporcao do espaco de descricao Oj de Yj coberto
por dj . Mede-se, entao, a generalidade de uma descricao pela media aritmetica dos valores
obtidos para cada variavel: G(d) = 1p
∑pj=1G(dj). A definicao de G(dj) depende do tipo
de variavel. Esta e uma medida do conjunto coberto por dj e devera ser crescente em
relacao a inclusao.
Para as variaveis numericas Yj : E → [L,U ], tais que dj = [lj, uj], temos G(d) =
uj−ljU−L ; a mesma definicao se aplica as variaveis ordinais. Para as variaveis modais te-
mos dj = {mj1(Ij1), ...,mjkj(Ijkj}) com Ijl = [Ijl, Ijl]; definimos entao G(dj) =
1kj
∑kjl=1(Ijl − Ijl).
30
A utilizacao da media permite dar a mesma importancia as diferentes variaveis e com-
parar descricoes de dimensoes diferentes.
Exemplo 3
Considere os quatro hospitais caracterizados pelas variaveis : Y1 = tempo de atendi-
mento, Y1 : E → [0, 60]; Y2 = numero de medicos a trabalhar nesse hospital, Y2 : E →
[0, 100] e Y3 = tensao arterial dos pacientes observados:
Tabela 4.10: Exemplo 3 - Medida de generalidadeTempo N.o Medicos Tensao
Hospital 1 [20,40] 35 tensao normal (0.5)
pre-hipertensos (0.35)
hipertensos (0.15)
Hospital 2 [35,50] 20 tensao normal (0.7)
pre-hipertensos (0.1)
hipertensos (0.2)
Hospital 3 [25,60] 55 tensao normal (0.9)
pre-hipertensos (0.09)
hipertensos (0.01)
Hospital 4 [10,30] 60 tensao normal (0.8)
pre-hipertensos (0.15)
hipertensos (0.05)
A descricao da classe composta pela Hospital 1 e pelo Hospital 2 e d = {[20, 50], [20, 35],
{a[0.5, 0.7] , b[0.1, 0.35] , c[0.15, 0.2]}} sendo a medida de generalidadeG(d) = 13[50−2060−0 +
35−20100−0 + 1
3((0.7− 0.5) + (0.35− 0.1) + (0.2− 0.15))] = 0.817
4.6 Exemplo de aplicacao do metodo
Considerem-se cinco instituicoes de ensino caracterizadas pelo numero de docentes de
Matematica a lecionar nessa instituicao, variavel real, Y1, com Y1 : E → [0, 25], as
classificacoes obtidas pelos alunos no exame nacional de Matematica, variavel intervalar,
Y2, com Y2 : E → [0, 20], e a area de formacao inicial dos professores (a: Matematica
educacional, b: Matematica Aplicada, c: Economia e d: Engenharia), variavel categorica
modal, como e apresentado na Tabela 4.11.
31
Tabela 4.11: Tabela de dados inicialNo Docentes Classif. Formacao inicial
Inst1 15 [9,18] a(0.6) b(0.2) c(0.1) d(0.1)
Inst2 10 [7,17] a(0.7) b(0.1) c(0.2) d(0.0)
Inst3 20 [3,14] a(0.3) b(0.2) c(0.2) d(0.3)
Inst4 18 [10,19] a(0.7) b(0.1) c(0.1) d(0.1)
Inst5 21 [4,16] a(0.8) b(0.2) c(0.0) d(0.0)
Na primeira etapa sera construıda a descricao de todas as classes de dois elementos
que podem ser formadas. Estas podem ser encontradas na Tabela 4.12.
Tabela 4.12: Descricao das classes candidatasNo Docentes Classif. Formacao inicial
{Inst1,Inst2} [10,15] [7,18] {a[0.6,0.7], b[0.1,0.2], c[0.1,0.2], d[0.0,0.1]}
{Inst1,Inst3} [15,20] [3,18] {a[0.3,0.6], b[0.2,0.2], c[0.1,0.2], d[0.1,0.3]}
{Inst1,Inst4} [15,18] [9,19] {a[0.6,0.7], b[0.1,0.2], c[0.1,0.1], d[0.1,0.1]}
{Inst1,Inst5} [15,21] [4,18] {a[0.6,0.8], b[0.2,0.2], c[0.0,0.1], d[0.0,0.1]}
{Inst2,Inst3} [10,20] [3,17] {a[0.3,0.7], b[0.1,0.2], c[0.2,0.2], d[0.0,0.3]}
{Inst2,Inst4} [10,18] [7,19] {a[0.7,0.7], b[0.1,0.1], c[0.1,0.2], d[0.0,0.1]}
{Inst2,Inst5} [10,21] [4,17] {a[0.7,0.8], b[0.1,0.2], c[0.0,0.2], d[0.0,0.0]}
{Inst3,Inst4} [18,20] [3,19] {a[0.3,0.7], b[0.1,0.2], c[0.1,0.2], d[0.1,0.3]}
{Inst3,Inst5} [20,21] [3,16] {a[0.3,0.8], b[0.2,0.2], c[0.0,0.2], d[0.0,0.3]}
{Inst4,Inst5} [18,21] [4,19] {a[0.7,0.8], b[0.1,0.2], c[0.0,0.1], d[0.0,0.1]}
De seguida procede-se ao calculo da medida de generalidade de cada classe conside-
rada, tal como demonstrado na seccao anterior. Os valores obtidos podem ser encontrados
na Tabela 4.13.
A classe com menor medida de generalidade e a classe C1 = {Inst1,Inst4}, com
descricao d(1) = ([15, 18], [9, 19], {a[0.6, 0.7], b[0.1, 0.2], c[0.1, 0.1], d[0.1, 0.1]}), e me-
dida de generalidade G(d1) = 0.2233333. Esta classe contem as instituicoes que tem
entre 15 a 18 docentes, as notas obtidas no exame nacional de matematica variam entre
os 9 e os 18 valores e em que 60% a 70% dos docentes de matematica sao de matematica
educacional, 10% a 20% de matematica aplicada, 10% de economia e 10% de engenharia.
A classe e elegıvel, pois a sua descricao cobre apenas as instituicoes que a formam
e mais nenhuma outra, ou seja, os intervalos mınimos de cada variavel que descrevem
cada instituicao, que nao as que fazem parte da classe formada, nao estao contidos nos
32
Tabela 4.13: Medidas de generalidade para as classes candidatasGrau de generalidade
{Inst1,Inst2} 0.2833333
{Inst1,Inst3} 0.3666667
{Inst1,Inst4} 0.2233333
{Inst1,Inst5} 0.3466667
{Inst2,Inst3} 0.4333333
{Inst2,Inst4} 0.3233333
{Inst2,Inst5} 0.3966667
{Inst3,Inst4} 0.3600000
{Inst3,Inst5} 0.3133333
{Inst4,Inst5} 0.3233333
intervalos mınimos das variaveis que descrevem a classe candidata. Assim, como a classe
e elegıvel e tem grau de generalidade mınima, e a classe a ser formada.
A Instituicao 1 e a Instituicao 4 serao retiradas do conjunto inicial dos dados e a
este sera acrescentado a nova classe (Tabela 4.14). Este e o conjunto de dados a ser
considerado na proxima etapa.
Tabela 4.14: Tabela de dados 2No Docentes Classif. Formacao inicial
Inst2 10 [7,17] a(0.7) b(0.1) c(0.2) d(0.0)
Inst3 20 [3,14] a(0.3) b(0.2) c(0.2) d(0.3)
Inst5 21 [4,16] a(0.8) b(0.2) c(0.0) d(0.0)
{Inst1,Inst4} [15,18] [9,19] a[0.6,0.7] b[0.1,0.2] c[0.1,0.1] d[0.1,0.1]
As classes a considerar na segunda etapa, as suas descricoes e medidas de generalidade
podem ser encontradas na Tabela 4.15.
Tabela 4.15: Segundo passoNo Docentes Classif. Formacao inicial Medida gen.
{Inst2,Inst3} [10,20] [3,17] {a[0.3,0.7], b[0.1,0.2], c[0.2,0.2], d[0.0,0.3]} 0.4333333
{Inst2,Inst5} [10,21] [4,17] {a[0.7,0.8], b[0.1,0.2], c[0.0,0.2], d[0.0,0.0]} 0.3966667
{Inst2,Inst1,Inst4} [10,18] [7,19] {a[0.6,0.7], b[0.1,0.2], c[0.1,0.2], d[0.0,0.1]} 0.3400000
{Inst3,Inst5} [20,21] [3,16] {a[0.3,0.8], b[0.2,0.2], c[0.0,0.2], d[0.0,0.3]} 0.3133333
{Inst3,Inst1,Inst4} [15,20] [3,19] {a[0.3,0.7], b[0.1,0.2], c[0.1,0.2], d[0.1,0.3]} 0.4000000
{Inst5,Inst1,Inst4} [15,21] [4,19] {a[0.6,0.8], b[0.1,0.2], c[0.0,0.1], d[0.0,0.1]} 0.3716667
A classe que apresenta menor grau de generalidade e a classeC2 = {Inst3,Inst5}, com
33
descricao d2 = ([20, 21], [3, 16], {a[0.3, 0.8], b[0.2, 0.2], c[0.0, 0.2], d[0.0, 0.3]}) e medida
de generalidade G(d2) = 0.3133333. Como a classe e elegıvel, esta e a classe a ser
formada na segunda etapa.
Na terceira etapa o conjunto de dados a considerar encontra-se na Tabela 4.16 e as
classes candidatas estao apresentadas na Tabela 4.17.
Tabela 4.16: Tabela de dados 3No Docentes Classif. Formacao inicial
Inst2 10 [7,17] a(0.7) b(0.1) c(0.2) d(0.0)
{Inst1,Inst4} [15,18] [9,19] a[0.6,0.7] b[0.1,0.2] c[0.1,0.1]d[0.1,0.1])
{Inst3,Inst5} [20,21] [3,16] a[0.3,0.8] b[0.2,0.2] c[0.0,0.2] d[0.0,0.3]
Tabela 4.17: Terceiro passoNo Docentes Classif. Formacao inicial Medida gen.
{Inst2,Inst1,Inst4} [10,18] [7,19] {a[0.6,0.7], b[0.1,0.2], c[0.1,0.2], d[0.0,0.1]} 0.3400000
{Inst2,Inst3,Inst5} [10,21] [3,17] {a[0.3,0.8], b[0.1,0.2], c[0.0,0.2], d[0.0,0.3]} 0.4716667
{Inst1,Inst4,Inst3,Inst5} [15,21] [3,19] {a[0.3,0.8], b[0.1,0.2], c[0.0,0.2], d[0.0,0.3]} 0.4383333
Nesta etapa a classe a ser formada e a classe C3 = {Inst2,Inst1,Inst4}, com descricao
d3 = ([10, 18], [7, 19], {a[0.6, 0.7], b[0.1, 0.2], c[0.1, 0.2], d[0.0, 0.1]}), pois e elegıvel e
tem grau de generalidade mınimo, G(d3) = 0.3400000.
Por ultimo, ficam dois conjuntos de dados na tabela de dados final (Tabela 4.18).
Tabela 4.18: Tabela de dados 4No Docentes Classif. Formacao inicial
{Inst3,Inst5} [20,21] [3,16] {a[0.3,0.8], b[0.2,0.2], c[0.0,0.2], d[0.0,0.3]}
{Inst2,Inst1,Inst4} [10,18] [7,19] {a[0.6,0.7], b[0.1,0.2], c[0.1,0.2], d[0.0,0.1]}
A classe a ser formada nesta ultima etapa e a classe C4 = E, descrita por d4 =
([10, 21], [3, 19], {a[0.3, 0.8], b[0.1, 0.2], c[0.0, 0.2], d[0.0, 0.3]}) e grau de generalidadeG(d4) =
0.5050000.
34
A Figura 4.1 representa o dendrograma obtido na classificacao, indexado pelo valor
do grau de generalidade.
Figura 4.1: Hierarquia indexada obtida para as instituicoes de ensino
35
Capıtulo 5
Implementacao do Metodo
Este capıtulo expoe a implementacao do metodo em estudo. Detalha a forma como o
conjunto de dados se deve apresentar para ser reconhecida pelo metodo implementado e
apresenta as funcoes desenvolvidas no software R que permitem executar o metodo.
5.1 Preparacao previa dos dados
De forma a poderem ser corretamente reconhecidos pelo codigo, os conjuntos de dados
necessitam de uma preparacao previa de forma a normalizar diferentes tipos de formatos.
O ficheiro com o conjunto de dados deve estar no formato CSV com as colunas sepa-
radas por ponto e vırgula. A primeira coluna deve corresponder ao nome dos objetos e as
restantes devem conter os valores das variaveis. Cada variavel necessita de ter duas colu-
nas consecutivas no conjunto de dados, em que a primeira corresponde ao valor mınimo
do intervalo e a segunda ao valor maximo. Os nomes das colunas, presentes na primeira
linha, devem conter o nome da variavel no inıcio seguido do carater “ ” para separar
eventuais sufixos, como por exemplo “ min” ou “ max”.
No caso de uma variavel ter duas ou mais categorias, estas devem estar dispostas
em diferentes colunas e o nome dessas colunas deve comecar pelo nome da variavel
sendo a diferenciacao das categorias feita no sufixo apos o carater “ ”. Por exemplo,
considere-se no exemplo da Seccao 4.6 a variavel modal “formacao” com as categorias
a: matematica educacional, b: matematica aplicada, c: economia e d: engenharia. Neste
caso, as respetivas colunas serao nomeadas com o seguinte formato: “formacao a min”,
36
“formacao a max”, “formacao b min”, “formacao b max”, “formacao c min”, “forma-
cao c max”, “formacao d min” e “formacao d max”. A Figura 5.1 apresenta algumas
linhas de um ficheiro de dados de entrada no formato adequado.
Figura 5.1: Conjunto de dados
5.2 Implementacao em R
O metodo em estudo foi implementado usando o software R. A implementacao foi di-
vidida em 3 funcoes principais que correspondem a 3 etapas: calculo dos intervalos
mınimos dos candidatos a classe, calculo das suas medidas de generalidade e selecao
da classe a formar.
Existe ainda uma outra funcao dedicada ao carregamento do conjunto de dados indi-
cado pelo utilizador. Esta funcao comeca por ler o ficheiro indicado e obter os nomes
dos objetos (que internamente sao substituıdos por valores numericos) e das variaveis.
De seguida e construıda uma tabela com os parametros a serem utilizados nas etapas de
processamento propriamente ditas. Optou-se por utilizar esta tabela global calculada pre-
viamente por ser mais eficiente do que obter novamente os dados em todas as iteracoes do
metodo. Nesta tabela de parametros e guardado o numero de categorias de cada variavel
que e obtido atraves do numero de repeticoes do nome da variavel nas colunas do con-
junto de dados. De acordo com a formulacao do metodo, o conjunto de chegada de cada
variavel devera ser conhecido. No entanto, em muitos casos nem sempre e possıvel co-
nhecer esses valores. Assim, propoe-se uma abordagem em que o conjunto de chegada e
substituıdo pelo contradomınio, isto e, e calculado atraves dos valores mınimo e maximo
de todas as observacoes da variavel no conjunto de dados em analise. Assim, para cada
37
variavel e registado o contradomınio na tabela de parametros. Com base no valor maximo
e tambem aferido se se trata de uma variavel numerica ou ordinal, caso seja superior a um,
ou categorica modal no caso contrario. Esta identificacao tem como objetivo diferenciar o
calculo do valor de amplitude do conjunto de chegada uma vez que no caso das variaveis
categoricas modais toma sempre o valor um enquanto que nas restantes e calculado pela
diferenca entre os valores maximo e mınimo do conjunto de chegada. Este procedimento
pretende ajudar o utilizador a identificar os tipos de variaveis, mas este tera sempre a res-
ponsabilidade de verificar a sua correta identificacao uma vez que pode haver situacoes
mal interpretadas (por exemplo, uma variavel real com valor maximo inferior a um seria
considera modal). Esta tabela, contendo os valores calculados automaticamente, e apre-
sentada ao utilizador que pode alterar os valores obtidos utilizando conhecimento obtido
a priori sobre o conjunto de dados, sobretudo relativamente aos conjuntos de chegada e
tipo de variaveis. So depois desta confirmacao e que se dara inıcio as etapas de processa-
mento propriamente ditas. Um exemplo de tabela de parametros pode ser vista na Figura
5.2 referente ao exemplo da Seccao 4.6.
Figura 5.2: Tabela de parametros
Na primeira etapa, o conjunto de dados e analisado e sao acrescentadas novas li-
nhas com todos os novos candidatos a classe. Estes candidatos correspondem a todas
as combinacoes de agrupamentos de dois objetos do conjunto de dados base. Seja n o
numero de objetos existente no conjunto de dados base,(n2
)sera o numero de novos can-
didatos a classe e n +(n2
)o numero total de linhas no novo conjunto de dados auxiliar.
Este contem tambem duas novas colunas auxiliares identificando quais os objetos que
cada candidato agrupa.
Para cada candidato a classe sao calculados os valores limite dos intervalos que des-
38
crevera a classe para cada variavel, onde o valor mınimo corresponde ao mınimo entre os
mınimos dos objetos a agrupar enquanto que o seu valor maximo corresponde ao maximo
entre os valores maximos de ambos os objetos.
A segunda etapa recebe o conjunto de dados auxiliar que resulta da etapa anterior e
calcula a medida de generalidade para cada candidato a classe. Ao conjunto de dados
auxiliar e adicionada uma nova coluna por cada variavel do conjunto de dados base, onde
e guardado o valor das diferencas entre os mınimos e os maximos de cada uma. Este valor
e divido pelo valor de normalizacao, que e obtido da tabela de parametros previamente
registados.
De seguida e calculada a media das amplitudes intervalares de cada variavel. Este
calculo e feito tendo em conta o numero de categorias de cada variavel; os valores cal-
culados para as medias de cada variavel sao guardados em novas colunas adicionadas ao
conjunto de dados auxiliar. Por fim, e feito o calculo da medida de generalidade de cada
candidato a classe que consiste na media das medias individuais de cada variavel.
A ultima etapa da implementacao consiste na selecao do candidato a classe com menor
medida de generalidade e construcao do novo conjunto de dados. Um candidato a classe
so pode ser selecionado se cumprir os criterios de elegibilidade definidos e optou-se por
verificar esta condicao para cada grau de generalidade mınimo selecionado em vez de
verificar previamente quais as classes elegıveis ja que este procedimento e mais eficiente
em termos computacionais. Se a primeira medida de generalidade mınima corresponder a
um candidato a classe que nao e elegıvel, este candidato e removido do conjunto de dados
auxiliar e o processo continua ate encontrar um mınimo elegıvel que corresponde a nova
classe selecionada. Para finalizar esta etapa, e construıdo um novo conjunto de dados que
adiciona ao conjunto de dados base a nova classe e retira os objetos que lhe deram origem
bem como todas as colunas auxiliares que foram adicionadas para que tenha o formato
original.
Finalmente foi implementada um funcao agregadora com o objetivo de carregar o
conjunto de dados indicado pelo utilizador e aplicar as tres etapas descritas anteriormente
de forma recursiva. O conjunto de dados resultante da terceira etapa de cada iteracao
passa a ser o conjunto de dados base da iteracao seguinte. O processo e repetido ate ser
verificada a condicao de paragem definida em que o numero de linhas do conjunto base e
39
igual a um, ou seja, o processo termina quando existir apenas uma classe.
No decorrer do processo de classificacao sao armazenadas a identificacao das objetos
pertencentes a cada nova classe, a sua medida de generalidade e a descricao da classe. No
final, e construıdo e apresentado um relatorio com o resultado da aplicacao do metodo
ao conjunto de dados. Por fim, e ainda apresentado um dendrograma que representa
graficamente os agrupamentos efetuados.
A implementacao do metodo aceita dados em falta. Para lidar com estes valores omis-
sos, sempre que e necessario analisar os dados para obter os mınimos e maximos dos
intervalos dos candidatos a classe, nao sao contabilizadas as variaveis com valores em
falta (que no software R sao assinalados com NA ). Da mesma forma, para verificar a
elegibilidade de cada candidato a classe, bem como para calcular sua medida de generali-
dade, nao sao consideradas as variaveis com valores omissos.
Para utilizar o codigo desenvolvido, este deve ser carregado no R na opcao File/-
Source R code. Ficara assim disponıvel a funcao metodo.brito.polaillon() que
recebe como parametro o nome do ficheiro que contem o conjunto de dados, por exemplo
metodo.brito.polaillon("dados.csv").
40
Capıtulo 6
Aplicacoes
Neste capıtulo sao apresentados alguns resultados obtidos na aplicacao a diferentes ba-
ses de dados simbolicos, com diferentes tipos de variaveis. Posteriormente e feita uma
comparacao com resultados obtidos por outros metodos ja existentes para analisar este
tipo de dados, metodos esses implementados no software SODAS, tais como os metodos
DIV, SCLUST e HIPYR.
6.1 Indice de Rand
Neste capıtulo surge o problema de, dadas duas diferentes propostas de classificacao de
n indivıduos em k classes, quantificar o grau de semelhanca entre essas classificacoes. O
mais conhecido dos ındices de comparacao de duas classificacoes e o Indice de Rand.
Dado um conjunto com n objetos E = {ω1, ..., ωn} e supondo que U = {u1, ..., uR} e
V = {v1, ..., vC} representam duas diferentes particoes dos objetos deE tal que⋃Ri=1 ui =
E =⋃Cj=1 vj e ui∩ui′ = ø = vj∩uj′ para 1 ≤ i 6= i′ ≤ R e 1 ≤ j 6= j′ ≤ C. Suponha-se
que U e criterio externo e V o resultado da classificacao. Seja:
• a o numero de pares de objetos que estao na mesma classe em U e no mesmo
agrupamento em V ;
• b o numero de pares de objetos da mesma classe em U mas que nao estao no mesmo
agrupamento em V ;
• c o numero de pares de objetos no mesmo agrupamento em que V mas nao na
41
mesma classe em U ;
• d o numero de pares de objetos em diferentes classes e diferentes agrupamentos em
ambas as particoes.
As quantidades a e d podem ser consideradas como acertos e b e c como desacertos.
O ındice de Rand [35] e simplesmente
a+da+b+c+d
O ındice de Rand toma valores no intervalo [0, 1]. O valor maximo (Indice de Rand
= 1) correspondera a uma situacao onde as duas classificacoes coincidem na perfeicao,
nao havendo pares que estejam numa mesma classe num caso, e em classes diferentes no
outro.
No entanto, existe uma limitacao neste ındice que se prende com a facto de este nao
estar ajustado para a possibilidade de tomar o valor zero para particoes aleatorias com
o mesmo numero de objetos em cada classe. Em [26] e introduzido o ındice de Rand
ajustado de forma a que essa expectativa ou valor esperado seja igual a zero. O ındice
de Rand ajustado e baseado em 3 valores: a (definido anteriormente), o valor esperado
Exp(a) e o valor maximo Max(a) desta estatıstica. Seja nij o numero de objetos que
estao na classes ui e no agrupamento vj e ni e nj o numero de objetos na classe ui e
agrupamento vj , respetivamente. A formula de calculo deste ındice e
a−Exp(a)Max(a)−Exp(a)
ondeExp(a) = |π(U)|×|π(V )|n(n−1)/2 eMax(a) = 1
2(|π(U)|+|π(V )|), com |π(U)| = ∑R
i=1ni(ni−1)
2
e |π(V )| = ∑Cj=1
nj(nj−1)2
.
Tal como o ındice de Rand, o ındice de Rand ajustado toma o valor 1 quando as
particoes sao identicas. Por outro lado, este ultimo pode assumir valores negativos.
O ındice de Rand ajustado pode ser calculado com recurso ao pacote fossil do software
R que disponibiliza a funcao adj.rand.index(grupo1,grupo2), sendo grupo1
e grupo2 dois vetores ordenados contendo a identidade de cada objeto, isto e, a classe a
que cada objeto pertence para as duas particoes a comparar.
42
6.2 Dados Carros
A base de dados Carros conta com 27 objetos (27 carros de marca e/ou modelo diferente)
descritos por 4 variaveis intervalares: o preco dos carros, cilindrada, velocidade maxima
e aceleracao. E ainda conhecida a categoria atribuıda a cada carro, sendo estas categorias
Utilitario, Berlina, Desportivo e Luxo. Os carros e a sua classificacao em cada categoria
podem ser observados na Tabela 6.1.
Tabela 6.1: Categoria dos carrosUtilitarios Berlina Desportivos Luxo
Corsa
Rover25
SkodaFabia
Punto
NissaMicra
Alfa145
AudiA3
Alfa156
AudiA6
BMWserie3
Focus
MercedesClasseC
Vectra
Rover75
Skodaoctavia
Ferrari
HondaNSK
MercedesSL
Porche
Alfa166
AudiA8
BMWserie5
BMWserie7
LanciaK
MercedesClasseE
MercedesClasseS
Passat
6.2.1 Metodo implementado
Para o estudo do metodo implementado procedeu-se de duas formas:
a. Analisar uma particao em 4 classes de forma a concluir se a classificacao obtida cor-
responde a classificacao dos carros tida a priori, pois e de esperar que as variaveis
intervalares caracterizem aproximadamente os carros na sua categoria. Utilizou-se
o ındice de Rand ajustado para avaliar a proximidade entre as classificacoes.
b. Comparar as particoes obtidas pelo metodo com as particoes resultantes dos metodos
DIV, SCLUST e HIPYR utilizando o ındice de Rand ajustado.
Na Figura 6.1 pode-se observar o dendrograma resultante da classificacao obtida pelo
metodo implementado.
Com o objetivo de comparar as classes obtidas com as categorias conhecidas a priori
deve-se assumir uma particao dos dados no mesmo numero de classes (4 classes). Na
43
Figura 6.1: Classificacao hierarquica indexada obtida pelo metodo implementado - Dados
Carros
Figura 6.2 pode-se encontrar uma divisao em 4 classes e na Tabela 6.2 pode-se observar
quais os elementos que constituem cada uma dessas classes.
Tabela 6.2: Composicao das 4 classes obtidas pelo metodo implementado - Dados CarrosClasse 1 Classe 2 Classe 3 Classe 4
Corsa
Rover25
SkodaFabia
Punto
NissaMicra
Alfa145
AudiA3
Alfa156
BMWserie3
Focus
Vectra
Rover75
Skodaoctavia
Alfa166
LanciaK
Passat
Ferrari
HondaNSK
Porche
AudiA8
BMWserie5
AudiA6
BMWserie7
MercedesClasseE
MercedesClasseS
MercedesClasseC
MercedesSL
• A Classe 1, com 5 carros, tem descricao (preco = [18492, 33042]; cilindrada =
[973, 1994]; velocidade maxima = [150, 202]; aceleracao= [9, 17]) e a medida de
generalidade e 0.30070649,
44
Figura 6.2: Particao em 4 classes - Dados Carros
• A Classe 2, com 11 carros, tem descricao ( preco = [27419, 88760]; cilindrada=
[1370, 2979]; velocidade maxima = [185, 247]; aceleracao = [6.6, 12.7]) e a medida
de generalidade e 0.34016751,
• A Classe 3, com 3 carros, tem descricao ( preco = [147704, 391692];cilindrada=
[2977, 5474];velocidade maxima= [260, 305];aceleracao= [4.2, 6.5]) e a medida de
generalidade e 0.40429472
• A Classe 4, com 8 carros, tem descricao ( preco = [55902, 394342];cilindrada=
[1781, 5987];velocidade maxima= [210, 250];aceleracao= [5.2, 11]) e a medida de
generalidade e 0.61262659.
Pode-se observar que a classe 3 contem os carros topo de gama enquanto na classe 1
estao os carros de menor gama.
Para quantificar o grau de acerto da classificacao obtida pelo metodo implementado
face as categorias conhecidas para catalogacao dos carros foi calculado o ındice de Rand
ajustado obtendo-se o valor 0.304.
Ainda pela analise do dendrograma da Figura 6.1 pode-se verificar que a variacao
da medida de generalidade e maior (maior altura entre classes) quando e efetuada uma
45
particao em duas classes. As duas classes resultantes podem ser observadas na Tabela
6.3.
Tabela 6.3: Composicao das 2 classes obtidas pelo metodo implementado - Dados CarrosClasse 1 Classe 2
Corsa Rover25 SkodaFabia Punto NissanMicra Alfa145
Passat Rover75 Vectra Focus SkodaOctavia Bmwserie3
AudiA3 Alfa156 Alfa166 LanciaK
Ferrari HondaNSK Porsche AudiA8 Bmwserie5 AudiA6
MercedesClasseC MercedesClasseE MercedesClasseS
Bmwserie7 MercedesSL
• A Classe 1, com 16 carros, tem descricao ( preco = [18492, 88760]; cilindrada
= [973, 2979]; velocidade maxima = [150, 247]; aceleracao = [6.6, 17]) e a medida
de generalidade e 0.50633595
• A Classe 2, com 11 carros, tem descricao ( preco = [55902, 394342]; cilindrada =
[1781, 5987]; velocidade maxima = [210, 305]; aceleracao = [4.2, 11]) e a medida
de generalidade e 0.72086751
A Classe 1 contem os carros em que o preco varia entre 18492 e 88760 unidades
monetarias, a cilindrada esta entre 973 e 2979 cm3, a velocidade maxima atinge valores
entre 150 e 247 Km/h e a aceleracao varia entre 6.6 e 17 segundos. Ja a Classe 2 contem
os carros em que o preco varia entre 55902 e 394342 unidades monetarias, a cilindrada
esta entre 1781 e 5987 cm3, a velocidade maxima atinge valores entre 210 e 305 Km/h e
a aceleracao varia entre 4.2 e 11 segundos.
Constata-se que a Classe 2 contem os carros conhecidos por ter melhor performance
em contraste com a Classe 1.
6.2.2 DIV
Foram determinadas particoes deste conjunto de dados em duas e quatro classes utilizando
o metodo DIV. As classes obtidas para a particao em duas classes encontram-se na Tabela
6.4 e em quatro classes na Tabela 6.5.
Particao em 2 classes: A Classe 1 contem 18 carros e a sua descricao consiste no preco
inferior ou igual a 119391.25 unidades monetarias. A Classe 2 conta com 9 carros sendo
a sua descricao definida pelo preco superior a 119391.25 unidades monetarias.
46
Tabela 6.4: Composicao das 2 classes obtidas pelo metodo DIV - Dados CarrosClasse 1 Classe 2
Alfa145 Alfa156 Alfa166 AudiA3 AudiA6
Bmwserie3 Punto Focus LanciaK MercedesClasseC
NissanMicra Corsa Vectra Rover25 Rover75
SkodaFabia SkodaOctavia Passat
AudiA8 Bmwserie5 Bmwserie7 Ferrari Honda NSK
MercedesSL MercedesClasseE MercedesClasseS
Porsche
Tabela 6.5: Composicao das 4 classes obtidas pelo metodo DIV - dados carrosClasse 1 Classe 2 Classe 3 Classe 4
Alfa145 Alfa156 Alfa166
AudiA3 AudiA6
Bmwserie3 Punto
Focus LanciaK
MercedesClasseC
NissanMicra Corsa Vectra
Rover25 Rover75
SkodaFabia SkodaOctavia
Passat
AudiA8 Bmwserie5
Bmwserie7 HondaNSK
MercedesSL Porsche
MercedesClasseE
MercedesClasseS
Ferrari
Particao em 4 classes: A Classe 1 contem 18 carros e a sua descricao consiste nos
carros em que o preco e inferior ou igual a 119391.25 unidades monetarias; a Classe 2
conta com 6 carros sendo estes descritos por preco inferior ou igual a 219783 e superior
a 119391.25 unidades monetarias; a Classe 3 tem 2 carros e e descrita por velocidade
maxima inferior ou igual a 266.25 km/h e preco superior a 219783 unidades monetarias;
por ultimo, a Classe 4, que contem 1 carro, e descrita por velocidade maxima nao inferior
a 266.25 km/h e preco superior a 219783 unidades monetarias.
Verifica-se que nesta classificacao a variavel preco e uma variavel que demarca de
forma dominante a separacao das classes.
O ındice de Rand ajustado obtido pela comparacao 4 classes obtidas na particao deste
metodo com as categorias originais e 0.221 enquanto o obtido na comparacao com as
quatro classes destacadas pelo metodo implementado e de 0.322.
Comparando ainda as classes obtidas pelo metodo implementado por um corte em
duas classes e as duas classes resultantes do metodo DIV o valor do ındice de Rand
ajustado obtido e 0.715.
47
6.2.3 SCLUST
Na Tabela 6.6 pode-se observar a particao em duas classes obtida pelo metodo SCLUST
em que a classe 1 contem 16 carros e na classe 2 foram agrupados 11 carros.
Tabela 6.6: Composicao das 2 classes obtidas pelo metodo SCLUST - Dados CarrosClasse 1 Classe 2
Alfa145 Alfa156 Alfa166 AudiA3 Bmwserie3 Punto
LanciaK Focus NissanMicra Corsa Vectra Rover25
Rover75 SkodaFabia SkodaOctavia Passat
AudiA6 AudiA8 Bmwserie5 Bmwserie7 Ferrari
HondaNSK MercedesSL MercedesClasseC
MercedesClasseE MercedesClasseS Porsche
A classe 1 e descrita pelo prototipo ( preco = [31465.50, 44632.50]; cilindrada =
[1354, 2022]; velocidade maxima = [190.50, 205.50]; aceleracao = [9.85, 11.95]) en-
quanto a classe 2 e descrita pelo prototipo ( preco = [132808, 261308]; cilindrada =
[2380, 4607]; velocidade maxima = [226, 250]; aceleracao = [6.6, 9]).
Comparando a particao obtida neste metodo com as classes obtidas no metodo im-
plementado, o ındice de Rand ajustado obtido e 1. Verifica-se que uma particao em duas
classes contem exatamente os mesmos carros quando se classifica o conjunto de dados
com o metodo implementado e com o metodo SCLUST.
Os resultados obtidos na classificacao em 4 classes podem ser vistos na Tabela 6.7.
Tabela 6.7: Composicao das 4 classes obtidas pelo metodo SCLUST - Dados CarrosClasse 1 Classe 2 Classe 3 Classe 4
Ferrari HondaNSK
Porsche
AudiA6 AudiA8
Bmwserie5 Bmwserie7
MercedesSL
MercedesClasseE
MercedesClasseS
Alfa156 Alfa166 AudiA3
Bmwserie3 LanciaK
MercedesClasseC
Alfa145 Punto Focus
NissanMicra Corsa Vectra
Rover25 Rover75
SkodaFabia SkodaOctavia
Passat
A classe 1 e descrita pelo prototipo ( preco = [160888, 259596]; cilindrada = [3387, 3600];
velocidade maxima = [287.5, 297.5]; aceleracao = [4.45, 5.25]); a classe 2 e descrita pelo
prototipo ( preco = [125992, 255692]; cilindrada = [2425, 5012]; velocidade maxima
= [224, 248]; aceleracao = [6.3, 9.3]); a classe 3 e descrita pelo prototipo ( preco =
[48769, 73030]; cilindrada = [1907, 2868]; velocidade maxima = [200, 227]; aceleracao
= [7.85, 9.85]) e a classe 4 e descrita pelo prototipo ( preco = [24873, 36529]; cilindrada
= [1360, 1933]; velocidade maxima = [181.5, 196.5]; aceleracao = [10.05, 12.95])
48
Figura 6.3: Prototipos cilindrada-preco
Figura 6.4: Prototipos aceleracao-velocidade maxima
A Classe 1 e a classe que contem carros topo de gama sendo a classe 4 a classe que se
lhe e oposta.
O ındice de Rand ajustado entre a comparacao das 4 classes obtida nesta particao com
as classes conhecidas a priori para a classificacao dos carros e 0.238, enquanto que esse
valor e de 0.480 quando se compara as 4 classes obtidas neste metodo com as 4 classes
obtidas no metodo implementado.
49
6.2.4 HIPYR
Pela analise das classes formadas pelo metodo HIPYR por uma particao em 4 classes
obteve-se a classificacao que se pode observar na Tabela 6.8.
• A Classe 1 contem 14 carros descritos por {Preco = [18492, 76392], cilindrada =
[973, 2979], velocidade maxima = [150, 247], aceleracao = [6.6, 17]};
• A Classe 2 com 7 carros e descrita por {Preco = [55902, 262500], cilindrada =
[1781, 5987], velocidade maxima = [204, 250], aceleracao = [5.2, 11]};
• A classe 3 com 5 carros e descrita por {Preco = [104892, 394342], cilindrada =
[2793, 5786], velocidade maxima = [210, 305], aceleracao = [4.2, 8.6]};
• A classe 4, apenas com um carro, MercedesClasseE e descrita pelos valores das
variaveis que este elemento toma: {Preco = [69243, 389405], cilindrada = [1998, 5439],
velocidade maxima = [222, 250], aceleracao = [5.7, 9.7]}
Nas classes 3 e 4 estao classificados os carros de maior gama enquanto que a contrastar
temos na classe 1 carros com menor performance.
Nao e possıvel obter uma particao em duas classes com este metodo para este conjunto
de dados, pois a ultima classe a ser formada conta com tres objetos a serem aglomerados:
duas classes e um carro.
Tabela 6.8: Composicao das 4 classes obtidas pelo metodo HIPYR - Dados CarrosClasse 1 Classe 2 Classe 3 Classe 4
Alfa145 Punto Focus
NissanMicra Corsa Vectra
Rover25 Rover75
SkodaFabia SkodaOctavia
Passat Alfa156 AudiA3
Bmwserie3
Alfa166 LanciaK
MercedesClasseC AudiA6
MercedesSL AudiA8
Bmwserie5
Bmwserie7
MercedesClasseS Ferrari
HondaNSK Porsche
MercedesClasseE
O ındice de Rand ajustado para a comparacao das classes formadas por uma particao
em 4 classes com a catalogacao original dos carros e 0.246 enquanto que a comparacao
dessas classes com as 4 classes destacadas pelo metodo implementado e 0.365.
50
6.2.5 Analise dos resultados
Admitindo que as 4 variaveis sao suficientes para caracterizar os carros em categorias,
podemos concluir que, para este conjunto de dados, o metodo implementado mostrou-se
melhor classificador face as categorias conhecidas a priori, uma vez que teve um ındice
de Rand ajustado maior (ver Tabela 6.9).
Tabela 6.9: Indice de Rand ajustado obtido pela comparacao das classes conhecidas a
priori com as resultantes dos metodos - Dados CarrosMetodo implementado DIV SCLUST HIPYR
Classes 0.304 0.221 0.238 0.246
Tabela 6.10: Indice de Rand ajustado obtido pela comparacao das classes formadas pelos
diferentes metodos - Dados CarrosDIV 2 classes DIV 4 classes SCLUST 2 classes SCLUST 4 classes HIPYR 4 classes
Metodo implementado 0.715 0.332 1 0.480 0.365
Quando analisamos os valores obtidos para o ındice de Rand ajustado para a compa-
racao das classes formadas na classificacao do metodo implementado com as formadas
pelos restantes metodos aqui analisados, podemos verificar que existe uma proximidade
entre as classes, pois os valores do ındice sao positivos, sendo essa proximidade maior
quando comparamos com o metodo SCLUST.
Quando comparamos os metodos em 2 classes podemos verificar que numa das clas-
ses estao maioritariamente carros de gama alta distinguidos especialmente pelo preco
elevado, enquanto na outra se agrupam carros com precos mais baixos.
Quando observamos a particao em 4 classes verificamos que o metodo implementado
e o metodo SCLUST construiram classes em que a qualidade dos carros vai aumentando,
ou seja, construiram uma classe que contem carros de baixo preco e velocidade maxima
mais baixa, uma classe com carros topo de gama, com precos muito elevados, e duas
classes intermedias, uma com carros mais proximos dos carros topo de gama, em que os
precos sao ainda altos e com valores de velocidades maximas ainda elevados e uma mais
51
proxima da classe dos carros mais fracos.
O metodo DIV construiu 4 classes mas tres delas contem carros de alta gama com
precos mais elevados.
O metodo HIPYR construiu 4 classes de forma diferente em que isola um modelo de
carro (outlier). Nas restantes tres classes a divisao tem uma logica de separacao de gamas
semelhante aos metodos anteriores.
52
6.3 Dados Emprego
A base de Dados Emprego e obtida a partir de dados do Inquerito ao emprego, efetuado
em Portugal pelo Instituto Nacional de Estatıstica (INE) no primeiro trimestre de 2009.
Resulta da agregacao de 42000 indivıduos por sexo (masculino ou feminino), grupo etario
(menor que 15 anos, dos 15 aos 24 anos, dos 25 aos 34 anos, dos 35 aos 44 anos, dos 45
aos 64 anos e superior ou igual a 65 anos), nıvel de instrucao (nenhum, ensino basico 1.o
ciclo , ensino basico 2.o ciclo, ensino basico 3.o ciclo, ensino secundario, pos-secundario,
Bacharelato, Licenciatura, pos-graduacao, Mestrado e Doutoramento) e regiao; neste tra-
balho so serao utilizados os grupos da regiao Norte (ver a lista dos grupos no Anexo C).
Este conjunto de dados contem 109 grupos caracterizados por sete variaveis:
• Nacionalidade - Modal com duas categorias (portugues ou estrangeiro)
• Razao de abandono do emprego - variavel modal com 13 categorias (reforma por
velhice, outra, doenca/incapacidade, outras razoes pessoais/familiar, despedimento
individual, responsabilidade pessoal/familiar, reforma antecipada, fim do negocio
pessoal, rescisao, trabalho duracao limitada, despedimento coletivo/fecho da em-
presa, estudo/formacao e servico militar obrigatorio)
• Setor do emprego atual - variavel modal com 10 categorias (quadros superiores, in-
termedios, operador de maquinas, servicos, operarios, intelectuais, administrativos,
agricultores, nao qualificados e militares)
• Setor do ultimo emprego - variavel modal com 10 categorias (operarios, quadros
superiores, operador de maquinas, nao qualificados, intermedios, servicos, agricul-
tores, intelectuais, administrativos e militares)
• Situacao de emprego - variavel modal com 3 categorias (inativo, empregado e de-
sempregado)
• Tempo de desemprego, em meses - variavel intervalar
• Tempo de atividade, em anos - variavel intervalar
53
Tal como na seccao anterior, iremos comparar as classes formadas pelo metodo im-
plementado com as obtidas por recurso a alguns outros metodos existentes para analisar
dados simbolicos. Para este conjunto de dados nao iremos poder comparar os resultados
obtidos pelo metodo em estudo com o metodo DIV, pois este metodo nao admite variaveis
de diferentes tipos. Assim, iremos apenas comparar com os metodos SCLUST e HIPYR.
6.3.1 Metodo implementado
O dendrograma resultante da classificacao dos dados do emprego pelo metodo implemen-
tado pode ser observado na Figura 6.5.
Pela analise da Figura 6.5 pode-se destacar uma particao em quatro classes que se
pode ver na Figura 6.6 (ver composicao das classes no anexo E).
• A Classe 1, com 37 elementos, e descrita por
({ Nacionalidade 1 = [0, 1]; Nacionalidade 2 = [0, 1] }; { Razao 1 = [0, 0]; Razao
2 = [0, 1]; Razao 3 = [0, 1]; Razao 4 = [0, 1]; Razao 5 = [0, 0.5]; Razao 6 = [0,
0.25]; Razao 7 = [0, 0]; Razao 8 = [0, 0.1]; Razao 9 = [0, 1]; Razao 10 = [0, 1];
Razao 11 = [0, 1]; Razao 12 = [0, 0]; Razao 13 = [0, 0] }; { Emprego 1 = [0,
0.285714]; Emprego 2 = [0, 1]; Emprego 3 = [0, 0.1]; Emprego 4 = [0, 1]; Emprego
5 = [0, 0.25]; Emprego 6 = [0, 1]; Emprego 7 = [0, 0.307692]; Emprego 8 = [0, 0];
Emprego 9 = [0, 0.25]; Emprego 10 = [0, 0.0144928] }; { Ultimo 1 = [0, 1]; Ultimo
2 = [0, 0]; Ultimo 3 = [0, 0]; Ultimo 4 = [0, 1]; Ultimo 5 = [0, 1]; Ultimo 6 = [0,
0.3]; Ultimo 7 = [0, 0.1]; Ultimo 8 = [0, 1]; Ultimo 9 = [0, 1]; Ultimo 10 = [0, 0] };
{ Situacao 1 = [0, 0.363636]; Situacao 2 = [0, 1]; Situacao 3 = [0, 1] }; Desemprego
= [1, 103]; Actividade = [0, 22])
com medida de generalidade: 0.52203228
54
Figura 6.5: Classificacao hierarquica indexada obtida pelo metodo implementado - Dados
Emprego
55
Figura 6.6: Particao em 4 Classes - Dados Emprego
56
• A Classe 2, com 17 elementos, e descrita por
({ Nacionalidade 1 = [0.962963, 1]; Nacionalidade 2 = [0, 0.037037] }; { Razao 1
= [0, 1]; Razao 2 = [0, 0.09375]; Razao 3 = [0, 0.386525]; Razao 4 = [0, 0.176471];
Razao 5 = [0, 0.030303]; Razao 6 = [0, 0.0714286]; Razao 7 = [0, 0.666667]; Razao
8 = [0, 0.111111]; Razao 9 = [0, 0.107143]; Razao 10 = [0, 0.0555556]; Razao 11
= [0, 0.0606061]; Razao 12 = [0, 0.00223214]; Razao 13 = [0, 0] }; { Emprego 1
= [0, 1]; Emprego 2 = [0, 0.222222]; Emprego 3 = [0, 0.0314961]; Emprego 4 =
[0, 0.5]; Emprego 5 = [0, 0.5]; Emprego 6 = [0, 1]; Emprego 7 = [0, 0.0131579];
Emprego 8 = [0, 0.986111]; Emprego 9 = [0, 0.0526316]; Emprego 10 = [0, 0] };
{ Ultimo 1 = [0, 0.375]; Ultimo 2 = [0, 0.5]; Ultimo 3 = [0, 0.238839]; Ultimo 4
= [0, 0.255319]; Ultimo 5 = [0, 0.571429]; Ultimo 6 = [0, 0.388889]; Ultimo 7 =
[0, 0.492908]; Ultimo 8 = [0, 0.722222]; Ultimo 9 = [0, 0.333333]; Ultimo 10 = [0,
0.111111] }; { Situacao 1 = [0.666667, 1]; Situacao 2 = [0, 0.333333]; Situacao 3
= [0, 0] }; Desemprego = [0, 776]; Actividade = [12, 89])
com medida de generalidade: 0.45233428
• A Classe 3, com 38 elementos, e descrita por
({ Nacionalidade 1 = [0.888889, 1]; Nacionalidade 2 = [0, 0.111111] }; { Razao 1
= [0, 0]; Razao 2 = [0, 1]; Razao 3 = [0, 1]; Razao 4 = [0, 0.333333]; Razao 5 = [0,
1]; Razao 6 = [0, 0.333333]; Razao 7 = [0, 0.571429]; Razao 8 = [0, 0.0714286];
Razao 9 = [0, 0.5]; Razao 10 = [0, 0.485714]; Razao 11 = [0, 0.4]; Razao 12 =
[0, 0.25]; Razao 13 = [0, 0] }; { Emprego 1 = [0, 0.161905]; Emprego 2 = [0,
0.228571]; Emprego 3 = [0, 0.25]; Emprego 4 = [0, 0.492308]; Emprego 5 = [0,
1]; Emprego 6 = [0, 0.0315789]; Emprego 7 = [0, 0.5]; Emprego 8 = [0, 0.75];
Emprego 9 = [0, 0.5]; Emprego 10 = [0, 0.125] }; { Ultimo 1 = [0, 1]; Ultimo 2 =
[0, 0.1]; Ultimo 3 = [0, 0.291667]; Ultimo 4 = [0, 1]; Ultimo 5 = [0, 0.5]; Ultimo 6
= [0, 0.6]; Ultimo 7 = [0, 0.333333]; Ultimo 8 = [0, 1]; Ultimo 9 = [0, 0.444444];
Ultimo 10 = [0, 0.0416667] }; { Situacao 1 = [0.042735, 1]; Situacao 2 = [0, 0.9];
Situacao 3 = [0, 0.333333] }; Desemprego = [0, 344]; Actividade = [0, 42])
com medida de generalidade: 0.44984182
57
• A Classe 4, com 17 elementos, e descrita por
({Nacionalidade 1 = [0.952941, 1]; Nacionalidade 2 = [0, 0.0470588] }; { Razao
1 = [0, 0.75]; Razao 2 = [0, 0.113636]; Razao 3 = [0, 1]; Razao 4 = [0, 0.161616];
Razao 5 = [0, 0.285714]; Razao 6 = [0, 0.0783898]; Razao 7 = [0, 0.25]; Razao 8
= [0, 0.0727273]; Razao 9 = [0, 0.333333]; Razao 10 = [0, 0.178571]; Razao 11
= [0, 0.4]; Razao 12 = [0, 0]; Razao 13 = [0, 0] }; { Emprego 1 = [0.0151515,
0.333333]; Emprego 2 = [0, 0.666667]; Emprego 3 = [0, 0.212766]; Emprego 4 =
[0, 0.309091]; Emprego 5 = [0, 0.52439]; Emprego 6 = [0, 0.692308]; Emprego 7
= [0, 0.263636]; Emprego 8 = [0, 0.666667]; Emprego 9 = [0, 0.251701]; Emprego
10 = [0, 0.025] }; { Ultimo 1 = [0, 0.678571]; Ultimo 2 = [0, 0.2]; Ultimo 3 = [0,
0.230769]; Ultimo 4 = [0, 0.353535]; Ultimo 5 = [0, 0.631579]; Ultimo 6 = [0,
0.172414]; Ultimo 7 = [0, 0.171717]; Ultimo 8 = [0, 1]; Ultimo 9 = [0, 0.542857];
Ultimo 10 = [0, 0.00591716] }; { Situacao 1 = [0.0327869, 0.665]; Situacao 2 =
[0.33, 0.918033]; Situacao 3 = [0, 0.111111] }; Desemprego = [0, 553]; Actividade
= [6, 60])
com medida de generalidade: 0.41153713.
A Classe 1 agrupou os grupos de elevada instrucao (acima de ensino secundario); a
Classe 2 agrupou os grupos com 65 anos ou mais; a Classe 3 agrupou os grupos com
baixa instrucao e, maioritariamente, com menos de 45 anos; a Classe 4 agrupou os grupos
com mais de 45 e menos de 65 anos.
A variavel tempo de desemprego expressa a separacao das classes, sendo visıvel que
o seu valor maximo difere bastante nas 4 classes. Na Classe 2 a situacao de emprego
mais expressiva consiste em grupos inativos, nao se encontrando grupos em situacao de
desemprego. A Classe 4 e caracterizada por desempregados que apresentam como razoes
para o abandono de trabalho doenca ou incapacidade, reforma por velhice e alguns des-
pedimentos coletivos.
6.3.2 SCLUST
Os dados do emprego foram tambem classificados pelo metodo SCLUST numa particao
em 4 classes (ver composicao das classes no anexo E).
58
• A Classe 1, com 26 elementos, e descrita pelo prototipo
Nacionalidade = {Portugues(0.98), Estrangeiro(0.02)}
Razao de abandono = {Reforma Velhice(0.00), Outra(0.14), Doenca/ Incapaci-
dade(0.05), Outras razoes pessoa(0.05), Desp. Individual(0.24), Responsabilidade
pes(0.05), Reforma Antecipada(0.01), Fim do Negocio Pesso(0.01), Rescisao(0.11),
Trab. Duracao limita(0.22), Desp. Colectivo/ fec(0.09), Estudo/ Formacao(0.04),
SMO(0.00)}
Setor de emprego atual = {Quadros Superiores(0.03), Intermedios(0.06), Op. Ma-
quinas(0.08), Servicos(0.22), Operarios(0.36), Intelectuais(0.01), Administrativos
(0.08), Agricultores(0.07), Nao Qualificados(0.09), Militares(0.01)}
Setor do ultimo emprego = {Operarios(0.34), Quadros superiores(0.01), Op. Ma-
quinas(0.09), Nao qualificados(0.11), Intermedios(0.09), Servicos(0.22), Agricul-
tores(0.03), Intelectuais(0.04), Administrativos (0.07), Militares(0.00)}
Situacao de emprego = {Inactivo(0.30), Empregado(0.48), Desempregado(0.22)}
Tempo de Desemprego = [3, 60]
Tempo de Atividade = [4, 14]
• A Classe 2, com 22 elementos, e descrita pelo prototipo
Nacionalidade = {Portugues(1.00), Estrangeiro(0.00)}
Razao de abandono = {Reforma Velhice(0.00), Outra(0.00), Doenca/ Incapaci-
dade(0.50), Outras razoes pessoa(0.00), Desp. Individual(0.04), Responsabilidade
pes(0.00), Reforma Antecipada(0.00), Fim do Negocio Pesso(0.00), Rescisao(0.00),
Trab. Duracao limita(0.29), Desp. Colectivo/ fec(0.17), Estudo/ Formacao(0.00),
SMO(0.00)}
Setor de emprego atual = {Quadros Superiores(0.08), Intermedios(0.27), Op. Ma-
quinas(0.00), Servicos(0.02), Operarios(0.01), Intelectuais(0.61), Administrativos
(0.01), Agricultores(0.00), Nao Qualificados(0.00), Militares(0.00)}
Setor do ultimo emprego = {Operarios(0.00), Quadros superiores(0.00), Op. Ma-
quinas(0.00), Nao qualificados(0.33), Intermedios(0.00), Servicos(0.04), Agricul-
tores(0.00), Intelectuais(0.42), Administrativos (0.21), Militares(0.00)}
59
Situacao de emprego = {Inactivo(0.06), Empregado(0.89), Desempregado(0.04)}
Tempo de Desemprego = [0, 0]
Tempo de Atividade = [0, 0]
• A Classe 3, com 12 elementos, e descrita pelo prototipo
Nacionalidade = {Portugues(0.80), Estrangeiro(0.20)}
Razao de abandono = {Reforma Velhice(0.00), Outra(0.07), Doenca/ Incapaci-
dade(0.00), Outras razoes pessoa(0.22), Desp. Individual(0.07), Responsabilidade
pes(0.03), Reforma Antecipada(0.00), Fim do Negocio Pesso(0.01), Rescisao(0.16),
Trab. Duracao limita(0.29), Desp. Colectivo/ fec(0.16), Estudo/ Formacao(0.00),
SMO(0.00)}
Setor de emprego atual = {Quadros Superiores(0.06), Intermedios(0.17), Op. Ma-
quinas(0.01), Servicos(0.04), Operarios(0.01), Intelectuais(0.58), Administrativos
(0.10), Agricultores(0.00), Nao Qualificados(0.02), Militares(0.00)}
Setor do ultimo emprego = {Operarios(0.00), Quadros superiores(0.00), Op. Ma-
quinas(0.00), Nao qualificados(0.02), Intermedios(0.17), Servicos(0.03), Agricul-
tores(0.01), Intelectuais(0.66), Administrativos (0.10), Militares(0.00)}
Situacao de emprego = {Inactivo(0.07), Empregado(0.88), Desempregado(0.05)}
Tempo de Desemprego = [9, 9]
Tempo de Atividade = [6, 6]
• A Classe 4, com 49 elementos, e descrita pelo prototipo
Nacionalidade = {Portugues(0.99), Estrangeiro(0.01)}
Razao de abandono = {Reforma Velhice(0.28), Outra(0.03), Doenca/ Incapaci-
dade(0.17), Outras razoes pessoa(0.05), Desp. Individual(0.07), Responsabilidade
pes(0.02), Reforma Antecipada(0.14), Fim do Negocio Pesso(0.02), Rescisao(0.06),
Trab. Duracao limita(0.03), Desp. Colectivo/ fec(0.12), Estudo/ Formacao(0.00),
SMO(0.00)}
Setor de emprego atual = {Quadros Superiores(0.13), Intermedios(0.07), Op. Ma-
quinas(0.04), Servicos(0.10), Operarios(0.14), Intelectuais(0.13), Administrativos
60
(0.07), Agricultores(0.22), Nao Qualificados(0.09), Militares(0.00)}
Setor do ultimo emprego = {Operarios(0.18), Quadros superiores(0.07), Op. Ma-
quinas(0.07), Nao qualificados(0.08), Intermedios(0.18), Servicos(0.09), Agricul-
tores(0.05), Intelectuais(0.15), Administrativos (0.12), Militares(0.00)}
Situacao de emprego = {Inactivo(0.62), Empregado(0.35), Desempregado(0.03)}
Tempo de Desemprego = [24, 277]
Tempo de Atividade = [21.50, 45.50]
A Classe 1 agrupou os grupos com idades entre os 15 e 34 anos e maioritariamente
com instrucao inferior ao ensino superior; a Classe 2 agrupou os grupos com instrucao
acima de secundario; a Classe 3 agrupou os grupos com instrucao superior maioritaria-
mente entre os 25 e 44 anos; a Classe 4 agrupou os grupos maioritariamente com instrucao
baixa.
Na Classe 1 os grupos apresentam maioritariamente como razoes do abandono do
emprego despedimento individual e trabalho de duracao limitada. Na Classe 2 encontram-
se grupos em que a situacao de emprego e, na sua grande maioria, empregados. A Classe 3
e formada por grupos maioritariamente empregados em que a sua atividade atual e ultima
atividade prende-se essencialmente com trabalhos intelectuais. Na Classe 4 encontra-
se grupos em situacao inativa que apresentam como razao para abandono do trabalho
reforma por velhice e doencas ou incapacidade.
O valor do ındice de Rand ajustado obtido pela comparacao das classes resultantes
nos dois metodos e de 0.288.
6.3.3 HIPYR
O metodo HIPYR agrega na ultima iteracao 5 classes. Assim, nao e possıvel obter uma
particao em 4 classes. Como o ındice de Rand ajustado permite comparar particoes em
diferentes classes vai-se aqui comparar a particao em 4 classes do metodo implementado
com a particao em 5 classes do metodo HIPYR (a composicao das classes formadas pode
ser vista no anexo E).
61
• A Classe 1, com 16 elementos, e descrita por
[Nacionalidade = (Portugues(1), Estrangeiro(0.037037))] [Razao de abandono =
(Reforma Velhice(1), Outra(0.09375) , Doenca/ Incapacidade(0.386525) , Outras
razoes pessoais/ familiar(0.176471) , Desp. Individual(0.030303) , Responsabili-
dade pessoal/ familiar(0.0714286) , Reforma Antecipada(0.666667), Fim do Nego-
cio Pessoal(0.111111) , Rescisao(0.107143), Trab. Duracao limitada(0.0555556) ,
Desp. Colectivo/ fecho da empresa(0.0606061) , Estudo/ Formacao(0.00223214))]
[Sector do emprego actual = (Quadros Superiores(1) , Intermedios(0.222222), Op.
Maquinas(0.0314961), Servicos(0.5) , Operarios(0.5), Intelectuais(1), Administra-
tivos(0.0131579) , Agricultores(0.986111), Nao Qualificados(0.0526316))]
[Sector do ultimo emprego = (Operarios(0.375) , Quadros superiores(0.333333),
Op. Maquinas(0.238839) , Nao qualificados(0.255319), Intermedios(0.571429) ,
Servicos(0.388889), Agricultores(0.492908) , Intelectuais(0.722222), Administra-
tivos(0.333333) , Militares(0.111111))] [Situacao de Emprego = (Inactivo(1), Em-
pregado(0.333333))] [Tempo de Desemprego = [0, 776]] [Tempo de Actividade =
[12, 89]]
com medida de generalidade: 2.62764
• A Classe 2, com 20 elementos, e descrita por
[Nacionalidade = (Portugues(1), Estrangeiro(0.111111))] [Razao de abandono =
(Reforma Velhice(0.162791), Outra(0.133333) , Doenca/ Incapacidade(0.5625) ,
Outras razoes pessoais/ familiar(0.235294) , Desp. Individual(0.4) , Responsabili-
dade pessoal/ familiar(0.133333) , Reforma Antecipada(0.571429), Fim do Negocio
Pessoal(0.0727273) , Rescisao(0.2), Trab. Duracao limitada(0.210526) , Desp. Co-
lectivo/ fecho da empresa(0.4))] [Sector do emprego actual = (Quadros Superio-
res(0.22449) , Intermedios(0.366197), Op. Maquinas(0.212766) ,
Servicos(0.393939), Operarios(0.52439), Intelectuais(0.056338) , Administrativos
(0.5), Agricultores(0.666667) , Nao Qualificados(0.5), Militares(0.0136054))] [Sec-
tor do ultimo emprego = (Operarios (0.678571) , Quadros superiores(0.0909091),
Op. Maquinas(0.230769) , Nao qualificados(0.353535), Intermedios(0.428571) ,
Servicos(0.466667), Agricultores(0.171717) , Intelectuais(0.285714), Administra-
62
tivos(0.542857) , Militares(0.00591716))]
[Situacao de Emprego = (Inactivo(0.666667) , Empregado(0.896947), Desempre-
gado(0.153846))] [Tempo de Desemprego = [0, 553]] [Tempo de Actividade = [3,
60]]
com medida de generalidade: 2.19312
• A Classe 3, com 24 elementos, e descrita por
[Nacionalidade = (Portugues(1), Estrangeiro(0.125))] [Razao de abandono = (Re-
forma Velhice(1), Outra(0.333333) , Doenca/ Incapacidade(1) , Outras razoes pes-
soais/ familiar(0.333333) , Desp. Individual(0.37037) , Responsabilidade pesso-
al/ familiar(0.333333) , Reforma Antecipada(0.333333), Fim do Negocio Pessoal
(0.047619) , Rescisao(0.4), Trab. Duracao limitada(0.333333) , Desp. Colec-
tivo/ fecho da empresa(1), Estudo/ Formacao(0.25))] [Sector do emprego actual
= (Quadros Superiores(0.333333) , Intermedios(0.666667), Op. Maquinas(0.25),
Servicos(0.175) , Operarios(1), Intelectuais(1), Administrativos(0.314286) , Agri-
cultores(0.75), Nao Qualificados(0.0666667) , Militares(0.025))] [Sector do ultimo-
emprego = (Operarios(0.75) , Quadros superiores(0.5), Op. Maquinas(0.25) ,
Nao qualificados(0.5), Intermedios(0.631579), Servicos(0.333333 ), Agricultores
(0.333333), Intelectuais(1) , Administrativos(0.285714), Militares(0.037037))] [Si-
tuacao de Emprego = (Inactivo(1), Empregado(1) , Desempregado(0.333333))]
[Tempo de Desemprego = [1, 218]] [Tempo de Actividade = [1, 54]]
com medida de generalidade: 1.87432
• A Classe 4, com 15 elementos, e descrita por
[Nacionalidade = (Portugues(1), Estrangeiro(0.214286))] [Razao de abandono =
(Outra(0.25), Doenca/ Incapacidade(0.0909091) , Outras razoes pessoais/ fami-
liar(1), Desp. Individual(0.357143) , Responsabilidade pessoal/ familiar(0.25) ,
Fim do Negocio Pessoal(0.1), Rescisao(1) , Trab. Duracao limitada(1) , Desp. Co-
lectivo/ fecho da empresa(0.208333) , Estudo/ Formacao(0.166667))] [Sector do em-
prego actual = (Quadros Superiores(0.285714) , Intermedios(0.25), Op. Maquinas
(0.136842), Servicos(0.492308) , Operarios(0.666667), Intelectuais(0.696203) , Ad-
ministrativos(0.307692), Agricultores(0.0833333) , Nao Qualificados(0.25), Mili-
63
tares(0.125))] [Sector do ultimo emprego = (Operarios(0.6) , Op. Maquinas
(0.291667), Nao qualificados(0.272727) , Intermedios(0.25), Servicos(0.6), Agri-
cultores(0.1) , Intelectuais(1), Administrativos(1), Militares(0.0416667))] [Situa-
cao de Emprego = (Inactivo(0.632743) , Empregado(0.933333), Desempregado
(0.135338))] [Tempo de Desemprego = [0, 112]] [Tempo de Actividade = [0, 22]]
com medida de generalidade: 0.21476
• A Classe 5, com 34 elementos, e descrita por
[Nacionalidade = (Portugues(1), Estrangeiro(1))] [Razao de abandono = (Outra(1),
Doenca/ Incapacidade(1) , Outras razoes pessoais/ familiar(1), Desp. Individual(1) ,
Trab. Duracao limitada(1), Desp. Colectivo/ fecho da empresa(1) )] [Sector do em-
prego actual = (Quadros Superiores(0.25) , Intermedios(1), Op. Maquinas(0.142857),
Servicos(1) , Operarios(0.571429), Intelectuais(1), Administrativos(0.307692) , Nao
Qualificados(0.285714))] [Sector do ultimo emprego = (Operarios(1) , Nao quali-
ficados(1), Intermedios(1), Servicos(0.25) , Intelectuais(1), Administrativos(0.5))]
[Situacao de Emprego = (Inactivo(1), Empregado(1) , Desempregado(1))] [Tempo-
de Desemprego = [2, 23]] [Tempo de Actividade = [0, 22]]
com medida de generalidade: 0.0742578
A Classe 1 agrupou os grupos com idades iguais ou superiores a 65 anos; a Classe 2
agrupou os grupos com idades compreendida entre os 35 e os 64 anos maioritariamente
com baixa instrucao; a Classe 3 agrupou os grupos com mais de 44 anos com instrucao
alta e grupos com idades compreendidas entre os 25 e 34 anos com escolaridade baixa; a
Classe 4 agrupou os grupos entre os 15 e os 35 anos; a Classe 5 agrupou os grupos com
idades entre os 15 e 34 anos com instrucao alta e grupos com idade inferior a 15 anos com
baixa instrucao.
O tempo de desemprego vai diminuindo ao longo das classes formadas, ou seja, a
Classe 1 aglomera grupos que se encontram desempregados entre 0 e 776 dias enquanto a
Classe 5 agrupa elementos que se encontrar desempregados entre 0 a 23 dias. As razoes de
abandono das primeiras 3 classes prendem-se maioritariamente com reformas e problemas
por doencas ou incapacidade enquanto as Classes 4 e 5 nao apresentam de forma tao
expressiva essas razoes.
64
O valor do ındice de Rand ajustado obtido pela comparacao das classes resultantes
nos dois metodos e de 0.253.
6.3.4 Analise dos resultados
Analisando o ındice de Rand ajustado obtido na comparacao das diferentes classes re-
sultantes por cada um dos metodos (ver Tabela 6.11) podemos verificar que existe uma
semelhanca entre classes, pois o valor do ındice e positivo, nao sendo esta proximidade
elevada nem tao notoria como na classificacao dos Dados Carros.
Tabela 6.11: Indice de Rand ajustado obtido pela comparacao das classes formadas pelos
diferentes metodos - Dados EmpregoSCLUST HIPYR
Metodo implementado 0.288 0.253
Os metodos tem agrupado os grupos separando-os por idade e nıvel de instrucao, pro-
duzindo classes em que se encontram grupos de pessoas com baixa instrucao em contraste
com grupos com alta instrucao ou grupos bem separados por faixa etaria. Em alguns ca-
sos podemos distinguir classes com grupos separados por faixa etaria e nıvel de instrucao
combinada. O HIPYR junta em algumas classes grupos em contraste em termos de idade
e faixa etaria, como na classe 5 que agrupa os grupos com idades entre os 15 e 34 anos
com instrucao alta e grupos com idade inferior a 15 com baixa instrucao.
As variaveis que mais influenciam na separacao das classes sao a situacao profissional
atual e as razoes de abandono do emprego.
65
Capıtulo 7
Conclusao
A Analise de Dados Simbolicos tem conhecido recentemente grandes desenvolvimentos,
essencialmente pelo facto de ser necessario ter em conta a variabilidade intrınseca aos
dados. Estes dados podem surgir de diferentes formas, sendo a mais comum a agregacao
de conjuntos de dados classicos, e apresentar-se em diferentes tipos de variaveis.
Muitos tem sido os metodos propostos para lidar com dados simbolicos. Este tra-
balho foca-se no estudo do metodo de classificacao ascendente hierarquica simbolica,
proposto por Brito e Polaillon, onde as classes formadas correspondem conceitos obti-
dos por correspondencias de Galois com generalizacao por intervalos, permitindo lidar
com diferentes tipos de variaveis num enquadramento comum. O objetivo central deste
trabalho prendeu-se com a implementacao deste metodo.
A implementacao do metodo de classificacao hierarquico proposto por Brito e Polail-
lon no software R permitiu classificar conjuntos de dados com maior numero de objetos
descritos por diferentes tipos de variaveis simbolicas. Esta implementacao permite, assim,
a comparacao dos resultados de classificacao obtidos com este metodo com os fornecidos
por outros ja existentes para a classificacao de dados simbolicos disponıveis no software
SODAS2.
Os resultados obtidos nas classificacoes com os diferentes tipos de metodos foram
comparados utilizando o ındice de Rand ajustado o que permitiu quantificar a proximi-
dade entre as particoes obtidas. Os valores obtidos foram sempre superiores a zero o que
salienta a nao aleatoriedade das classificacoes e a aproximacao das classes resultantes do
metodo implementado com os restantes metodos usados.
66
Verificou-se que, no conjunto de dados de marca e/ou modelos de carros, o metodo
implementado teve um melhor acerto face as classificacoes conhecidas a priori do que os
metodos DIV e SCLUST para o mesmo numero de particoes. Quando comparados entre
si, obtem-se uma maior proximidade entre as classes obtidas pelo metodo implementado
e o metodo SCLUST do que com o metodo DIV. Quando analisado o mesmo conjunto de
dados mas classificado em duas particoes obtem-se um ındice de Rand ajustado elevado na
comparacao entre o metodo implementado e o metodo DIV sendo que, quando comparado
com o metodo SCLUST as particoes sao coincidentes.
No conjunto de dados relativo ao emprego na zona Norte de Portugal, onde as variaveis
sao de diferentes tipos, o ındice de Rand ajustado obtido pela comparacao das quatro clas-
ses formadas pelo metodo implementado com as classes formadas pelo metodo SCLUST
e HIPYR reflete uma proximidade nao muito elevada entre as diferentes classificacoes.
Conclui-se que o metodo implementado apresenta bons resultados de classificacao
quando comparado com alguns metodos existentes para a classificacao de dados simbolicos
tendo a vantagem de suportar diferentes tipos de variaveis e fornecer um dendrograma que
permite uma melhor visualizacao da classificacao obtida bem como uma descricao de facil
compreensao de cada classe obtida.
67
Bibliografia
[1] Billard, L. e Diday, E. (2007). Symbolic Data Analysis: Conceptual Statistics and
Data Mining. Wiley.
[2] Brito, P. (1991). Analyse de Donnees Symboliques. Pyramides d’Heritage. These,
Univ. Paris-IX Dauphine.
[3] Brito, P. (1994). Use of Pyramids in Symbolic Data Analysis: New Approaches
in Classification and Data Analysis, E. Diday et al. (eds.),Springer-Verlag, Berlin-
Heidelberg, pp. 378-386.
[4] Brito, P. (1995). Symbolic Objects : Order Structure and Pyramidal Clustering. An-
nals of Operations Research 55, 277–297.
[5] Brito, P. (2002). Hierarchical and Pyramidal Clustering for Symbolic Data. J. Jpn
Soc. Comp. Statist., 15, 1 – 14.
[6] Brito, P. (2007). On the analysis of symbolic data. Selected Contributions in Data
Analysis and Classification. Springer, 13-22.
[7] Brito, P. (2014). Symbolic Data Analysis: another look at the interaction of
Data Mining and Statistics. WIREs Data Mining Knowl Discov 2014, 4:281-295.
doi:10.1002/widm.1133.
[8] Brito, P. e Ichino, M. (2010). Symbolic clustering based on quantile representation.
In Proc. COMPSTAT 2010, Paris.
[9] Brito, P. e Polaillon, G. (2011). Homogeneity and Stability in Conceptual Analysis.
In: Proc. of the 8th International Conference on Concept Lattices and Their Applica-
tions, Nancy, France, Napoli, A. and Vychodil, V. (Eds.), INRIA, Nancy, 251-263.
68
[10] Brito, P. e Polaillon, G. (2012): Classification Conceptuelle avec Generalisation
par Intervalles [Conceptual clustering with generalization by intervals]. Revue des
Nouvelles Technologies de l’Information E.23, 35-40.
[11] Bock, H.-H. e Diday, E. (2000). Analysis of Symbolic Data: Exploratory Methods
for Extracting Statistical Information from Complex Data. Springer.
[12] Carpineto, C. e Romano, G. (1993). Galois : An order-theoretic approach to con-
ceptual clustering. In Proceedings of the 10th International Conference on Machine
Learning, pages 33–40, Amherst, MA, USA.
[13] Chavent, M. (2000). Criterion-based divisive clustering for symbolic data. Analysis
of Symbolic Data: Exploratory Methods for Extracting Statistical Information from
Complex Data, Springer-Verlag, 299-311.
[14] Chavent, M., De Carvalho, F.A.T., Lechevallier, Y. e Verde, R.(2006). New cluste-
ring methods for interval data. Computational Statistics 21 (2), 211-229.
[15] De Carvalho, F.A.T. (2007). Fuzzy c-means clustering methods for symbolic interval
data. Pattern Recognition Letters 28 (4), 423-437.
[16] De Carvalho, F.A.T., Brito, P. e Bock, H.-H.(2006). Dynamic clustering for interval
data based on L2 distance. Computational Statistics 21 (2), 231-250.
[17] De Carvalho, F.A.T., Lechevallier, Y. e Verde, R. (2008). Clustering methods in
symbolic data analysis. In E. Diday and M. Noirhomme-Fraiture (Eds.), Symbolic
Data Analysis and the SODAS Software, Chichester, pp. 182-203.
[18] De Carvalho, F.A.T. e Tenorio, C.P. (2010). Fuzzy k-means clustering algorithms for
interval-valued data based on adaptive quadratic distances. Fuzzy Sets and Systems
161 (23), 2978-2999.
[19] De Souza, R.M.C.R. e De Carvalho, F.A.T.(2004). Clustering of interval data based
on City-Block distances. Pattern Recognition Letters 25 (3), 353-365.
[20] Diday, E. (2002). An Introduction to Symbolic Data Analysis and the Sodas Soft-
ware. The Electronic Journal of Symbolic Data Analysis – Vol.0 N.0.
69
[21] Diday, E. e Noirhomme-Fraiture, M. (2008). Symbolic Data Analysis and the SO-
DAS Software. Wiley.
[22] Diday, E. e Simon, J. J. (1976). Clustering Analysis, in ‘Digital Pattern Recognition’
(Fu, K. S. Ed.). Springer, Heidelberg, pp. 47–94.
[23] Fisher, D.H. (1987). Knowledge acquisition via incremental conceptual clustering.
Machine Learning, 2, pp. 139-172.
[24] Hardy, A. e Lallemand, P.(2004). Clustering of symbolic objects described by multi-
valued and modal variables. In D. Banks, F. McMorris, P. Arabie, and W. Gaul
(Eds.), Classification, Clustering, and Data Mining Applications, Heidelberg, 325-
332.
[25] Hardy, A. e Kasaro, N. (2009). A new clustering method for interval data.
Mathematiques et Sciences Humaines 187, 79-91.
[26] Hubert, L. e Arabie, P.(1985). Comparing partitions. J. of Classification 2, pages
193–218.
[27] Jeng, J.-T., Chuan,C.-C., Tseng, C.-C. e Juan, C.-J. (2010). Robust interval competi-
tive agglomeration clustering algorithm with outliers. International Journal of Fuzzy
Systems 12 (3), 227-236.
[28] Jonyer,I., Cook, D. e Holder, L. (2001). Graph-Based Hierarchical Conceptual Clus-
tering. Journal of Machine Learning Research 2, 19-43.
[29] Lucas, C. (2012). Conceptual Clustering and Galois Concepts Lattices. Seminario
do Prog. Doutoramento em Matematica Aplicada.
[30] MacQueen, J. (1967). Some methods for classification and analysis of multivariate
observations. Proceedings of 5th Berkeley Symposium on Mathematical Statistics
and Probability, v.1, pp. 281–297.
[31] Michalski, R. S. (1980). Knowledge acquisition through conceptual clustering: A
theoretical framework and algorithm for partitioning data into conjunctive concepts.
International Journal of Policy Analysis and Information Systems, 4, 219-243.
70
[32] Michalski, R. S. e Stepp, R. E. (1983). Learning from observation: Conceptual clus-
tering. In R. S. Michalski, J. G. Carbonell and T. M. Mitchell (Eds.), Machine lear-
ning: An articial intelligence approach. Los Altos, CA: Morgan Kaufmann.
[33] Noirhomme-Fraiture, M. e Brito, P. (2011). Far Beyond the Classical Data Models:
Symbolic Data Analysis. Statistical Analysis and Data Mining, 4 (2), 157-170.
[34] Priss, U. (2006). Formal Concept Analysis in Information Science. In: Cronin,
Blaise (Ed.), Annual Review of Information Science and Technology. Vol 40, 521-
543.
[35] Rand, W. M. (1971) Objective criteria for the evaluation of clustering methods. Jour-
nal of the American Statistical Association, 66, 846–850.
[36] Stumme, G., Taouil, R., Bastide, Y., Pasquier, N. e Lakhal, N.(2002). Computing
iceberg concept lattices with TITANIC, Data & Knowledge Engineering 42: 189-
222.
[37] Talavera, L. e Bejar, J. (2001). Generality-Based Conceptual Clustering with Proba-
bilistic Concepts. IEEE Transactions on Pattern Analysis and Machine Intelligence,
vol. 23, n.o 2, 196-206.
[38] Valtchev, P., Grosser, D., Roume, C. e Hacene, M. (2003) GALICIA: an open plat-
form for lattices. Using Conceptual Structures: Contributions to the 11th Intl. Confe-
rence on Conceptual Structures (ICCS’03), 241-254, Dresden (DE), Shaker Verlag.
71
Apendice A
Codigo R
#### Etapa1 : C a l c u l o de i n t e r v a l o s ############################
e t a p a 1 = f u n c t i o n ( base , num novo grupo ) {
d= base
r o w I n d i c e s = t ( combn ( nrow ( d ) , 2 ) )
d2= data . frame ( Group = nrow ( d ) ∗ r o w I n d i c e s [ , 1]+ r o w I n d i c e s [ , 2 ] )
z= nco l ( d )
v =( z−1) / 2
# C a l c u l a o maximo e o minimo de cada v a r i a v e l para t o d o s os grupos
f o r ( x i n 1 : v ) {
d2= data . frame ( d2 ,
minimo=apply ( r o w I n d i c e s , 1 , f u n c t i o n ( y ) pmin ( d [ y [ 1 ] ,2∗x ] , d [ y [ 2 ] ,2∗x ] ,
na . rm = TRUE) ) ,
maximo=apply ( r o w I n d i c e s , 1 , f u n c t i o n ( y ) pmax ( d [ y [ 1 ] , ( 2 ∗x ) +1 ] , d [ y [ 2 ]
, ( 2 ∗x ) + 1 ] , na . rm = TRUE) )
)
}
# A c r e s e n t a os nomes das v a r i a v e i s , os numeros dos grupos e os i n d i c e s dos
o b j e t o s a agrupar
colnames ( d2 ) =colnames ( d )
d2 [ , 1 ] = 1 : nrow ( d2 ) +num novo grupo−1
d2= data . frame ( d2 , h1 = row . names ( d ) [ r o w I n d i c e s [ , 1 ] ] , h2 = row . names ( d ) [
r o w I n d i c e s [ , 2 ] ] )
d$h1=NA
d$h2=NA
d=rbind ( d , d2 )
d
}
72
#### Etapa 2: C a l c u l o de d i f e r e n c a s e medida de g e n e r a l i d a d e ##########
e t a p a 2 = f u n c t i o n ( dados1 ) {
## C a l c u l o das d i f e r e n c a s e n o r m a l i z a o
z= nco l ( dados1 )
v =( z−3) / 2
f o r ( x i n 1 : v ) {
dados1 [ , z+x ]=NA
colnames ( dados1 ) [ z+x ]= s t r s p l i t ( colnames ( dados1 ) [2∗x ] , ” ” )
[ [ 1 ] ] [ 1 ]
dados1 [ , z+x ]= ( dados1 [ , ( 2 ∗x ) +1]−dados1 [ , 2 ∗x ] ) / p a r a m e t r o s [
p a r a m e t r o s $nome == colnames ( dados1 ) [ z+x ] , 6 ]
}
### C a l c u l o da medias i n t e r n a s de cada v a r i a v e l
v a r i a v e i s = p a r a m e t r o s [ , 1 ]
z2= nco l ( dados1 )
x=z
f o r ( i i n 1 : l e n g t h ( v a r i a v e i s ) ) {
num c a t e g o r i a s = p a r a m e t r o s [ p a r a m e t r o s $nome== v a r i a v e i s [ [ i ] ] , 3 ]
dados1 =data . frame ( dados1 , media=rowMeans ( s u b s e t ( dados1 , s e l e c t =(
x +1) : ( x+num c a t e g o r i a s ) , na . rm = TRUE) ) )
x=x+num c a t e g o r i a s
}
# c l c u l o das mdias e n t r e v a r i a v e i s
dados1 $ medida = rowMeans ( s u b s e t ( dados1 , s e l e c t =( z2 +1) : nco l ( dados1 ) , na . rm = TRUE
) , na . rm = TRUE )
dados1
}
#### Etapa3 : E l e i o do minimo e nova t a b e l a ###############################
e t a p a 3 = f u n c t i o n ( dados2 , dados , num novo grupo ) {
n=nrow ( dados )
w=nrow ( dados2 )
dados aux1= dados2 [ ( n +1) :w , ]
# procura l i n h a minimo
e l e g i v e l =FALSE
whi le ( e l e g i v e l ==FALSE)
{
l i n h a minimo = which . min ( dados aux1 [ , nco l ( dados aux1 ) ] ) + n
73
a1= dados2 [ l i n h a minimo , ]
a1 [ 1 , 1 ] = num novo grupo
g1= dados2 [ a1 $h1 , 1 ]
g2= dados2 [ a1 $h2 , 1 ]
## v e r i f i c a r se e l e g i v e l
i f ( n>2) {
dados e l e g i v e l = dados [ dados $Group ! =g1 & dados $Group ! =g2 , ]
n2=nrow ( dados e l e g i v e l )
z= nco l ( dados e l e g i v e l )
v =( z−3) / 2
f o r ( i i n 1 : n2 ) {
f o r ( x i n 1 : v ) {
i f ( ( i s . na ( a1 [ 1 , 2 ∗x ] ) ==FALSE) && ( i s . na ( dados
e l e g i v e l [ i , 2 ∗x ] ) ==FALSE) ) { i f ( dados
e l e g i v e l [ i , 2 ∗x ] < a1 [ 1 , 2 ∗x ] ) e l e g i v e l = TRUE
}
i f ( ( i s . na ( a1 [ 1 , 2 ∗x + 1 ] ) ==FALSE) && ( i s . na ( dados
e l e g i v e l [ i , 2 ∗x +1] ) ==FALSE) ) { i f ( dados
e l e g i v e l [ i , 2 ∗x +1] > a1 [ 1 , 2 ∗x + 1 ] ) e l e g i v e l =
TRUE}
}
}
}
e l s e e l e g i v e l =TRUE
### Caso nao s e j a e l e g i v e l remove a l i n h a para no c o n s t a r na proxima
i t e r a c a o
i f ( e l e g i v e l ==FALSE) dados aux1= dados aux1[− s t r t o i ( rownames ( a1 ) [ 1 ] , ba se
= 0L ) , ]
}
nomes g r up os [ l e n g t h ( nomes g r up os ) +1]<<−p a s t e ( nomes g r up os [ g1 ] , nomes g r up os [ g2 ] )
dados aux2= dados2 [ 1 : n , ]
dados aux2= dados aux2 [ dados aux2 $Group ! =g1 & dados aux2 $Group ! =g2 , ]
dados3 =rbind ( dados aux2 , a1 )
c o l = nco l ( dados )
dados3 = dados3 [ , 1 : c o l ]
rownames ( dados3 ) <− seq ( l e n g t h =nrow ( dados3 ) )
## A d i c i o n a r dados para o h i s t o g r a m a
i f ( g1>numero g r up os ) grupo1 =g1−numero g r up os
e l s e grupo1=−g1
i f ( g2>numero g r up os ) grupo2 =g2−numero g r up os
e l s e grupo2=−g2
74
d h i s t o g r a m a $merge=rbind ( d h i s t o g r a m a $merge , c ( grupo1 , grupo2 ) )
d h i s t o g r a m a $ h e i g h t [ l e n g t h ( d h i s t o g r a m a $ h e i g h t ) +1] = a1 [ 1 , nco l ( a1 ) ]
d h i s t o g r a m a <<− d h i s t o g r a m a
## Dados para o R e l a t r i o
c o n j u n t o =” ”
i f ( g1>numero g r up os ) c o n j u n t o = p a s t e ( c o n j u n t o , ” c l a s s e C ” , g1−numero grupos , ” e
” , sep =” ” )
e l s e c o n j u n t o = p a s t e ( c o n j u n t o , ” o b j e t o ” , nomes g r up os [ g1 ] , ” e ” , sep =” ” )
i f ( g2>numero g r up os ) c o n j u n t o = p a s t e ( c o n j u n t o , ” c l a s s e C ” , g2−numero grupos , sep =
” ” )
e l s e c o n j u n t o = p a s t e ( c o n j u n t o , ” o b j e t o ” , nomes g r up os [ g2 ] , sep =” ” )
w r i t e L i n e s ( p a s t e ( ”\ tMedida de g e n e r a l i d a d e :\ t ” , format ( a1 [ 1 , nco l ( a1 ) ] , d i g i t s =8) ) ,
f i c h e i r o )
w r i t e L i n e s ( p a s t e ( ”\ t C l a s s e formada p e l a un io de :\ t ” , c o n j u n t o ) , f i c h e i r o )
w r i t e L i n e s ( p a s t e ( ”\ tComposio da C l a s s e :\ t ” , nomes g r up os [ l e n g t h ( nomes g r up os ) ] ) ,
f i c h e i r o )
w r i t e L i n e s ( ”\ t D e s c r i o da c l a s s e : ” , f i c h e i r o )
minimos=a1 [ 1 , seq ( 2 , co l , 2 ) ] # c o l u n a s impares
maximos=a1 [ 1 , seq ( 3 , co l , 2 ) ] # c o l u n a s p a r e s
# Novos i n t e r v a l o s da c l a s s e
l i n h a =”\ t ( ”
k=1
f o r ( i i n 1 : nrow ( p a r a m e t r o s ) ) {
num c a t e g o r i a s = p a r a m e t r o s [ i , 3 ]
i f ( k>1) l i n h a = p a s t e ( l i n h a , ” ; ” )
i f ( num c a t e g o r i a s >1) l i n h a = p a s t e ( l i n h a , ” { ” )
f o r ( y i n 1 : num c a t e g o r i a s ) {
i f ( y>1) l i n h a = p a s t e ( l i n h a , ” ; ” )
i f ( num c a t e g o r i a s ==1) l i n h a = p a s t e ( l i n h a , p a r a m e t r o s [ i , 1 ] , ” = ” )
e l s e l i n h a = p a s t e ( l i n h a , p a r a m e t r o s [ i , 1 ] , y , ” = ” )
l i n h a = p a s t e ( l i n h a , ” [ ” , minimos [ y+k−1] , ” , ” , maximos [ y+k−1] , ” ] ” )
}
i f ( num c a t e g o r i a s >1) l i n h a = p a s t e ( l i n h a , ” } ” )
k=k+num c a t e g o r i a s
}
w r i t e L i n e s ( p a s t e ( l i n h a , ” ) ” ) , f i c h e i r o )
dados3
}
75
# ######## Carregamento e a n l i s e do c o n j u n t o de dados #####
c a r r e g a m e n t o = f u n c t i o n ( f i c h e i r o base dados ) {
# ##### Ler Base de dados ###############
dados =read . csv ( f i c h e i r o base dados , sep =” ; ” , dec=” , ” )
dados =data . frame ( dados )
# guarda nome dos grupos e s u b s i t u i por v a l o r e s numr icos
nomes g r up os<<−as . v e c t o r ( dados [ , 1 ] )
dados [ , 1 ] = 1 : nrow ( dados )
numero g r up os<<−nrow ( dados )
colnames ( dados ) [ 1 ] = ” Group ”
d h i s t o g r a m a = l i s t ( )
d h i s t o g r a m a $ order = 1 : nrow ( dados )
d h i s t o g r a m a $ l a b e l s = nomes g r up os
d h i s t o g r a m a $merge = matrix ( , nrow =0 , nco l =2)
d h i s t o g r a m a $ h e i g h t = v e c t o r ( mode=” numer ic ” , l e n g t h =0)
d h i s t o g r a m a <<− d h i s t o g r a m a
#nomes das v a r i a v e i s
v a r i a v e i s t o t a l = colnames ( dados ) [ seq ( 2 , nco l ( dados ) , 2 ) ]
v a r i a v e i s t o t a l = l a p p l y ( v a r i a v e i s t o t a l , f u n c t i o n ( x ) s t r s p l i t ( x , ” ” ) [ [ 1 ] ] [ 1 ] )
v a r i a v e i s = unique ( v a r i a v e i s t o t a l )
# Tabe la com os p a r a m e t r o s
p a r a m e t r o s <− as . data . frame ( setNames ( r e p l i c a t e ( 5 , numeric ( 0 ) , s i m p l i f y = F ) , c ( ”
nome” , ” t i p o ” , ”num c a t e g o r i a s ” , ” c o n j . chegada min ” , ” c o n j . chegada max” ) ) )
minimos=apply ( dados [ , seq ( 2 , nco l ( dados ) , 2 ) ] , 2 , min , na . rm=TRUE) # c o l u n a s impares
maximos=apply ( dados [ , seq ( 3 , nco l ( dados ) , 2 ) ] , 2 , max , na . rm=TRUE) # c o l u n a s p a r e s
x=1
f o r ( i i n 1 : l e n g t h ( v a r i a v e i s ) ) {
num c a t e g o r i a s =sum ( v a r i a v e i s t o t a l == v a r i a v e i s [ [ i ] ] )
p a r a m e t r o s [ i , 1 ] = v a r i a v e i s [ [ i ] ] #nome
p a r a m e t r o s [ i , 3 ] = num c a t e g o r i a s
p a r a m e t r o s [ i , 4 ] = min ( minimos [ x : ( x+num c a t e g o r i a s −1) ] )
p a r a m e t r o s [ i , 5 ] = max ( maximos [ x : ( x+num c a t e g o r i a s −1) ] )
i f ( p a r a m e t r o s [ i , 5 ] > 1) p a r a m e t r o s [ i , 2 ] = ”num”
e l s e p a r a m e t r o s [ i , 2 ] = ” modal ”
x=x+num c a t e g o r i a s
}
## D a opcao ao u t i l i z a d o r de v e r e c o r r i g i r os p a r a m e t r o s
p a r a m e t r o s <− f i x ( p a r a m e t r o s )
76
## N o r m a l i z a r no caso de s e r v a r i a v e l numer ica
f o r ( i i n 1 : l e n g t h ( v a r i a v e i s ) ) {
i f ( p a r a m e t r o s [ i , 2 ] = = ”num” )
{
c o n j . chegada minimo = p a r a m e t r o s [ i , 4 ]
c o n j . chegada maximo = p a r a m e t r o s [ i , 5 ]
p a r a m e t r o s [ i , 6 ] = ( c o n j . chegada maximo − c o n j . chegada minimo )
}
e l s e
p a r a m e t r o s [ i , 6 ] = 1
}
p a r a m e t r o s <<− p a r a m e t r o s
dados
}
# ######### Funo p r i n c i p a l ##################
metodo . b r i t o . p o l a i l l o n = f u n c t i o n ( f i c h e i r o base dados ) {
dados = c a r r e g a m e n t o ( f i c h e i r o base dados )
f i c h e i r o<<− f i l e ( ” R e l a t o r i o . t x t ” , ”w” )
w r i t e L i n e s ( ”−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−” ,
f i c h e i r o )
w r i t e L i n e s ( ”\ t R e l a t r i o de a p l i c a o do Mtodo B r i t o e P o l a i l l o n ” , f i c h e i r o )
w r i t e L i n e s ( ”−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−” ,
f i c h e i r o )
w r i t e L i n e s ( ” ” , f i c h e i r o )
w r i t e L i n e s ( p a s t e ( ” Con jun to de dados : ” , f i c h e i r o base dados ) , f i c h e i r o )
w r i t e L i n e s ( ” ” , f i c h e i r o )
w r i t e L i n e s ( ”−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−” ,
f i c h e i r o )
w r i t e L i n e s ( ”\ t T a b e l a com os P a r m e t r o s p a r a e s t e c o n j u n t o de dados ” , f i c h e i r o )
w r i t e L i n e s ( ”−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−” ,
f i c h e i r o )
w r i t e . t a b l e ( p a r a m e t r o s , f i c h e i r o , row . names = FALSE , sep = ”\ t ” )
w r i t e L i n e s ( ”−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−” ,
f i c h e i r o )
base = dados
grupo = nrow ( ba se ) +1
whi le ( nrow ( ba se )>1) {
77
w r i t e L i n e s ( ”
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−” ,
f i c h e i r o )
w r i t e L i n e s ( s p r i n t f ( ”\ tFormada nova C l a s s e :\ tC %d ” , grupo−nrow ( dados ) ) ,
f i c h e i r o )
dados1 = e t a p a 1 ( base , grupo )
dados2 = e t a p a 2 ( dados1 )
dados3 = e t a p a 3 ( dados2 , base , grupo )
base = dados3
grupo = grupo +1
}
## Fecha o f i c h e i r o e abre numa j a n e l a
c l o s e ( f i c h e i r o )
sys tem2 ( ” open ” , ” R e l a t o r i o . t x t ” )
## Mostra dendograma
par ( mar=c ( 1 0 , 4 , 2 , 4 ) ) # c ( bot tom , l e f t , top , r i g h t )
c l a s s ( d h i s t o g r a m a ) <− ” h c l u s t ”
p l o t ( as . dendrogram ( d h i s t o g r a m a ) )
}
78
Apendice B
Relatorio Metodo implementado -
Dados Carros
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
R e l a t r i o de a p l i c a o do Mtodo B r i t o e P o l a i l l o n
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Conjun to de dados : c a r d a t a . c sv
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
T ab e l a com os P a r m e t r o s p a r a e s t e c o n j u n t o de dados
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
”nome” ” t i p o ” ” n u m c a t e g o r i a s ” ” c o n j . chegada min ” ” c o n j . chegada max ”
” p r i c e ” ”num” 1 18492 394342 375850
” eng ” ”num” 1 973 5987 5014
” t o p ” ”num” 1 150 305 155
” acc ” ”num” 1 4 . 2 17 1 2 . 8
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 1
Medida de g e n e r a l i d a d e : 0 .062082337
Composio da C l a s s e : Focus SkodaOc tav ia
D e s c r i o da c l a s s e :
( p r i c e = [ 27419 , 48679 ] ; eng = [ 1585 , 1896 ] ; t o p = [ 185 , 193 ]
; acc = [ 1 0 . 8 , 1 1 . 8 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 2
Medida de g e n e r a l i d a d e : 0 .1145738
Composio da C l a s s e : Al fa166 LanciaK
D e s c r i o da c l a s s e :
( p r i c e = [ 58806 , 88760 ] ; eng = [ 1970 , 2959 ] ; t o p = [ 204 , 220 ]
; acc = [ 8 . 9 , 9 . 9 ] )
79
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 3
Medida de g e n e r a l i d a d e : 0 .11818055
Composio da C l a s s e : V e c t r a Focus SkodaOc tav i a
D e s c r i o da c l a s s e :
( p r i c e = [ 27419 , 49092 ] ; eng = [ 1585 , 2171 ] ; t o p = [ 185 , 207 ]
; acc = [ 1 0 . 5 , 1 2 . 5 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 4
Medida de g e n e r a l i d a d e : 0 .15042718
Composio da C l a s s e : Punto Ni s sanMic ra
D e s c r i o da c l a s s e :
( p r i c e = [ 18492 , 30885 ] ; eng = [ 998 , 1910 ] ; t o p = [ 150 , 170 ]
; acc = [ 1 2 . 2 , 1 5 . 5 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 5
Medida de g e n e r a l i d a d e : 0 .15597987
Composio da C l a s s e : Rover75 V e c t r a Focus SkodaOc tav i a
D e s c r i o da c l a s s e :
( p r i c e = [ 27419 , 65399 ] ; eng = [ 1585 , 2497 ] ; t o p = [ 185 , 210 ]
; acc = [ 1 0 . 2 , 1 2 . 5 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 6
Medida de g e n e r a l i d a d e : 0 .18184443
Composio da C l a s s e : Al fa156 Alfa166 LanciaK
D e s c r i o da c l a s s e :
( p r i c e = [ 41593 , 88760 ] ; eng = [ 1598 , 2959 ] ; t o p = [ 200 , 227 ]
; acc = [ 8 . 5 , 1 0 . 5 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 7
Medida de g e n e r a l i d a d e : 0 .1877339
Composio da C l a s s e : P a s s a t Rover75 V e c t r a Focus SkodaOc tav i a
D e s c r i o da c l a s s e :
( p r i c e = [ 27419 , 65399 ] ; eng = [ 1585 , 2497 ] ; t o p = [ 185 , 220 ]
; acc = [ 9 . 6 , 1 2 . 7 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 8
Medida de g e n e r a l i d a d e : 0 .205796
Composio da C l a s s e : SkodaFab ia Punto Ni s sanMic ra
D e s c r i o da c l a s s e :
( p r i c e = [ 18492 , 32686 ] ; eng = [ 998 , 1910 ] ; t o p = [ 150 , 183 ]
; acc = [ 1 1 . 5 , 1 6 . 5 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 9
Medida de g e n e r a l i d a d e : 0 .21422206
Composio da C l a s s e : HondaNSK P o r s c h e
D e s c r i o da c l a s s e :
80
( p r i c e = [ 147704 , 246412 ] ; eng = [ 2977 , 3600 ] ; t o p = [ 260 , 305
] ; acc = [ 4 . 2 , 6 . 5 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 10
Medida de g e n e r a l i d a d e : 0 .22384451
Composio da C l a s s e : Al fa145 P a s s a t Rover75 V e c t r a Focus SkodaOc tav i a
D e s c r i o da c l a s s e :
( p r i c e = [ 27419 , 65399 ] ; eng = [ 1370 , 2497 ] ; t o p = [ 185 , 220 ]
; acc = [ 8 . 3 , 1 2 . 7 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 11
Medida de g e n e r a l i d a d e : 0 .22907188
Composio da C l a s s e : Rover25 SkodaFab ia Punto Ni s sanMic ra
D e s c r i o da c l a s s e :
( p r i c e = [ 18492 , 33042 ] ; eng = [ 998 , 1994 ] ; t o p = [ 150 , 185 ]
; acc = [ 1 0 . 7 , 1 6 . 5 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 12
Medida de g e n e r a l i d a d e : 0 .25940012
Composio da C l a s s e : AudiA3 Alfa156 Alfa166 LanciaK
D e s c r i o da c l a s s e :
( p r i c e = [ 40230 , 88760 ] ; eng = [ 1595 , 2959 ] ; t o p = [ 189 , 238 ]
; acc = [ 6 . 8 , 1 0 . 9 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 13
Medida de g e n e r a l i d a d e : 0 .27881971
Composio da C l a s s e : Bmwserie3 AudiA3 Alfa156 Alfa166 LanciaK
D e s c r i o da c l a s s e :
( p r i c e = [ 40230 , 88760 ] ; eng = [ 1595 , 2979 ] ; t o p = [ 189 , 247 ]
; acc = [ 6 . 6 , 1 0 . 9 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 14
Medida de g e n e r a l i d a d e : 0 .30070649
Composio da C l a s s e : Corsa Rover25 SkodaFab ia Punto Ni s sanMic ra
D e s c r i o da c l a s s e :
( p r i c e = [ 18492 , 33042 ] ; eng = [ 973 , 1994 ] ; t o p = [ 150 , 202 ]
; acc = [ 9 , 17 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 15
Medida de g e n e r a l i d a d e : 0 .32701857
Composio da C l a s s e : AudiA8 Bmwserie5
D e s c r i o da c l a s s e :
( p r i c e = [ 70292 , 198792 ] ; eng = [ 2171 , 4398 ] ; t o p = [ 226 , 250
] ; acc = [ 5 . 4 , 1 0 . 1 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 16
Medida de g e n e r a l i d a d e : 0 .34016751
81
Composio da C l a s s e : Al fa145 P a s s a t Rover75 V e c t r a Focus SkodaOc tav i a
Bmwserie3 AudiA3 Alfa156 Alfa166 LanciaK
D e s c r i o da c l a s s e :
( p r i c e = [ 27419 , 88760 ] ; eng = [ 1370 , 2979 ] ; t o p = [ 185 , 247 ]
; acc = [ 6 . 6 , 1 2 . 7 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 17
Medida de g e n e r a l i d a d e : 0 .35312838
Composio da C l a s s e : AudiA6 MercedesClasseC
D e s c r i o da c l a s s e :
( p r i c e = [ 55902 , 140265 ] ; eng = [ 1781 , 4172 ] ; t o p = [ 210 , 250
] ; acc = [ 5 . 2 , 11 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 18
Medida de g e n e r a l i d a d e : 0 .37939129
Composio da C l a s s e : Bmwserie7 MercedesSL
D e s c r i o da c l a s s e :
( p r i c e = [ 104892 , 276792 ] ; eng = [ 2793 , 5987 ] ; t o p = [ 228 , 250
] ; acc = [ 6 . 1 , 9 . 7 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 19
Medida de g e n e r a l i d a d e : 0 .40332659
Composio da C l a s s e : AudiA8 Bmwserie5 AudiA6 MercedesClasseC
D e s c r i o da c l a s s e :
( p r i c e = [ 55902 , 198792 ] ; eng = [ 1781 , 4398 ] ; t o p = [ 210 , 250
] ; acc = [ 5 . 2 , 11 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 20
Medida de g e n e r a l i d a d e : 0 .40429472
Composio da C l a s s e : F e r r a r i HondaNSK P o r s c h e
D e s c r i o da c l a s s e :
( p r i c e = [ 147704 , 391692 ] ; eng = [ 2977 , 5474 ] ; t o p = [ 260 , 305
] ; acc = [ 4 . 2 , 6 . 5 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 21
Medida de g e n e r a l i d a d e : 0 .48661298
Composio da C l a s s e : MercedesClas seS Bmwserie7 MercedesSL
D e s c r i o da c l a s s e :
( p r i c e = [ 104892 , 394342 ] ; eng = [ 2793 , 5987 ] ; t o p = [ 210 , 250
] ; acc = [ 6 . 1 , 9 . 7 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 22
Medida de g e n e r a l i d a d e : 0 .50633595
Composio da C l a s s e : Corsa Rover25 SkodaFab ia Punto Ni s sanMic ra Al fa145
P a s s a t Rover75 V e c t r a Focus SkodaOc tav ia Bmwserie3 AudiA3 Alfa156 Alfa166
LanciaK
D e s c r i o da c l a s s e :
82
( p r i c e = [ 18492 , 88760 ] ; eng = [ 973 , 2979 ] ; t o p = [ 150 , 247 ]
; acc = [ 6 . 6 , 17 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 23
Medida de g e n e r a l i d a d e : 0 .55777675
Composio da C l a s s e : MercedesClasseE MercedesClas seS Bmwserie7 MercedesSL
D e s c r i o da c l a s s e :
( p r i c e = [ 69243 , 394342 ] ; eng = [ 1998 , 5987 ] ; t o p = [ 210 , 250
] ; acc = [ 5 . 7 , 9 . 7 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 24
Medida de g e n e r a l i d a d e : 0 .61262659
Composio da C l a s s e : AudiA8 Bmwserie5 AudiA6 MercedesClasseC MercedesClasseE
MercedesClas seS Bmwserie7 MercedesSL
D e s c r i o da c l a s s e :
( p r i c e = [ 55902 , 394342 ] ; eng = [ 1781 , 5987 ] ; t o p = [ 210 , 250
] ; acc = [ 5 . 2 , 11 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 25
Medida de g e n e r a l i d a d e : 0 .72086751
Composio da C l a s s e : F e r r a r i HondaNSK P o r s c h e AudiA8 Bmwserie5 AudiA6
MercedesClasseC MercedesClasseE MercedesClas seS Bmwserie7 MercedesSL
D e s c r i o da c l a s s e :
( p r i c e = [ 55902 , 394342 ] ; eng = [ 1781 , 5987 ] ; t o p = [ 210 , 305
] ; acc = [ 4 . 2 , 11 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 26
Medida de g e n e r a l i d a d e : 1
Composio da C l a s s e : Corsa Rover25 SkodaFab ia Punto Ni s sanMic ra Al fa145
P a s s a t Rover75 V e c t r a Focus SkodaOc tav ia Bmwserie3 AudiA3 Alfa156 Alfa166
LanciaK F e r r a r i HondaNSK P o r s c h e AudiA8 Bmwserie5 AudiA6 MercedesClasseC
MercedesClasseE MercedesClas seS Bmwserie7 MercedesSL
D e s c r i o da c l a s s e :
( p r i c e = [ 18492 , 394342 ] ; eng = [ 973 , 5987 ] ; t o p = [ 150 , 305 ]
; acc = [ 4 . 2 , 17 ] )
83
Apendice C
Objetos Dados Emprego
Os grupos (objetos) que constituem a base de dados:
Masculino/≥ 65/Nenhum
Feminino/45 - 64/Secundario
Feminino/35 - 44/Basico3
Feminino/15 - 24/Basico3
Feminino/≥ 65/Basico1
Masculino/45 - 64/Basico1
Feminino/45 - 64/Basico1
Masculino/25 - 34/Basico3
Masculino/≥ 65/Basico1
Masculino/45 - 64/Basico3
Feminino/15 - 24/Secundario
Feminino/25 - 34/Secundario
Masculino/15 - 24/Secundario
Masculino/25 - 34/Basico2
Feminino/35 - 44/Basico2
Feminino/< 15/Basico1
Feminino/< 15/Nenhum
Feminino/45 - 64/Basico3
Feminino/35 - 44/Licenciatura
Masculino/25 - 34/Licenciatura
84
Feminino/45 - 64/Basico2
Masculino/35 - 44/Basico2
Feminino/35 - 44/Secundario
Feminino/< 15/Basico2
Masculino/35 - 44/Basico3
Masculino/< 15/Basico2
Masculino/35 - 44/Bacharelato
Feminino/25 - 34/Licenciatura
Feminino/≥ 65/Nenhum
Feminino/45 - 64/Nenhum
Masculino/15 - 24/Basico3
Feminino/25 - 34/Basico3
Feminino/< 15/
Feminino/45 - 64/Bacharelato
Masculino/< 15/Nenhum
Feminino/25 - 34/Basico2
Masculino/45 - 64/Basico2
Masculino/35 - 44/Basico1
Masculino/35 - 44/Nenhum
Feminino/25 - 34/Bacharelato
Masculino/45 - 64/Nenhum
Feminino/25 - 34/Nenhum
Masculino/25 - 34/Secundario
Masculino/25 - 34/Nenhum
Masculino/< 15/
Masculino/45 - 64/Secundario
Masculino/35 - 44/Mestrado
Feminino/≥ 65/Bacharelato
Feminino/35 - 44/Basico1
Masculino/< 15/Basico1
Feminino/15 - 24/Licenciatura
85
Masculino/45 - 64/Licenciatura
Feminino/35 - 44/Bacharelato
Masculino/35 - 44/Secundario
Feminino/35 - 44/Pos-Graduacao
Masculino/15 - 24/Basico2
Feminino/≥ 65/Basico2
Masculino/25 - 34/Basico1
Feminino/≥ 65/Basico3
Feminino/45 - 64/Licenciatura
Masculino/25 - 34/Bacharelato
Masculino/≥ 65/Basico3
Feminino/35 - 44/Nenhum
Masculino/15 - 24/Basico1
Masculino/45 - 64/Pos-Graduacao
Feminino/45 - 64/Pos-Graduacao
Masculino/45 - 64/Bacharelato
Feminino/15 - 24/Basico2
Masculino/≥ 65/Secundario
Masculino/≥ 65/Licenciatura
Masculino/35 - 44/Doutoramento
Feminino/15 - 24/Pos-Secundario
Masculino/≥ 65/Basico2
Feminino/45 - 64/Doutoramento
Masculino/45 - 64/Mestrado
Masculino/15 - 24/Licenciatura
Masculino/35 - 44/Licenciatura
Feminino/35 - 44/Pos-Secundario
Feminino/25 - 34/Pos-Graduacao
Masculino/25 - 34/Mestrado
Feminino/45 - 64/Mestrado
Masculino/35 - 44/Pos-Secundario
86
Feminino/≥ 65/Licenciatura
Masculino/15 - 24/Nenhum
Feminino/25 - 34/Basico1
Feminino/≥ 65/Secundario
Masculino/≥ 65/Bacharelato
Feminino/≥ 65/Pos-Graduacao
Masculino/25 - 34/Pos-Secundario
Masculino/15 - 24/Bacharelato
Masculino/45 - 64/Pos-Secundario
Feminino/35 - 44/Mestrado
Masculino/25 - 34/Pos-Graduacao
Feminino/45 - 64/Pos-Secundario
Feminino/25 - 34/Pos-Secundario
Feminino/15 - 24/Bacharelato
Feminino/15 - 24/Basico1
Masculino/15 - 24/Pos-Secundario
Feminino/25 - 34/Mestrado
Masculino/45 - 64/Doutoramento
Feminino/35 - 44/Doutoramento
Feminino/≥ 65/Pos-Secundario
Feminino/25 - 34/Doutoramento
Masculino/≥ 65/Pos-Secundario
Masculino/≥ 65/Mestrado
Masculino/35 - 44/Pos-Graduacao
Feminino/15 - 24/Nenhum
Masculino/25 - 34/Doutoramento
Feminino/15 - 24/Mestrado
87
Apendice D
Relatorio Metodo implementado -
Dados Emprego
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
R e l a t o r i o de a p l i c a c a o do Metodo B r i t o e P o l a i l l o n
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Conjun to de dados : e m p r e g o n o r t e . c sv
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
T ab e l a com os P a r a m e t r o s p a r a e s t e c o n j u n t o de dados
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
”nome” ” t i p o ” ” n u m c a t e g o r i a s ” ” c o n j . chegada min ” ” c o n j . chegada max ”
” N a c i o n a l i d a d e ” ” modal ” 2 0 1 1
” Razao ” ” modal ” 13 0 1 1
” Emprego ” ” modal ” 10 0 1 1
” Ul t imo ” ” modal ” 10 0 1 1
” S i t u a c a o ” ” modal ” 3 0 1 1
” Desemprego ” ”num” 1 0 776 776
” A c t i v i d a d e ” ”num” 1 0 89 89
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 1
Medida de g e n e r a l i d a d e : 0
C l a s s e formada p e l a u n i a o de : o b j e t o F/<15/ Bas i co1 e o b j e t o M/<15/ Bas i co1
Composicao da C l a s s e : F /<15/ Bas i co1 M/<15/ Bas i co1
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ NA , NA ] ; Razao 2 = [ NA , NA ] ; Razao 3 = [ NA , NA ]
; Razao 4 = [ NA , NA ] ; Razao 5 = [ NA , NA ] ; Razao 6 = [ NA , NA
] ; Razao 7 = [ NA , NA ] ; Razao 8 = [ NA , NA ] ; Razao 9 = [ NA ,
NA ] ; Razao 10 = [ NA , NA ] ; Razao 11 = [ NA , NA ] ; Razao 12 = [
88
NA , NA ] ; Razao 13 = [ NA , NA ] } ; { Emprego 1 = [ NA , NA ] ;
Emprego 2 = [ NA , NA ] ; Emprego 3 = [ NA , NA ] ; Emprego 4 = [ NA ,
NA ] ; Emprego 5 = [ NA , NA ] ; Emprego 6 = [ NA , NA ] ; Emprego 7 =
[ NA , NA ] ; Emprego 8 = [ NA , NA ] ; Emprego 9 = [ NA , NA ] ;
Emprego 10 = [ NA , NA ] } ; { Ult imo 1 = [ NA , NA ] ; Ul t imo 2 =
[ NA , NA ] ; Ul t imo 3 = [ NA , NA ] ; Ul t imo 4 = [ NA , NA ] ; Ul t imo
5 = [ NA , NA ] ; Ul t imo 6 = [ NA , NA ] ; Ul t imo 7 = [ NA , NA ] ;
Ul t imo 8 = [ NA , NA ] ; Ul t imo 9 = [ NA , NA ] ; Ul t imo 10 = [ NA ,
NA ] } ; { S i t u a c a o 1 = [ 1 , 1 ] ; S i t u a c a o 2 = [ 0 , 0 ] ;
S i t u a c a o 3 = [ 0 , 0 ] } ; Desemprego = [ NA , NA ] ; A c t i v i d a d e = [
NA , NA ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 2
Medida de g e n e r a l i d a d e : 0
C l a s s e formada p e l a u n i a o de : o b j e t o M/45−64/ Pos−Graduacao e o b j e t o M/35−44/
Doutoramento
Composicao da C l a s s e : M/45−64/ Pos−Graduacao M/35−44/ Doutoramento
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ NA , NA ] ; Razao 2 = [ NA , NA ] ; Razao 3 = [ NA , NA ]
; Razao 4 = [ NA , NA ] ; Razao 5 = [ NA , NA ] ; Razao 6 = [ NA , NA
] ; Razao 7 = [ NA , NA ] ; Razao 8 = [ NA , NA ] ; Razao 9 = [ NA ,
NA ] ; Razao 10 = [ NA , NA ] ; Razao 11 = [ NA , NA ] ; Razao 12 = [
NA , NA ] ; Razao 13 = [ NA , NA ] } ; { Emprego 1 = [ 0 , 0 ] ;
Emprego 2 = [ 0 , 0 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 , 0 ]
; Emprego 5 = [ 0 , 0 ] ; Emprego 6 = [ 1 , 1 ] ; Emprego 7 = [ 0 , 0
] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0 , 0 ] ; Emprego 10 = [ 0 ,
0 ] } ; { Ult imo 1 = [ NA , NA ] ; Ul t imo 2 = [ NA , NA ] ; Ul t imo
3 = [ NA , NA ] ; Ul t imo 4 = [ NA , NA ] ; Ul t imo 5 = [ NA , NA ] ;
Ul t imo 6 = [ NA , NA ] ; Ul t imo 7 = [ NA , NA ] ; Ul t imo 8 = [ NA , NA
] ; Ul t imo 9 = [ NA , NA ] ; Ul t imo 10 = [ NA , NA ] } ; { S i t u a c a o
1 = [ 0 , 0 ] ; S i t u a c a o 2 = [ 1 , 1 ] ; S i t u a c a o 3 = [ 0 , 0 ] } ;
Desemprego = [ NA , NA ] ; A c t i v i d a d e = [ NA , NA ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 3
Medida de g e n e r a l i d a d e : 0
C l a s s e formada p e l a u n i a o de : o b j e t o F/15−24/ Pos−S e c u n d a r i o e o b j e t o F/15−24/
Mes t rado
Composicao da C l a s s e : F /15−24/ Pos−S e c u n d a r i o F/15−24/ Mes t rado
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 1 , 1 ] ; Razao 3 = [ 0 , 0 ] ;
Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ; Razao 6 = [ 0 , 0 ] ;
Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [ 0 , 0 ] ;
Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12 = [ 0 , 0 ] ;
Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ NA , NA ] ; Emprego 2 = [
NA , NA ] ; Emprego 3 = [ NA , NA ] ; Emprego 4 = [ NA , NA ] ; Emprego
89
5 = [ NA , NA ] ; Emprego 6 = [ NA , NA ] ; Emprego 7 = [ NA , NA ] ;
Emprego 8 = [ NA , NA ] ; Emprego 9 = [ NA , NA ] ; Emprego 10 = [ NA
, NA ] } ; { Ult imo 1 = [ 1 , 1 ] ; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3
= [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 0 ] ; Ul t imo 5 = [ 0 , 0 ] ; Ul t imo 6
= [ 0 , 0 ] ; Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 = [ 0 , 0 ] ; Ul t imo 9
= [ 0 , 0 ] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 , 0 ] ;
S i t u a c a o 2 = [ 0 , 0 ] ; S i t u a c a o 3 = [ 1 , 1 ] } ; Desemprego = [ 2
, 2 ] ; A c t i v i d a d e = [ 0 , 0 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 4
Medida de g e n e r a l i d a d e : 0
C l a s s e formada p e l a u n i a o de : o b j e t o F/25−34/ Pos−Graduacao e o b j e t o F/35−44/
Mes t rado
Composicao da C l a s s e : F /25−34/ Pos−Graduacao F/35−44/ Mes t rado
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ NA , NA ] ; Razao 2 = [ NA , NA ] ; Razao 3 = [ NA , NA ]
; Razao 4 = [ NA , NA ] ; Razao 5 = [ NA , NA ] ; Razao 6 = [ NA , NA
] ; Razao 7 = [ NA , NA ] ; Razao 8 = [ NA , NA ] ; Razao 9 = [ NA ,
NA ] ; Razao 10 = [ NA , NA ] ; Razao 11 = [ NA , NA ] ; Razao 12 = [
NA , NA ] ; Razao 13 = [ NA , NA ] } ; { Emprego 1 = [ 0 , 0 ] ;
Emprego 2 = [ 0 , 0 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 , 0 ]
; Emprego 5 = [ 0 , 0 ] ; Emprego 6 = [ 1 , 1 ] ; Emprego 7 = [ 0 , 0
] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0 , 0 ] ; Emprego 10 = [ 0 ,
0 ] } ; { Ult imo 1 = [ NA , NA ] ; Ul t imo 2 = [ NA , NA ] ; Ul t imo
3 = [ NA , NA ] ; Ul t imo 4 = [ NA , NA ] ; Ul t imo 5 = [ NA , NA ] ;
Ul t imo 6 = [ NA , NA ] ; Ul t imo 7 = [ NA , NA ] ; Ul t imo 8 = [ NA , NA
] ; Ul t imo 9 = [ NA , NA ] ; Ul t imo 10 = [ NA , NA ] } ; { S i t u a c a o
1 = [ 0 , 0 ] ; S i t u a c a o 2 = [ 1 , 1 ] ; S i t u a c a o 3 = [ 0 , 0 ] } ;
Desemprego = [ NA , NA ] ; A c t i v i d a d e = [ NA , NA ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 5
Medida de g e n e r a l i d a d e : 0
C l a s s e formada p e l a u n i a o de : o b j e t o M/15−24/Nenhum e o b j e t o F/15−24/
B a c h a r e l a t o
Composicao da C l a s s e : M/15−24/Nenhum F/15−24/ B a c h a r e l a t o
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 1 , 1 ] ; Razao 3 = [ 0 , 0 ] ;
Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ; Razao 6 = [ 0 , 0 ] ;
Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [ 0 , 0 ] ;
Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12 = [ 0 , 0 ] ;
Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ NA , NA ] ; Emprego 2 = [
NA , NA ] ; Emprego 3 = [ NA , NA ] ; Emprego 4 = [ NA , NA ] ; Emprego
5 = [ NA , NA ] ; Emprego 6 = [ NA , NA ] ; Emprego 7 = [ NA , NA ] ;
Emprego 8 = [ NA , NA ] ; Emprego 9 = [ NA , NA ] ; Emprego 10 = [ NA
, NA ] } ; { Ult imo 1 = [ 0 , 0 ] ; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3
90
= [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 0 ] ; Ul t imo 5 = [ 0 , 0 ] ; Ul t imo 6
= [ 0 , 0 ] ; Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 = [ 1 , 1 ] ; Ul t imo 9
= [ 0 , 0 ] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 1 , 1 ] ;
S i t u a c a o 2 = [ 0 , 0 ] ; S i t u a c a o 3 = [ 0 , 0 ] } ; Desemprego = [
20 , 20 ] ; A c t i v i d a d e = [ 4 , 4 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 6
Medida de g e n e r a l i d a d e : 0
C l a s s e formada p e l a u n i a o de : o b j e t o M/15−24/ B a c h a r e l a t o e o b j e t o M/25−34/
Doutoramento
Composicao da C l a s s e : M/15−24/ B a c h a r e l a t o M/25−34/ Doutoramento
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ NA , NA ] ; Razao 2 = [ NA , NA ] ; Razao 3 = [ NA , NA ]
; Razao 4 = [ NA , NA ] ; Razao 5 = [ NA , NA ] ; Razao 6 = [ NA , NA
] ; Razao 7 = [ NA , NA ] ; Razao 8 = [ NA , NA ] ; Razao 9 = [ NA ,
NA ] ; Razao 10 = [ NA , NA ] ; Razao 11 = [ NA , NA ] ; Razao 12 = [
NA , NA ] ; Razao 13 = [ NA , NA ] } ; { Emprego 1 = [ 0 , 0 ] ;
Emprego 2 = [ 1 , 1 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 , 0 ]
; Emprego 5 = [ 0 , 0 ] ; Emprego 6 = [ 0 , 0 ] ; Emprego 7 = [ 0 , 0
] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0 , 0 ] ; Emprego 10 = [ 0 ,
0 ] } ; { Ult imo 1 = [ NA , NA ] ; Ul t imo 2 = [ NA , NA ] ; Ul t imo
3 = [ NA , NA ] ; Ul t imo 4 = [ NA , NA ] ; Ul t imo 5 = [ NA , NA ] ;
Ul t imo 6 = [ NA , NA ] ; Ul t imo 7 = [ NA , NA ] ; Ul t imo 8 = [ NA , NA
] ; Ul t imo 9 = [ NA , NA ] ; Ul t imo 10 = [ NA , NA ] } ; { S i t u a c a o
1 = [ 0 , 0 ] ; S i t u a c a o 2 = [ 1 , 1 ] ; S i t u a c a o 3 = [ 0 , 0 ] } ;
Desemprego = [ NA , NA ] ; A c t i v i d a d e = [ NA , NA ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 7
Medida de g e n e r a l i d a d e : 0
C l a s s e formada p e l a u n i a o de : o b j e t o F/35−44/ Doutoramento e o b j e t o M/35−44/
Pos−Graduacao
Composicao da C l a s s e : F /35−44/ Doutoramento M/35−44/ Pos−Graduacao
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ NA , NA ] ; Razao 2 = [ NA , NA ] ; Razao 3 = [ NA , NA ]
; Razao 4 = [ NA , NA ] ; Razao 5 = [ NA , NA ] ; Razao 6 = [ NA , NA
] ; Razao 7 = [ NA , NA ] ; Razao 8 = [ NA , NA ] ; Razao 9 = [ NA ,
NA ] ; Razao 10 = [ NA , NA ] ; Razao 11 = [ NA , NA ] ; Razao 12 = [
NA , NA ] ; Razao 13 = [ NA , NA ] } ; { Emprego 1 = [ 0 , 0 ] ;
Emprego 2 = [ 0 . 5 , 0 . 5 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 ,
0 ] ; Emprego 5 = [ 0 , 0 ] ; Emprego 6 = [ 0 . 5 , 0 . 5 ] ; Emprego 7 =
[ 0 , 0 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0 , 0 ] ; Emprego 10
= [ 0 , 0 ] } ; { Ult imo 1 = [ NA , NA ] ; Ul t imo 2 = [ NA , NA ] ;
Ul t imo 3 = [ NA , NA ] ; Ul t imo 4 = [ NA , NA ] ; Ul t imo 5 = [ NA ,
NA ] ; Ul t imo 6 = [ NA , NA ] ; Ul t imo 7 = [ NA , NA ] ; Ul t imo 8 = [
NA , NA ] ; Ul t imo 9 = [ NA , NA ] ; Ul t imo 10 = [ NA , NA ] } ; {
91
S i t u a c a o 1 = [ 0 , 0 ] ; S i t u a c a o 2 = [ 1 , 1 ] ; S i t u a c a o 3 = [ 0 , 0
] } ; Desemprego = [ NA , NA ] ; A c t i v i d a d e = [ NA , NA ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 8
Medida de g e n e r a l i d a d e : 0
C l a s s e formada p e l a u n i a o de : o b j e t o M/>=65/ Mes t rado e c l a s s e C 2
Composicao da C l a s s e : M/>=65/ Mes t rado M/45−64/ Pos−Graduacao M/35−44/
Doutoramento
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ NA , NA ] ; Razao 2 = [ NA , NA ] ; Razao 3 = [ NA , NA ]
; Razao 4 = [ NA , NA ] ; Razao 5 = [ NA , NA ] ; Razao 6 = [ NA , NA
] ; Razao 7 = [ NA , NA ] ; Razao 8 = [ NA , NA ] ; Razao 9 = [ NA ,
NA ] ; Razao 10 = [ NA , NA ] ; Razao 11 = [ NA , NA ] ; Razao 12 = [
NA , NA ] ; Razao 13 = [ NA , NA ] } ; { Emprego 1 = [ 0 , 0 ] ;
Emprego 2 = [ 0 , 0 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 , 0 ]
; Emprego 5 = [ 0 , 0 ] ; Emprego 6 = [ 1 , 1 ] ; Emprego 7 = [ 0 , 0
] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0 , 0 ] ; Emprego 10 = [ 0 ,
0 ] } ; { Ult imo 1 = [ NA , NA ] ; Ul t imo 2 = [ NA , NA ] ; Ul t imo
3 = [ NA , NA ] ; Ul t imo 4 = [ NA , NA ] ; Ul t imo 5 = [ NA , NA ] ;
Ul t imo 6 = [ NA , NA ] ; Ul t imo 7 = [ NA , NA ] ; Ul t imo 8 = [ NA , NA
] ; Ul t imo 9 = [ NA , NA ] ; Ul t imo 10 = [ NA , NA ] } ; { S i t u a c a o
1 = [ 0 , 0 ] ; S i t u a c a o 2 = [ 1 , 1 ] ; S i t u a c a o 3 = [ 0 , 0 ] } ;
Desemprego = [ NA , NA ] ; A c t i v i d a d e = [ NA , NA ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 9
Medida de g e n e r a l i d a d e : 0
C l a s s e formada p e l a u n i a o de : o b j e t o F/15−24/Nenhum e c l a s s e C 1
Composicao da C l a s s e : F /15−24/Nenhum F/<15/ Bas i co1 M/<15/ Bas i co1
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 ] ; Razao 3 = [ 1 , 1 ] ;
Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ; Razao 6 = [ 0 , 0 ] ;
Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [ 0 , 0 ] ;
Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12 = [ 0 , 0 ] ;
Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ NA , NA ] ; Emprego 2 = [
NA , NA ] ; Emprego 3 = [ NA , NA ] ; Emprego 4 = [ NA , NA ] ; Emprego
5 = [ NA , NA ] ; Emprego 6 = [ NA , NA ] ; Emprego 7 = [ NA , NA ] ;
Emprego 8 = [ NA , NA ] ; Emprego 9 = [ NA , NA ] ; Emprego 10 = [ NA
, NA ] } ; { Ult imo 1 = [ 0 , 0 ] ; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3
= [ 0 , 0 ] ; Ul t imo 4 = [ 1 , 1 ] ; Ul t imo 5 = [ 0 , 0 ] ; Ul t imo 6
= [ 0 , 0 ] ; Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 = [ 0 , 0 ] ; Ul t imo 9
= [ 0 , 0 ] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 1 , 1 ] ;
S i t u a c a o 2 = [ 0 , 0 ] ; S i t u a c a o 3 = [ 0 , 0 ] } ; Desemprego = [ 4
, 4 ] ; A c t i v i d a d e = [ 4 , 4 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 10
92
Medida de g e n e r a l i d a d e : 0
C l a s s e formada p e l a u n i a o de : c l a s s e C 4 e c l a s s e C 8
Composicao da C l a s s e : F /25−34/ Pos−Graduacao F/35−44/ Mes t rado M/>=65/ Mes t rado
M/45−64/ Pos−Graduacao M/35−44/ Doutoramento
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ NA , NA ] ; Razao 2 = [ NA , NA ] ; Razao 3 = [ NA , NA ]
; Razao 4 = [ NA , NA ] ; Razao 5 = [ NA , NA ] ; Razao 6 = [ NA , NA
] ; Razao 7 = [ NA , NA ] ; Razao 8 = [ NA , NA ] ; Razao 9 = [ NA ,
NA ] ; Razao 10 = [ NA , NA ] ; Razao 11 = [ NA , NA ] ; Razao 12 = [
NA , NA ] ; Razao 13 = [ NA , NA ] } ; { Emprego 1 = [ 0 , 0 ] ;
Emprego 2 = [ 0 , 0 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 , 0 ]
; Emprego 5 = [ 0 , 0 ] ; Emprego 6 = [ 1 , 1 ] ; Emprego 7 = [ 0 , 0
] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0 , 0 ] ; Emprego 10 = [ 0 ,
0 ] } ; { Ult imo 1 = [ NA , NA ] ; Ul t imo 2 = [ NA , NA ] ; Ul t imo
3 = [ NA , NA ] ; Ul t imo 4 = [ NA , NA ] ; Ul t imo 5 = [ NA , NA ] ;
Ul t imo 6 = [ NA , NA ] ; Ul t imo 7 = [ NA , NA ] ; Ul t imo 8 = [ NA , NA
] ; Ul t imo 9 = [ NA , NA ] ; Ul t imo 10 = [ NA , NA ] } ; { S i t u a c a o
1 = [ 0 , 0 ] ; S i t u a c a o 2 = [ 1 , 1 ] ; S i t u a c a o 3 = [ 0 , 0 ] } ;
Desemprego = [ NA , NA ] ; A c t i v i d a d e = [ NA , NA ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 11
Medida de g e n e r a l i d a d e : 0 .000784025
C l a s s e formada p e l a u n i a o de : o b j e t o F/<15/Nenhum e o b j e t o M/<15/
Composicao da C l a s s e : F /<15/Nenhum M/<15/
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .993056 , 0 .994624 ] ; N a c i o n a l i d a d e 2 = [
0 .00537634 , 0 .00694444 ] } ; { Razao 1 = [ NA , NA ] ; Razao 2 = [
NA , NA ] ; Razao 3 = [ NA , NA ] ; Razao 4 = [ NA , NA ] ; Razao 5 =
[ NA , NA ] ; Razao 6 = [ NA , NA ] ; Razao 7 = [ NA , NA ] ; Razao 8 =
[ NA , NA ] ; Razao 9 = [ NA , NA ] ; Razao 10 = [ NA , NA ] ; Razao
11 = [ NA , NA ] ; Razao 12 = [ NA , NA ] ; Razao 13 = [ NA , NA ] }
; { Emprego 1 = [ NA , NA ] ; Emprego 2 = [ NA , NA ] ; Emprego 3 =
[ NA , NA ] ; Emprego 4 = [ NA , NA ] ; Emprego 5 = [ NA , NA ] ;
Emprego 6 = [ NA , NA ] ; Emprego 7 = [ NA , NA ] ; Emprego 8 = [ NA ,
NA ] ; Emprego 9 = [ NA , NA ] ; Emprego 10 = [ NA , NA ] } ; {
Ult imo 1 = [ NA , NA ] ; Ul t imo 2 = [ NA , NA ] ; Ul t imo 3 = [ NA , NA
] ; Ul t imo 4 = [ NA , NA ] ; Ul t imo 5 = [ NA , NA ] ; Ul t imo 6 = [ NA
, NA ] ; Ul t imo 7 = [ NA , NA ] ; Ul t imo 8 = [ NA , NA ] ; Ul t imo 9 =
[ NA , NA ] ; Ul t imo 10 = [ NA , NA ] } ; { S i t u a c a o 1 = [ 1 , 1 ]
; S i t u a c a o 2 = [ 0 , 0 ] ; S i t u a c a o 3 = [ 0 , 0 ] } ; Desemprego = [
NA , NA ] ; A c t i v i d a d e = [ NA , NA ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 12
Medida de g e n e r a l i d a d e : 0 .00115737
C l a s s e formada p e l a u n i a o de : c l a s s e C 5 e c l a s s e C 11
Composicao da C l a s s e : M/15−24/Nenhum F/15−24/ B a c h a r e l a t o F/<15/Nenhum M/<15/
93
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .993056 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .00694444 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 1 , 1 ] ; Razao
3 = [ 0 , 0 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ; Razao 6
= [ 0 , 0 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [
0 , 0 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12 = [
0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ NA , NA ] ;
Emprego 2 = [ NA , NA ] ; Emprego 3 = [ NA , NA ] ; Emprego 4 = [ NA ,
NA ] ; Emprego 5 = [ NA , NA ] ; Emprego 6 = [ NA , NA ] ; Emprego 7 =
[ NA , NA ] ; Emprego 8 = [ NA , NA ] ; Emprego 9 = [ NA , NA ] ;
Emprego 10 = [ NA , NA ] } ; { Ult imo 1 = [ 0 , 0 ] ; Ul t imo 2 = [
0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 0 ] ; Ul t imo 5 = [
0 , 0 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 = [ 1
, 1 ] ; Ul t imo 9 = [ 0 , 0 ] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o
1 = [ 1 , 1 ] ; S i t u a c a o 2 = [ 0 , 0 ] ; S i t u a c a o 3 = [ 0 , 0 ] } ;
Desemprego = [ 20 , 20 ] ; A c t i v i d a d e = [ 4 , 4 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 13
Medida de g e n e r a l i d a d e : 0 .001993025
C l a s s e formada p e l a u n i a o de : o b j e t o M/<15/ Bas i co2 e o b j e t o M/<15/Nenhum
Composicao da C l a s s e : M/<15/ Bas i co2 M/<15/Nenhum
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .983819 , 0 .987805 ] ; N a c i o n a l i d a d e 2 = [
0 .0121951 , 0 .0161812 ] } ; { Razao 1 = [ NA , NA ] ; Razao 2 = [ NA
, NA ] ; Razao 3 = [ NA , NA ] ; Razao 4 = [ NA , NA ] ; Razao 5 = [
NA , NA ] ; Razao 6 = [ NA , NA ] ; Razao 7 = [ NA , NA ] ; Razao 8 =
[ NA , NA ] ; Razao 9 = [ NA , NA ] ; Razao 10 = [ NA , NA ] ; Razao 11
= [ NA , NA ] ; Razao 12 = [ NA , NA ] ; Razao 13 = [ NA , NA ] } ;
{ Emprego 1 = [ NA , NA ] ; Emprego 2 = [ NA , NA ] ; Emprego 3 = [
NA , NA ] ; Emprego 4 = [ NA , NA ] ; Emprego 5 = [ NA , NA ] ; Emprego
6 = [ NA , NA ] ; Emprego 7 = [ NA , NA ] ; Emprego 8 = [ NA , NA ] ;
Emprego 9 = [ NA , NA ] ; Emprego 10 = [ NA , NA ] } ; { Ult imo 1 =
[ NA , NA ] ; Ul t imo 2 = [ NA , NA ] ; Ul t imo 3 = [ NA , NA ] ; Ul t imo
4 = [ NA , NA ] ; Ul t imo 5 = [ NA , NA ] ; Ul t imo 6 = [ NA , NA ] ;
Ul t imo 7 = [ NA , NA ] ; Ul t imo 8 = [ NA , NA ] ; Ul t imo 9 = [ NA , NA
] ; Ul t imo 10 = [ NA , NA ] } ; { S i t u a c a o 1 = [ 1 , 1 ] ; S i t u a c a o
2 = [ 0 , 0 ] ; S i t u a c a o 3 = [ 0 , 0 ] } ; Desemprego = [ NA , NA ]
; A c t i v i d a d e = [ NA , NA ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 14
Medida de g e n e r a l i d a d e : 0 .00269685
C l a s s e formada p e l a u n i a o de : c l a s s e C 9 e c l a s s e C 13
Composicao da C l a s s e : F /15−24/Nenhum F/<15/ Bas i co1 M/<15/ Bas i co1 M/<15/
Bas i co2 M/<15/Nenhum
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .983819 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0161812 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 ] ; Razao
94
3 = [ 1 , 1 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ; Razao 6 =
[ 0 , 0 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [
0 , 0 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12 = [ 0
, 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ NA , NA ] ;
Emprego 2 = [ NA , NA ] ; Emprego 3 = [ NA , NA ] ; Emprego 4 = [ NA ,
NA ] ; Emprego 5 = [ NA , NA ] ; Emprego 6 = [ NA , NA ] ; Emprego 7 =
[ NA , NA ] ; Emprego 8 = [ NA , NA ] ; Emprego 9 = [ NA , NA ] ;
Emprego 10 = [ NA , NA ] } ; { Ult imo 1 = [ 0 , 0 ] ; Ul t imo 2 = [
0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 1 , 1 ] ; Ul t imo 5 = [
0 , 0 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 = [ 0
, 0 ] ; Ul t imo 9 = [ 0 , 0 ] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o
1 = [ 1 , 1 ] ; S i t u a c a o 2 = [ 0 , 0 ] ; S i t u a c a o 3 = [ 0 , 0 ] } ;
Desemprego = [ 4 , 4 ] ; A c t i v i d a d e = [ 4 , 4 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 15
Medida de g e n e r a l i d a d e : 0 .00279695
C l a s s e formada p e l a u n i a o de : o b j e t o F/<15/ Bas i co2 e o b j e t o F/<15/
Composicao da C l a s s e : F /<15/ Bas i co2 F/<15/
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .964286 , 0 .96988 ] ; N a c i o n a l i d a d e 2 = [
0 .0301205 , 0 .0357143 ] } ; { Razao 1 = [ NA , NA ] ; Razao 2 = [ NA
, NA ] ; Razao 3 = [ NA , NA ] ; Razao 4 = [ NA , NA ] ; Razao 5 = [
NA , NA ] ; Razao 6 = [ NA , NA ] ; Razao 7 = [ NA , NA ] ; Razao 8 =
[ NA , NA ] ; Razao 9 = [ NA , NA ] ; Razao 10 = [ NA , NA ] ; Razao 11
= [ NA , NA ] ; Razao 12 = [ NA , NA ] ; Razao 13 = [ NA , NA ] } ;
{ Emprego 1 = [ NA , NA ] ; Emprego 2 = [ NA , NA ] ; Emprego 3 = [
NA , NA ] ; Emprego 4 = [ NA , NA ] ; Emprego 5 = [ NA , NA ] ; Emprego
6 = [ NA , NA ] ; Emprego 7 = [ NA , NA ] ; Emprego 8 = [ NA , NA ] ;
Emprego 9 = [ NA , NA ] ; Emprego 10 = [ NA , NA ] } ; { Ult imo 1 =
[ NA , NA ] ; Ul t imo 2 = [ NA , NA ] ; Ul t imo 3 = [ NA , NA ] ; Ul t imo
4 = [ NA , NA ] ; Ul t imo 5 = [ NA , NA ] ; Ul t imo 6 = [ NA , NA ] ;
Ul t imo 7 = [ NA , NA ] ; Ul t imo 8 = [ NA , NA ] ; Ul t imo 9 = [ NA , NA
] ; Ul t imo 10 = [ NA , NA ] } ; { S i t u a c a o 1 = [ 1 , 1 ] ; S i t u a c a o
2 = [ 0 , 0 ] ; S i t u a c a o 3 = [ 0 , 0 ] } ; Desemprego = [ NA , NA ]
; A c t i v i d a d e = [ NA , NA ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 16
Medida de g e n e r a l i d a d e : 0 .0059523583
C l a s s e formada p e l a u n i a o de : c l a s s e C 12 e c l a s s e C 15
Composicao da C l a s s e : M/15−24/Nenhum F/15−24/ B a c h a r e l a t o F/<15/Nenhum M/<15/
F/<15/ Bas i co2 F/<15/
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .964286 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0357143 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 1 , 1 ] ; Razao
3 = [ 0 , 0 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ; Razao 6 =
[ 0 , 0 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [
0 , 0 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12 = [ 0
95
, 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ NA , NA ] ;
Emprego 2 = [ NA , NA ] ; Emprego 3 = [ NA , NA ] ; Emprego 4 = [ NA ,
NA ] ; Emprego 5 = [ NA , NA ] ; Emprego 6 = [ NA , NA ] ; Emprego 7 =
[ NA , NA ] ; Emprego 8 = [ NA , NA ] ; Emprego 9 = [ NA , NA ] ;
Emprego 10 = [ NA , NA ] } ; { Ult imo 1 = [ 0 , 0 ] ; Ul t imo 2 = [
0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 0 ] ; Ul t imo 5 = [
0 , 0 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 = [ 1
, 1 ] ; Ul t imo 9 = [ 0 , 0 ] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o
1 = [ 1 , 1 ] ; S i t u a c a o 2 = [ 0 , 0 ] ; S i t u a c a o 3 = [ 0 , 0 ] } ;
Desemprego = [ 20 , 20 ] ; A c t i v i d a d e = [ 4 , 4 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 17
Medida de g e n e r a l i d a d e : 0 .0079364667
C l a s s e formada p e l a u n i a o de : o b j e t o M/45−64/ Mes t rado e o b j e t o M/25−34/ Pos−
Graduacao
Composicao da C l a s s e : M/45−64/ Mes t rado M/25−34/ Pos−Graduacao
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ NA , NA ] ; Razao 2 = [ NA , NA ] ; Razao 3 = [ NA , NA ]
; Razao 4 = [ NA , NA ] ; Razao 5 = [ NA , NA ] ; Razao 6 = [ NA , NA
] ; Razao 7 = [ NA , NA ] ; Razao 8 = [ NA , NA ] ; Razao 9 = [ NA ,
NA ] ; Razao 10 = [ NA , NA ] ; Razao 11 = [ NA , NA ] ; Razao 12 = [
NA , NA ] ; Razao 13 = [ NA , NA ] } ; { Emprego 1 = [ 0 .166667 ,
0 .285714 ] ; Emprego 2 = [ 0 , 0 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4
= [ 0 , 0 ] ; Emprego 5 = [ 0 , 0 ] ; Emprego 6 = [ 0 .714286 , 0 .833333
] ; Emprego 7 = [ 0 , 0 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0 ,
0 ] ; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 = [ NA , NA ] ; Ul t imo
2 = [ NA , NA ] ; Ul t imo 3 = [ NA , NA ] ; Ul t imo 4 = [ NA , NA ] ;
Ul t imo 5 = [ NA , NA ] ; Ul t imo 6 = [ NA , NA ] ; Ul t imo 7 = [ NA , NA
] ; Ul t imo 8 = [ NA , NA ] ; Ul t imo 9 = [ NA , NA ] ; Ul t imo 10 = [
NA , NA ] } ; { S i t u a c a o 1 = [ 0 , 0 ] ; S i t u a c a o 2 = [ 1 , 1 ] ;
S i t u a c a o 3 = [ 0 , 0 ] } ; Desemprego = [ NA , NA ] ; A c t i v i d a d e = [
NA , NA ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 18
Medida de g e n e r a l i d a d e : 0 .0083333333
C l a s s e formada p e l a u n i a o de : o b j e t o F/45−64/ Pos−Graduacao e o b j e t o F/45−64/
Mes t rado
Composicao da C l a s s e : F /45−64/ Pos−Graduacao F/45−64/ Mes t rado
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ NA , NA ] ; Razao 2 = [ NA , NA ] ; Razao 3 = [ NA , NA ]
; Razao 4 = [ NA , NA ] ; Razao 5 = [ NA , NA ] ; Razao 6 = [ NA , NA
] ; Razao 7 = [ NA , NA ] ; Razao 8 = [ NA , NA ] ; Razao 9 = [ NA ,
NA ] ; Razao 10 = [ NA , NA ] ; Razao 11 = [ NA , NA ] ; Razao 12 = [
NA , NA ] ; Razao 13 = [ NA , NA ] } ; { Emprego 1 = [ 0 , 0 .125 ] ;
Emprego 2 = [ 0 .125 , 0 .125 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [
96
0 , 0 ] ; Emprego 5 = [ 0 , 0 ] ; Emprego 6 = [ 0 . 7 5 , 0 .875 ] ;
Emprego 7 = [ 0 , 0 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0 , 0 ]
; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 = [ NA , NA ] ; Ul t imo 2 =
[ NA , NA ] ; Ul t imo 3 = [ NA , NA ] ; Ul t imo 4 = [ NA , NA ] ; Ul t imo
5 = [ NA , NA ] ; Ul t imo 6 = [ NA , NA ] ; Ul t imo 7 = [ NA , NA ] ;
Ul t imo 8 = [ NA , NA ] ; Ul t imo 9 = [ NA , NA ] ; Ul t imo 10 = [ NA ,
NA ] } ; { S i t u a c a o 1 = [ 0 , 0 ] ; S i t u a c a o 2 = [ 1 , 1 ] ;
S i t u a c a o 3 = [ 0 , 0 ] } ; Desemprego = [ NA , NA ] ; A c t i v i d a d e = [
NA , NA ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 19
Medida de g e n e r a l i d a d e : 0 .014013598
C l a s s e formada p e l a u n i a o de : o b j e t o F/35−44/ Pos−Graduacao e o b j e t o M/35−44/
L i c e n c i a t u r a
Composicao da C l a s s e : F /35−44/ Pos−Graduacao M/35−44/ L i c e n c i a t u r a
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .977778 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0222222 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 ] ; Razao
3 = [ 0 , 0 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ; Razao 6 =
[ 0 , 0 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [
1 , 1 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12 = [ 0
, 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 . 2 , 0 .285714 ] ;
Emprego 2 = [ 0 .142857 , 0 . 2 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 =
[ 0 , 0 .0238095 ] ; Emprego 5 = [ 0 , 0 .0238095 ] ; Emprego 6 = [ 0 . 5 ,
0 . 6 ] ; Emprego 7 = [ 0 , 0 .0238095 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego
9 = [ 0 , 0 ] ; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 = [ 0 , 0 ]
; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 0 ] ;
Ul t imo 5 = [ 0 , 0 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 = [ 0 , 0 ] ;
Ul t imo 8 = [ 1 , 1 ] ; Ul t imo 9 = [ 0 , 0 ] ; Ul t imo 10 = [ 0 , 0 ] }
; { S i t u a c a o 1 = [ 0 , 0 .0444444 ] ; S i t u a c a o 2 = [ 0 .933333 , 1 ] ;
S i t u a c a o 3 = [ 0 , 0 .0222222 ] } ; Desemprego = [ 45 , 45 ] ;
A c t i v i d a d e = [ 10 , 10 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 20
Medida de g e n e r a l i d a d e : 0 .016666667
C l a s s e formada p e l a u n i a o de : o b j e t o M/35−44/ Pos−S e c u n d a r i o e c l a s s e C 7
Composicao da C l a s s e : M/35−44/ Pos−S e c u n d a r i o F/35−44/ Doutoramento M/35−44/ Pos
−Graduacao
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ NA , NA ] ; Razao 2 = [ NA , NA ] ; Razao 3 = [ NA , NA ]
; Razao 4 = [ NA , NA ] ; Razao 5 = [ NA , NA ] ; Razao 6 = [ NA , NA
] ; Razao 7 = [ NA , NA ] ; Razao 8 = [ NA , NA ] ; Razao 9 = [ NA ,
NA ] ; Razao 10 = [ NA , NA ] ; Razao 11 = [ NA , NA ] ; Razao 12 = [
NA , NA ] ; Razao 13 = [ NA , NA ] } ; { Emprego 1 = [ 0 , 0 . 2 5 ] ;
Emprego 2 = [ 0 . 5 , 0 . 5 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 ,
0 ] ; Emprego 5 = [ 0 , 0 ] ; Emprego 6 = [ 0 . 2 5 , 0 . 5 ] ; Emprego 7 =
97
[ 0 , 0 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0 , 0 ] ; Emprego 10
= [ 0 , 0 ] } ; { Ult imo 1 = [ NA , NA ] ; Ul t imo 2 = [ NA , NA ]
; Ul t imo 3 = [ NA , NA ] ; Ul t imo 4 = [ NA , NA ] ; Ul t imo 5 = [ NA ,
NA ] ; Ul t imo 6 = [ NA , NA ] ; Ul t imo 7 = [ NA , NA ] ; Ul t imo 8 = [
NA , NA ] ; Ul t imo 9 = [ NA , NA ] ; Ul t imo 10 = [ NA , NA ] } ; {
S i t u a c a o 1 = [ 0 , 0 ] ; S i t u a c a o 2 = [ 1 , 1 ] ; S i t u a c a o 3 = [ 0 , 0
] } ; Desemprego = [ NA , NA ] ; A c t i v i d a d e = [ NA , NA ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 21
Medida de g e n e r a l i d a d e : 0 .016666667
C l a s s e formada p e l a u n i a o de : c l a s s e C 10 e c l a s s e C 18
Composicao da C l a s s e : F /25−34/ Pos−Graduacao F/35−44/ Mes t rado M/>=65/ Mes t rado
M/45−64/ Pos−Graduacao M/35−44/ Doutoramento F/45−64/ Pos−Graduacao F/45−64/
Mes t rado
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ NA , NA ] ; Razao 2 = [ NA , NA ] ; Razao 3 = [ NA , NA ]
; Razao 4 = [ NA , NA ] ; Razao 5 = [ NA , NA ] ; Razao 6 = [ NA , NA
] ; Razao 7 = [ NA , NA ] ; Razao 8 = [ NA , NA ] ; Razao 9 = [ NA ,
NA ] ; Razao 10 = [ NA , NA ] ; Razao 11 = [ NA , NA ] ; Razao 12 = [
NA , NA ] ; Razao 13 = [ NA , NA ] } ; { Emprego 1 = [ 0 , 0 .125 ] ;
Emprego 2 = [ 0 , 0 .125 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 ,
0 ] ; Emprego 5 = [ 0 , 0 ] ; Emprego 6 = [ 0 . 7 5 , 1 ] ; Emprego 7 =
[ 0 , 0 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0 , 0 ] ; Emprego 10
= [ 0 , 0 ] } ; { Ult imo 1 = [ NA , NA ] ; Ul t imo 2 = [ NA , NA ] ;
Ul t imo 3 = [ NA , NA ] ; Ul t imo 4 = [ NA , NA ] ; Ul t imo 5 = [ NA ,
NA ] ; Ul t imo 6 = [ NA , NA ] ; Ul t imo 7 = [ NA , NA ] ; Ul t imo 8 = [
NA , NA ] ; Ul t imo 9 = [ NA , NA ] ; Ul t imo 10 = [ NA , NA ] } ; {
S i t u a c a o 1 = [ 0 , 0 ] ; S i t u a c a o 2 = [ 1 , 1 ] ; S i t u a c a o 3 = [ 0 , 0
] } ; Desemprego = [ NA , NA ] ; A c t i v i d a d e = [ NA , NA ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 22
Medida de g e n e r a l i d a d e : 0 .019863926
C l a s s e formada p e l a u n i a o de : c l a s s e C 17 e c l a s s e C 19
Composicao da C l a s s e : M/45−64/ Mes t rado M/25−34/ Pos−Graduacao F/35−44/ Pos−
Graduacao M/35−44/ L i c e n c i a t u r a
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .977778 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0222222 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 ] ; Razao
3 = [ 0 , 0 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ; Razao 6 =
[ 0 , 0 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [
1 , 1 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12 = [ 0
, 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 .166667 ,
0 .285714 ] ; Emprego 2 = [ 0 , 0 . 2 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4
= [ 0 , 0 .0238095 ] ; Emprego 5 = [ 0 , 0 .0238095 ] ; Emprego 6 = [
0 . 5 , 0 .833333 ] ; Emprego 7 = [ 0 , 0 .0238095 ] ; Emprego 8 = [ 0 , 0 ]
; Emprego 9 = [ 0 , 0 ] ; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 =
98
[ 0 , 0 ] ; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 =
[ 0 , 0 ] ; Ul t imo 5 = [ 0 , 0 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 = [
0 , 0 ] ; Ul t imo 8 = [ 1 , 1 ] ; Ul t imo 9 = [ 0 , 0 ] ; Ul t imo 10 = [
0 , 0 ] } ; { S i t u a c a o 1 = [ 0 , 0 .0444444 ] ; S i t u a c a o 2 = [
0 .933333 , 1 ] ; S i t u a c a o 3 = [ 0 , 0 .0222222 ] } ; Desemprego = [ 45
, 45 ] ; A c t i v i d a d e = [ 10 , 10 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 23
Medida de g e n e r a l i d a d e : 0 .021587333
C l a s s e formada p e l a u n i a o de : o b j e t o M/25−34/ Pos−S e c u n d a r i o e c l a s s e C 6
Composicao da C l a s s e : M/25−34/ Pos−S e c u n d a r i o M/15−24/ B a c h a r e l a t o M/25−34/
Doutoramento
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 ] ; Razao 3 = [ 1 , 1 ] ;
Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ; Razao 6 = [ 0 , 0 ] ;
Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [ 0 , 0 ] ;
Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12 = [ 0 , 0 ] ;
Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 ] ; Emprego 2 = [
0 . 8 , 1 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 , 0 ] ; Emprego 5 =
[ 0 , 0 . 2 ] ; Emprego 6 = [ 0 , 0 ] ; Emprego 7 = [ 0 , 0 ] ; Emprego
8 = [ 0 , 0 ] ; Emprego 9 = [ 0 , 0 ] ; Emprego 10 = [ 0 , 0 ] } ;
{ Ult imo 1 = [ 0 , 0 ] ; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ]
; Ul t imo 4 = [ 1 , 1 ] ; Ul t imo 5 = [ 0 , 0 ] ; Ul t imo 6 = [ 0 , 0 ] ;
Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 = [ 0 , 0 ] ; Ul t imo 9 = [ 0 , 0 ] ;
Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 , 0 ] ; S i t u a c a o 2 =
[ 0 .833333 , 1 ] ; S i t u a c a o 3 = [ 0 , 0 .166667 ] } ; Desemprego = [ 17
, 17 ] ; A c t i v i d a d e = [ 5 , 5 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 24
Medida de g e n e r a l i d a d e : 0 .023321087
C l a s s e formada p e l a u n i a o de : o b j e t o M/35−44/ B a c h a r e l a t o e o b j e t o M/25−34/
Mes t rado
Composicao da C l a s s e : M/35−44/ B a c h a r e l a t o M/25−34/ Mes t rado
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 ] ; Razao 3 = [ 0 , 0 ] ;
Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ; Razao 6 = [ 0 , 0 ] ;
Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [ 0 , 0 ] ;
Razao 10 = [ 1 , 1 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12 = [ 0 , 0 ] ;
Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 .0769231 , 0 .181818 ] ;
Emprego 2 = [ 0 , 0 .0769231 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [
0 , 0 .230769 ] ; Emprego 5 = [ 0 , 0 .0769231 ] ; Emprego 6 = [ 0 .384615
, 0 .818182 ] ; Emprego 7 = [ 0 , 0 .153846 ] ; Emprego 8 = [ 0 , 0 ] ;
Emprego 9 = [ 0 , 0 ] ; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 = [
0 , 0 ] ; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0
, 0 ] ; Ul t imo 5 = [ 0 , 0 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 = [ 0
99
, 0 ] ; Ul t imo 8 = [ 0 , 0 ] ; Ul t imo 9 = [ 1 , 1 ] ; Ul t imo 10 = [ 0
, 0 ] } ; { S i t u a c a o 1 = [ 0 , 0 .0714286 ] ; S i t u a c a o 2 = [ 0 .916667
, 0 .928571 ] ; S i t u a c a o 3 = [ 0 , 0 .0833333 ] } ; Desemprego = [ 42 ,
42 ] ; A c t i v i d a d e = [ 12 , 12 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 25
Medida de g e n e r a l i d a d e : 0 .02462584
C l a s s e formada p e l a u n i a o de : c l a s s e C 21 e c l a s s e C 22
Composicao da C l a s s e : F /25−34/ Pos−Graduacao F/35−44/ Mes t rado M/>=65/ Mes t rado
M/45−64/ Pos−Graduacao M/35−44/ Doutoramento F/45−64/ Pos−Graduacao F/45−64/
Mes t rado M/45−64/ Mes t rado M/25−34/ Pos−Graduacao F/35−44/ Pos−Graduacao M
/35−44/ L i c e n c i a t u r a
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .977778 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0222222 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 ] ; Razao
3 = [ 0 , 0 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ; Razao 6 =
[ 0 , 0 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [
1 , 1 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12 = [ 0
, 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 .285714 ] ;
Emprego 2 = [ 0 , 0 . 2 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 ,
0 .0238095 ] ; Emprego 5 = [ 0 , 0 .0238095 ] ; Emprego 6 = [ 0 . 5 , 1 ] ;
Emprego 7 = [ 0 , 0 .0238095 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [
0 , 0 ] ; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 = [ 0 , 0 ] ; Ul t imo
2 = [ 0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 0 ] ; Ul t imo
5 = [ 0 , 0 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8
= [ 1 , 1 ] ; Ul t imo 9 = [ 0 , 0 ] ; Ul t imo 10 = [ 0 , 0 ] } ; {
S i t u a c a o 1 = [ 0 , 0 .0444444 ] ; S i t u a c a o 2 = [ 0 .933333 , 1 ] ;
S i t u a c a o 3 = [ 0 , 0 .0222222 ] } ; Desemprego = [ 45 , 45 ] ;
A c t i v i d a d e = [ 10 , 10 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 26
Medida de g e n e r a l i d a d e : 0 .032482983
C l a s s e formada p e l a u n i a o de : c l a s s e C 20 e c l a s s e C 25
Composicao da C l a s s e : M/35−44/ Pos−S e c u n d a r i o F/35−44/ Doutoramento M/35−44/ Pos
−Graduacao F/25−34/ Pos−Graduacao F/35−44/ Mes t rado M/>=65/ Mes t rado M/45−64/
Pos−Graduacao M/35−44/ Doutoramento F/45−64/ Pos−Graduacao F/45−64/ Mes t rado M
/45−64/ Mes t rado M/25−34/ Pos−Graduacao F/35−44/ Pos−Graduacao M/35−44/
L i c e n c i a t u r a
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .977778 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0222222 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 ] ; Razao
3 = [ 0 , 0 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ; Razao 6 =
[ 0 , 0 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [
1 , 1 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12 = [ 0
, 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 .285714 ] ;
Emprego 2 = [ 0 , 0 . 5 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 ,
0 .0238095 ] ; Emprego 5 = [ 0 , 0 .0238095 ] ; Emprego 6 = [ 0 . 2 5 , 1 ] ;
100
Emprego 7 = [ 0 , 0 .0238095 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [
0 , 0 ] ; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 = [ 0 , 0 ] ;
Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 0 ] ;
Ul t imo 5 = [ 0 , 0 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 = [ 0 , 0 ] ;
Ul t imo 8 = [ 1 , 1 ] ; Ul t imo 9 = [ 0 , 0 ] ; Ul t imo 10 = [ 0 , 0 ] }
; { S i t u a c a o 1 = [ 0 , 0 .0444444 ] ; S i t u a c a o 2 = [ 0 .933333 , 1 ] ;
S i t u a c a o 3 = [ 0 , 0 .0222222 ] } ; Desemprego = [ 45 , 45 ] ;
A c t i v i d a d e = [ 10 , 10 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 27
Medida de g e n e r a l i d a d e : 0 .03352814
C l a s s e formada p e l a u n i a o de : o b j e t o M/25−34/ B a c h a r e l a t o e o b j e t o M/45−64/
Doutoramento
Composicao da C l a s s e : M/25−34/ B a c h a r e l a t o M/45−64/ Doutoramento
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .875 , 0 .909091 ] ; N a c i o n a l i d a d e 2 = [
0 .0909091 , 0 .125 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 ]
; Razao 3 = [ 0 , 0 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ;
Razao 6 = [ 0 , 0 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ;
Razao 9 = [ 0 , 0 ] ; Razao 10 = [ 1 , 1 ] ; Razao 11 = [ 0 , 0 ] ;
Razao 12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0
, 0 .125 ] ; Emprego 2 = [ 0 , 0 . 3 ] ; Emprego 3 = [ 0 , 0 . 1 ] ; Emprego
4 = [ 0 , 0 . 2 ] ; Emprego 5 = [ 0 , 0 ] ; Emprego 6 = [ 0 . 3 , 0 .875 ]
; Emprego 7 = [ 0 , 0 . 1 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0 ,
0 ] ; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 = [ 0 , 0 ] ; Ul t imo 2
= [ 0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 0 ] ; Ul t imo 5 =
[ 1 , 1 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 =
[ 0 , 0 ] ; Ul t imo 9 = [ 0 , 0 ] ; Ul t imo 10 = [ 0 , 0 ] } ; {
S i t u a c a o 1 = [ 0 , 0 ] ; S i t u a c a o 2 = [ 0 .909091 , 1 ] ; S i t u a c a o 3 =
[ 0 , 0 .0909091 ] } ; Desemprego = [ 9 , 9 ] ; A c t i v i d a d e = [ 4 , 4 ]
)
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 28
Medida de g e n e r a l i d a d e : 0 .04099938
C l a s s e formada p e l a u n i a o de : o b j e t o F/25−34/ B a c h a r e l a t o e o b j e t o M/35−44/
Mes t rado
Composicao da C l a s s e : F /25−34/ B a c h a r e l a t o M/35−44/ Mes t rado
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .666667 , 0 .785714 ] ; N a c i o n a l i d a d e 2 = [
0 .214286 , 0 .333333 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0
] ; Razao 3 = [ 0 , 0 ] ; Razao 4 = [ 1 , 1 ] ; Razao 5 = [ 0 , 0 ] ;
Razao 6 = [ 0 , 0 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ;
Razao 9 = [ 0 , 0 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 0 ] ;
Razao 12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0
, 0 .0833333 ] ; Emprego 2 = [ 0 . 2 5 , 0 .333333 ] ; Emprego 3 = [ 0 , 0 ]
; Emprego 4 = [ 0 , 0 ] ; Emprego 5 = [ 0 , 0 ] ; Emprego 6 = [
0 .166667 , 0 .666667 ] ; Emprego 7 = [ 0 , 0 . 2 5 ] ; Emprego 8 = [ 0 , 0 ]
101
; Emprego 9 = [ 0 , 0 . 2 5 ] ; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1
= [ 0 , 0 ] ; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4
= [ 0 , 0 ] ; Ul t imo 5 = [ 0 , 0 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 =
[ 0 , 0 ] ; Ul t imo 8 = [ 1 , 1 ] ; Ul t imo 9 = [ 0 , 0 ] ; Ul t imo 10 =
[ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 , 0 ] ; S i t u a c a o 2 = [ 0 .923077 ,
1 ] ; S i t u a c a o 3 = [ 0 , 0 .0769231 ] } ; Desemprego = [ 25 , 25 ] ;
A c t i v i d a d e = [ 12 , 12 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 29
Medida de g e n e r a l i d a d e : 0 .048036167
C l a s s e formada p e l a u n i a o de : o b j e t o F/15−24/ L i c e n c i a t u r a e o b j e t o F/25−34/
Pos−S e c u n d a r i o
Composicao da C l a s s e : F /15−24/ L i c e n c i a t u r a F/25−34/ Pos−S e c u n d a r i o
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .857143 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 .142857
] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 ] ; Razao 3 = [ 0
, 0 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 . 2 5 , 0 . 2 5 ] ; Razao 6 = [
0 , 0 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [ 0 ,
0 ] ; Razao 10 = [ 0 . 7 5 , 0 . 7 5 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12 =
[ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 ] ;
Emprego 2 = [ 0 .241379 , 0 . 2 5 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 =
[ 0 .103448 , 0 . 5 ] ; Emprego 5 = [ 0 , 0 . 2 5 ] ; Emprego 6 = [ 0 ,
0 .551724 ] ; Emprego 7 = [ 0 , 0 .103448 ] ; Emprego 8 = [ 0 , 0 ] ;
Emprego 9 = [ 0 , 0 ] ; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 = [
0 , 0 ] ; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0
, 0 ] ; Ul t imo 5 = [ 0 , 0 ] ; Ul t imo 6 = [ 0 . 2 5 , 0 . 2 5 ] ; Ul t imo 7 =
[ 0 , 0 ] ; Ul t imo 8 = [ 0 . 5 , 0 . 5 ] ; Ul t imo 9 = [ 0 . 2 5 , 0 . 2 5 ] ;
Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 .0816327 , 0 .142857 ] ;
S i t u a c a o 2 = [ 0 .571429 , 0 .591837 ] ; S i t u a c a o 3 = [ 0 .285714 ,
0 .326531 ] } ; Desemprego = [ 2 , 10 ] ; A c t i v i d a d e = [ 0 , 1 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 30
Medida de g e n e r a l i d a d e : 0 .054270741
C l a s s e formada p e l a u n i a o de : o b j e t o F/15−24/ Bas i co3 e o b j e t o F/15−24/
S e c u n d a r i o
Composicao da C l a s s e : F /15−24/ Bas i co3 F/15−24/ S e c u n d a r i o
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .976027 , 0 .978261 ] ; N a c i o n a l i d a d e 2 = [
0 .0217391 , 0 .0239726 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 ,
0 . 1 5 ] ; Razao 3 = [ 0 , 0 . 0 5 ] ; Razao 4 = [ 0 . 0 5 , 0 . 1 ] ; Razao 5 =
[ 0 . 3 , 0 . 3 ] ; Razao 6 = [ 0 , 0 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 =
[ 0 , 0 ] ; Razao 9 = [ 0 . 1 , 0 . 1 ] ; Razao 10 = [ 0 . 1 5 , 0 . 4 ] ; Razao
11 = [ 0 . 0 5 , 0 . 1 ] ; Razao 12 = [ 0 , 0 . 1 5 ] ; Razao 13 = [ 0 , 0 ]
} ; { Emprego 1 = [ 0 , 0 .0153846 ] ; Emprego 2 = [ 0 , 0 .0307692 ]
; Emprego 3 = [ 0 .0307692 , 0 .045977 ] ; Emprego 4 = [ 0 .482759 ,
0 .492308 ] ; Emprego 5 = [ 0 .0461538 , 0 .321839 ] ; Emprego 6 = [ 0 ,
0 .0307692 ] ; Emprego 7 = [ 0 .0344828 , 0 .307692 ] ; Emprego 8 = [ 0 ,
102
0 .0344828 ] ; Emprego 9 = [ 0 .0461538 , 0 .0804598 ] ; Emprego 10 = [ 0 ,
0 ] } ; { Ult imo 1 = [ 0 . 0 5 , 0 . 1 ] ; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo
3 = [ 0 . 0 5 , 0 . 1 ] ; Ul t imo 4 = [ 0 . 1 , 0 . 1 5 ] ; Ul t imo 5 = [ 0 , 0 ]
; Ul t imo 6 = [ 0 . 5 , 0 . 6 ] ; Ul t imo 7 = [ 0 , 0 . 0 5 ] ; Ul t imo 8 = [ 0
, 0 ] ; Ul t imo 9 = [ 0 . 1 , 0 . 2 ] ; Ul t imo 10 = [ 0 , 0 ] } ; {
S i t u a c a o 1 = [ 0 .629758 , 0 .632743 ] ; S i t u a c a o 2 = [ 0 .287611 ,
0 .301038 ] ; S i t u a c a o 3 = [ 0 .0692042 , 0 .079646 ] } ; Desemprego = [
1 , 80 ] ; A c t i v i d a d e = [ 0 , 9 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 31
Medida de g e n e r a l i d a d e : 0 .056097097
C l a s s e formada p e l a u n i a o de : o b j e t o M/15−24/ Bas i co3 e o b j e t o M/15−24/ Bas i co2
Composicao da C l a s s e : M/15−24/ Bas i co3 M/15−24/ Bas i co2
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .981651 , 0 .994845 ] ; N a c i o n a l i d a d e 2 = [
0 .00515464 , 0 .0183486 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [
0 .0285714 , 0 .0434783 ] ; Razao 3 = [ 0 , 0 .0869565 ] ; Razao 4 = [ 0 ,
0 .0571429 ] ; Razao 5 = [ 0 .257143 , 0 .347826 ] ; Razao 6 = [ 0 , 0 ] ;
Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [ 0 .0857143 ,
0 .0869565 ] ; Razao 10 = [ 0 .26087 , 0 .485714 ] ; Razao 11 = [ 0 .0285714
, 0 .173913 ] ; Razao 12 = [ 0 , 0 .0571429 ] ; Razao 13 = [ 0 , 0 ] }
; { Emprego 1 = [ 0 , 0 ] ; Emprego 2 = [ 0 .0277778 , 0 .0458716 ] ;
Emprego 3 = [ 0 .119266 , 0 .125 ] ; Emprego 4 = [ 0 .0833333 , 0 .100917 ]
; Emprego 5 = [ 0 .46789 , 0 .666667 ] ; Emprego 6 = [ 0 , 0 .00917431 ] ;
Emprego 7 = [ 0 .0277778 , 0 .110092 ] ; Emprego 8 = [ 0 .00917431 ,
0 .0277778 ] ; Emprego 9 = [ 0 .0416667 , 0 .100917 ] ; Emprego 10 = [ 0 ,
0 .0366972 ] } ; { Ult imo 1 = [ 0 .478261 , 0 . 6 ] ; Ul t imo 2 = [ 0 , 0
] ; Ul t imo 3 = [ 0 .0857143 , 0 .173913 ] ; Ul t imo 4 = [ 0 .0285714 ,
0 .130435 ] ; Ul t imo 5 = [ 0 , 0 ] ; Ul t imo 6 = [ 0 .173913 , 0 .228571 ] ;
Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 = [ 0 , 0 ] ; Ul t imo 9 = [ 0 .0434783
, 0 .0571429 ] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 .53125 ,
0 .555556 ] ; S i t u a c a o 2 = [ 0 .33642 , 0 .375 ] ; S i t u a c a o 3 = [ 0 .09375
, 0 .108025 ] } ; Desemprego = [ 0 , 74 ] ; A c t i v i d a d e = [ 0 , 11 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 32
Medida de g e n e r a l i d a d e : 0 .064204407
C l a s s e formada p e l a u n i a o de : o b j e t o M/25−34/Nenhum e o b j e t o M/15−24/ Bas i co1
Composicao da C l a s s e : M/25−34/Nenhum M/15−24/ Bas i co1
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 .333333 ] ; Razao 3 = [ 0 , 0 ]
; Razao 4 = [ 0 , 0 .333333 ] ; Razao 5 = [ 0 .333333 , 1 ] ; Razao 6 =
[ 0 , 0 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [ 0
, 0 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12 = [ 0
, 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 ] ; Emprego 2
= [ 0 , 0 ] ; Emprego 3 = [ 0 .142857 , 0 .142857 ] ; Emprego 4 = [ 0 ,
0 ] ; Emprego 5 = [ 0 .571429 , 0 .714286 ] ; Emprego 6 = [ 0 , 0 ] ;
103
Emprego 7 = [ 0 , 0 ] ; Emprego 8 = [ 0 , 0 .142857 ] ; Emprego 9 = [ 0
, 0 .285714 ] ; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 = [ 0 .666667 ,
1 ] ; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 ,
0 .333333 ] ; Ul t imo 5 = [ 0 , 0 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 =
[ 0 , 0 ] ; Ul t imo 8 = [ 0 , 0 ] ; Ul t imo 9 = [ 0 , 0 ] ; Ul t imo 10 =
[ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 . 4 , 0 .428571 ] ; S i t u a c a o 2 = [
0 .466667 , 0 . 5 ] ; S i t u a c a o 3 = [ 0 .0714286 , 0 .133333 ] } ; Desemprego
= [ 2 , 21 ] ; A c t i v i d a d e = [ 4 , 18 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 33
Medida de g e n e r a l i d a d e : 0 .068363143
C l a s s e formada p e l a u n i a o de : c l a s s e C 14 e c l a s s e C 16
Composicao da C l a s s e : F /15−24/Nenhum F/<15/ Bas i co1 M/<15/ Bas i co1 M/<15/
Bas i co2 M/<15/Nenhum M/15−24/Nenhum F/15−24/ B a c h a r e l a t o F/<15/Nenhum M/<15/
F/<15/ Bas i co2 F/<15/
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .964286 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0357143 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 1 ] ; Razao
3 = [ 0 , 1 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ; Razao 6 =
[ 0 , 0 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [
0 , 0 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12 = [ 0
, 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ NA , NA ] ;
Emprego 2 = [ NA , NA ] ; Emprego 3 = [ NA , NA ] ; Emprego 4 = [ NA ,
NA ] ; Emprego 5 = [ NA , NA ] ; Emprego 6 = [ NA , NA ] ; Emprego 7 =
[ NA , NA ] ; Emprego 8 = [ NA , NA ] ; Emprego 9 = [ NA , NA ] ;
Emprego 10 = [ NA , NA ] } ; { Ult imo 1 = [ 0 , 0 ] ; Ul t imo 2 = [
0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 1 ] ; Ul t imo 5 = [
0 , 0 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 = [ 0
, 1 ] ; Ul t imo 9 = [ 0 , 0 ] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o
1 = [ 1 , 1 ] ; S i t u a c a o 2 = [ 0 , 0 ] ; S i t u a c a o 3 = [ 0 , 0 ] } ;
Desemprego = [ 4 , 20 ] ; A c t i v i d a d e = [ 4 , 4 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 34
Medida de g e n e r a l i d a d e : 0 .071738463
C l a s s e formada p e l a u n i a o de : o b j e t o F/>=65/ Pos−S e c u n d a r i o e o b j e t o M/>=65/
Pos−S e c u n d a r i o
Composicao da C l a s s e : F/>=65/ Pos−S e c u n d a r i o M/>=65/ Pos−S e c u n d a r i o
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ 0 , 0 .333333 ] ; Razao 2 = [ 0 , 0 ] ; Razao 3 = [ 0 ,
0 .333333 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ; Razao 6 = [ 0
, 0 ] ; Razao 7 = [ 0 .666667 , 0 .666667 ] ; Razao 8 = [ 0 , 0 ] ; Razao
9 = [ 0 , 0 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 0 ] ; Razao
12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ NA , NA
] ; Emprego 2 = [ NA , NA ] ; Emprego 3 = [ NA , NA ] ; Emprego 4 = [
NA , NA ] ; Emprego 5 = [ NA , NA ] ; Emprego 6 = [ NA , NA ] ; Emprego
7 = [ NA , NA ] ; Emprego 8 = [ NA , NA ] ; Emprego 9 = [ NA , NA ] ;
104
Emprego 10 = [ NA , NA ] } ; { Ult imo 1 = [ 0 , 0 ] ; Ul t imo 2 = [
0 , 0 .333333 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 0 ] ; Ul t imo 5
= [ 0 .333333 , 0 .333333 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 = [ 0 , 0
] ; Ul t imo 8 = [ 0 , 0 .666667 ] ; Ul t imo 9 = [ 0 , 0 .333333 ] ; Ul t imo
10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 1 , 1 ] ; S i t u a c a o 2 = [ 0 , 0
] ; S i t u a c a o 3 = [ 0 , 0 ] } ; Desemprego = [ 103 , 224 ] ;
A c t i v i d a d e = [ 50 , 58 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 35
Medida de g e n e r a l i d a d e : 0 .074426013
C l a s s e formada p e l a u n i a o de : o b j e t o M/25−34/ L i c e n c i a t u r a e o b j e t o F/25−34/
L i c e n c i a t u r a
Composicao da C l a s s e : M/25−34/ L i c e n c i a t u r a F/25−34/ L i c e n c i a t u r a
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .95122 , 0 .966216 ] ; N a c i o n a l i d a d e 2 = [
0 .0337838 , 0 .0487805 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 . 2
, 0 . 2 ] ; Razao 3 = [ 0 , 0 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 ,
0 . 1 ] ; Razao 6 = [ 0 , 0 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 ,
0 . 1 ] ; Razao 9 = [ 0 . 2 , 0 . 2 ] ; Razao 10 = [ 0 . 2 , 0 . 4 ] ; Razao 11 =
[ 0 . 2 , 0 . 2 ] ; Razao 12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; {
Emprego 1 = [ 0 .057971 , 0 .064 ] ; Emprego 2 = [ 0 . 2 4 , 0 .246377 ] ;
Emprego 3 = [ 0 , 0 .0144928 ] ; Emprego 4 = [ 0 .0144928 , 0 .048 ] ;
Emprego 5 = [ 0 , 0 .0434783 ] ; Emprego 6 = [ 0 . 4 8 , 0 .492754 ] ;
Emprego 7 = [ 0 .101449 , 0 .152 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 =
[ 0 .008 , 0 .0144928 ] ; Emprego 10 = [ 0 .008 , 0 .0144928 ] } ; {
Ult imo 1 = [ 0 , 0 ] ; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ;
Ul t imo 4 = [ 0 , 0 . 2 ] ; Ul t imo 5 = [ 0 . 1 , 0 . 2 ] ; Ul t imo 6 = [ 0 ,
0 . 3 ] ; Ul t imo 7 = [ 0 , 0 . 1 ] ; Ul t imo 8 = [ 0 . 3 , 0 . 4 ] ; Ul t imo 9 =
[ 0 . 2 , 0 . 2 ] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [
0 .0479452 , 0 .0609756 ] ; S i t u a c a o 2 = [ 0 .841463 , 0 .856164 ] ; S i t u a c a o
3 = [ 0 .0958904 , 0 .097561 ] } ; Desemprego = [ 1 , 103 ] ; A c t i v i d a d e
= [ 1 , 22 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 36
Medida de g e n e r a l i d a d e : 0 .075520522
C l a s s e formada p e l a u n i a o de : o b j e t o M/15−24/ S e c u n d a r i o e o b j e t o F/15−24/
Bas i co2
Composicao da C l a s s e : M/15−24/ S e c u n d a r i o F/15−24/ Bas i co2
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .965116 , 0 .989071 ] ; N a c i o n a l i d a d e 2 = [
0 .010929 , 0 .0348837 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 ,
0 .0909091 ] ; Razao 3 = [ 0 , 0 .0909091 ] ; Razao 4 = [ 0 , 0 ] ; Razao
5 = [ 0 .166667 , 0 .181818 ] ; Razao 6 = [ 0 , 0 .0909091 ] ; Razao 7 =
[ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [ 0 .181818 , 0 . 5 ] ; Razao
10 = [ 0 .166667 , 0 .181818 ] ; Razao 11 = [ 0 , 0 .181818 ] ; Razao 12 =
[ 0 , 0 .166667 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0
] ; Emprego 2 = [ 0 , 0 .171875 ] ; Emprego 3 = [ 0 , 0 .015625 ] ;
105
Emprego 4 = [ 0 . 2 5 , 0 .291667 ] ; Emprego 5 = [ 0 .21875 , 0 .375 ] ;
Emprego 6 = [ 0 , 0 .015625 ] ; Emprego 7 = [ 0 , 0 .125 ] ; Emprego 8 =
[ 0 , 0 .0833333 ] ; Emprego 9 = [ 0 .078125 , 0 . 2 5 ] ; Emprego 10 = [ 0
, 0 .125 ] } ; { Ult imo 1 = [ 0 .181818 , 0 .333333 ] ; Ul t imo 2 = [ 0
, 0 ] ; Ul t imo 3 = [ 0 , 0 .166667 ] ; Ul t imo 4 = [ 0 , 0 .272727 ] ;
Ul t imo 5 = [ 0 , 0 ] ; Ul t imo 6 = [ 0 .333333 , 0 .545455 ] ; Ul t imo 7 =
[ 0 , 0 ] ; Ul t imo 8 = [ 0 , 0 ] ; Ul t imo 9 = [ 0 , 0 .166667 ] ; Ul t imo
10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 .59116 , 0 .604651 ] ; S i t u a c a o
2 = [ 0 .27907 , 0 .353591 ] ; S i t u a c a o 3 = [ 0 .0552486 , 0 .116279 ] }
; Desemprego = [ 2 , 47 ] ; A c t i v i d a d e = [ 0 , 12 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 37
Medida de g e n e r a l i d a d e : 0 .079669524
C l a s s e formada p e l a u n i a o de : o b j e t o M/25−34/ Bas i co2 e o b j e t o M/25−34/ Bas i co1
Composicao da C l a s s e : M/25−34/ Bas i co2 M/25−34/ Bas i co1
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 .111111 ] ; Razao 3 = [
0 .0555556 , 0 . 2 5 ] ; Razao 4 = [ 0 , 0 .111111 ] ; Razao 5 = [ 0 ,
0 .222222 ] ; Razao 6 = [ 0 , 0 . 2 5 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 =
[ 0 , 0 ] ; Razao 9 = [ 0 .111111 , 0 . 2 5 ] ; Razao 10 = [ 0 .111111 , 0 . 2 5
] ; Razao 11 = [ 0 , 0 .277778 ] ; Razao 12 = [ 0 , 0 ] ; Razao 13 = [
0 , 0 ] } ; { Emprego 1 = [ 0 , 0 .075188 ] ; Emprego 2 = [
0 .0277778 , 0 .0451128 ] ; Emprego 3 = [ 0 .135338 , 0 . 2 5 ] ; Emprego 4 =
[ 0 , 0 .037594 ] ; Emprego 5 = [ 0 .541353 , 0 .611111 ] ; Emprego 6 = [ 0
, 0 ] ; Emprego 7 = [ 0 .0277778 , 0 .0526316 ] ; Emprego 8 = [ 0 .0676692
, 0 .0833333 ] ; Emprego 9 = [ 0 , 0 .037594 ] ; Emprego 10 = [ 0 ,
0 .0075188 ] } ; { Ult imo 1 = [ 0 .666667 , 0 . 7 5 ] ; Ul t imo 2 = [ 0 ,
0 .0555556 ] ; Ul t imo 3 = [ 0 .111111 , 0 . 2 5 ] ; Ul t imo 4 = [ 0 , 0 .111111
] ; Ul t imo 5 = [ 0 , 0 ] ; Ul t imo 6 = [ 0 , 0 .0555556 ] ; Ul t imo 7 =
[ 0 , 0 ] ; Ul t imo 8 = [ 0 , 0 ] ; Ul t imo 9 = [ 0 , 0 ] ; Ul t imo 10 =
[ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 . 0 5 , 0 .0592105 ] ; S i t u a c a o 2 = [
0 .875 , 0 . 9 ] ; S i t u a c a o 3 = [ 0 . 0 5 , 0 .0657895 ] } ; Desemprego = [ 1
, 147 ] ; A c t i v i d a d e = [ 8 , 22 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 38
Medida de g e n e r a l i d a d e : 0 .082651828
C l a s s e formada p e l a u n i a o de : o b j e t o F/25−34/ S e c u n d a r i o e o b j e t o F/25−34/
Bas i co3
Composicao da C l a s s e : F /25−34/ S e c u n d a r i o F/25−34/ Bas i co3
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .977612 , 0 .985294 ] ; N a c i o n a l i d a d e 2 = [
0 .0147059 , 0 .0223881 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 ,
0 .214286 ] ; Razao 3 = [ 0 , 0 .0714286 ] ; Razao 4 = [ 0 , 0 .0833333 ] ;
Razao 5 = [ 0 .208333 , 0 .285714 ] ; Razao 6 = [ 0 , 0 ] ; Razao 7 = [
0 , 0 ] ; Razao 8 = [ 0 .0416667 , 0 .0714286 ] ; Razao 9 = [ 0 .208333 ,
0 .214286 ] ; Razao 10 = [ 0 , 0 . 2 5 ] ; Razao 11 = [ 0 .0714286 , 0 .208333
106
] ; Razao 12 = [ 0 , 0 .0714286 ] ; Razao 13 = [ 0 , 0 ] } ; {
Emprego 1 = [ 0 .0350877 , 0 .0550459 ] ; Emprego 2 = [ 0 .0275229 ,
0 .131579 ] ; Emprego 3 = [ 0 .0175439 , 0 .0825688 ] ; Emprego 4 = [
0 .348624 , 0 .368421 ] ; Emprego 5 = [ 0 .0526316 , 0 .146789 ] ; Emprego 6
= [ 0 , 0 .0175439 ] ; Emprego 7 = [ 0 .110092 , 0 .263158 ] ; Emprego 8 =
[ 0 , 0 .0366972 ] ; Emprego 9 = [ 0 .105263 , 0 .192661 ] ; Emprego 10 =
[ 0 , 0 .00877193 ] } ; { Ult imo 1 = [ 0 , 0 .125 ] ; Ul t imo 2 = [ 0 ,
0 ] ; Ul t imo 3 = [ 0 .0714286 , 0 .291667 ] ; Ul t imo 4 = [ 0 .0714286 ,
0 .125 ] ; Ul t imo 5 = [ 0 , 0 ] ; Ul t imo 6 = [ 0 .333333 , 0 . 5 ] ; Ul t imo
7 = [ 0 , 0 ] ; Ul t imo 8 = [ 0 , 0 .0416667 ] ; Ul t imo 9 = [ 0 .0416667
, 0 .357143 ] ; Ul t imo 10 = [ 0 , 0 .0416667 ] } ; { S i t u a c a o 1 = [
0 .0451128 , 0 .0666667 ] ; S i t u a c a o 2 = [ 0 .819549 , 0 .844444 ] ; S i t u a c a o
3 = [ 0 .0888889 , 0 .135338 ] } ; Desemprego = [ 0 , 84 ] ; A c t i v i d a d e
= [ 1 , 19 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 39
Medida de g e n e r a l i d a d e : 0 .085518903
C l a s s e formada p e l a u n i a o de : o b j e t o F/35−44/ B a c h a r e l a t o e c l a s s e C 28
Composicao da C l a s s e : F /35−44/ B a c h a r e l a t o F/25−34/ B a c h a r e l a t o M/35−44/
Mes t rado
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .666667 , 0 .857143 ] ; N a c i o n a l i d a d e 2 = [
0 .142857 , 0 .333333 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0
] ; Razao 3 = [ 0 , 0 ] ; Razao 4 = [ 0 , 1 ] ; Razao 5 = [ 0 , 0 ] ;
Razao 6 = [ 0 , 0 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ;
Razao 9 = [ 0 , 0 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 1 ] ;
Razao 12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0
, 0 .0833333 ] ; Emprego 2 = [ 0 . 2 5 , 0 .384615 ] ; Emprego 3 = [ 0 , 0 ]
; Emprego 4 = [ 0 , 0 .153846 ] ; Emprego 5 = [ 0 , 0 .0769231 ] ; Emprego
6 = [ 0 , 0 .666667 ] ; Emprego 7 = [ 0 , 0 .307692 ] ; Emprego 8 = [ 0
, 0 ] ; Emprego 9 = [ 0 , 0 . 2 5 ] ; Emprego 10 = [ 0 , 0 ] } ; {
Ult imo 1 = [ 0 , 0 ] ; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ;
Ul t imo 4 = [ 0 , 0 ] ; Ul t imo 5 = [ 0 , 0 ] ; Ul t imo 6 = [ 0 , 0 ] ;
Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 = [ 1 , 1 ] ; Ul t imo 9 = [ 0 , 0 ] ;
Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 , 0 ] ; S i t u a c a o 2 =
[ 0 .923077 , 1 ] ; S i t u a c a o 3 = [ 0 , 0 .0769231 ] } ; Desemprego = [ 6
, 25 ] ; A c t i v i d a d e = [ 12 , 13 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 40
Medida de g e n e r a l i d a d e : 0 .090100776
C l a s s e formada p e l a u n i a o de : o b j e t o M/25−34/ Bas i co3 e o b j e t o M/25−34/
S e c u n d a r i o
Composicao da C l a s s e : M/25−34/ Bas i co3 M/25−34/ S e c u n d a r i o
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 . 9 6 , 0 .979592 ] ; N a c i o n a l i d a d e 2 = [ 0 .0204082
, 0 . 0 4 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 ] ; Razao 3
= [ 0 , 0 .148148 ] ; Razao 4 = [ 0 , 0 .037037 ] ; Razao 5 = [ 0 .357143
107
, 0 .37037 ] ; Razao 6 = [ 0 , 0 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [
0 , 0 .037037 ] ; Razao 9 = [ 0 .0740741 , 0 .142857 ] ; Razao 10 = [
0 .222222 , 0 .285714 ] ; Razao 11 = [ 0 .111111 , 0 .142857 ] ; Razao 12 =
[ 0 , 0 .0714286 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [
0 .0598802 , 0 .0736842 ] ; Emprego 2 = [ 0 .0479042 , 0 .147368 ] ; Emprego 3
= [ 0 .136842 , 0 .143713 ] ; Emprego 4 = [ 0 .126316 , 0 .149701 ] ;
Emprego 5 = [ 0 .147368 , 0 .371257 ] ; Emprego 6 = [ 0 .00598802 ,
0 .0315789 ] ; Emprego 7 = [ 0 .101796 , 0 .210526 ] ; Emprego 8 = [
0 .0421053 , 0 .0538922 ] ; Emprego 9 = [ 0 .0598802 , 0 .0842105 ] ; Emprego
10 = [ 0 , 0 .00598802 ] } ; { Ult imo 1 = [ 0 .142857 , 0 .259259 ] ;
Ul t imo 2 = [ 0 , 0 .037037 ] ; Ul t imo 3 = [ 0 .142857 , 0 .185185 ] ;
Ul t imo 4 = [ 0 .0714286 , 0 .185185 ] ; Ul t imo 5 = [ 0 , 0 .142857 ] ;
Ul t imo 6 = [ 0 .148148 , 0 .285714 ] ; Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 =
[ 0 , 0 ] ; Ul t imo 9 = [ 0 .148148 , 0 .214286 ] ; Ul t imo 10 = [ 0 ,
0 .037037 ] } ; { S i t u a c a o 1 = [ 0 .0518135 , 0 .153226 ] ; S i t u a c a o 2 =
[ 0 .766129 , 0 .865285 ] ; S i t u a c a o 3 = [ 0 .0806452 , 0 .0829016 ] } ;
Desemprego = [ 1 , 133 ] ; A c t i v i d a d e = [ 1 , 20 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 41
Medida de g e n e r a l i d a d e : 0 .091944235
C l a s s e formada p e l a u n i a o de : o b j e t o F/25−34/ Mes t rado e c l a s s e C 26
Composicao da C l a s s e : F /25−34/ Mes t rado M/35−44/ Pos−S e c u n d a r i o F/35−44/
Doutoramento M/35−44/ Pos−Graduacao F/25−34/ Pos−Graduacao F/35−44/ Mes t rado M
/>=65/ Mes t rado M/45−64/ Pos−Graduacao M/35−44/ Doutoramento F/45−64/ Pos−
Graduacao F/45−64/ Mes t rado M/45−64/ Mes t rado M/25−34/ Pos−Graduacao F/35−44/
Pos−Graduacao M/35−44/ L i c e n c i a t u r a
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .977778 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0222222 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 ] ; Razao
3 = [ 0 , 0 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ; Razao 6 =
[ 0 , 0 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [
0 , 1 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 1 ] ; Razao 12 = [ 0
, 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 .285714 ] ;
Emprego 2 = [ 0 , 0 . 5 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 ,
0 .0238095 ] ; Emprego 5 = [ 0 , 0 .0238095 ] ; Emprego 6 = [ 0 . 2 5 , 1 ] ;
Emprego 7 = [ 0 , 0 .0238095 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [
0 , 0 ] ; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 = [ 0 , 0 ] ;
Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 0 ] ;
Ul t imo 5 = [ 0 , 0 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 = [ 0 , 0 ] ;
Ul t imo 8 = [ 1 , 1 ] ; Ul t imo 9 = [ 0 , 0 ] ; Ul t imo 10 = [ 0 , 0 ] }
; { S i t u a c a o 1 = [ 0 , 0 .0444444 ] ; S i t u a c a o 2 = [ 0 .666667 , 1 ] ;
S i t u a c a o 3 = [ 0 , 0 .333333 ] } ; Desemprego = [ 45 , 73 ] ;
A c t i v i d a d e = [ 7 , 10 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 42
Medida de g e n e r a l i d a d e : 0 .092681918
C l a s s e formada p e l a u n i a o de : o b j e t o M/15−24/ L i c e n c i a t u r a e o b j e t o M/15−24/
108
Pos−S e c u n d a r i o
Composicao da C l a s s e : M/15−24/ L i c e n c i a t u r a M/15−24/ Pos−S e c u n d a r i o
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .954545 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0454545 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 ] ; Razao
3 = [ 0 , 0 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 . 5 , 0 . 5 ] ; Razao
6 = [ 0 , 0 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 =
[ 0 , 0 ] ; Razao 10 = [ 0 . 5 , 0 . 5 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12
= [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 ] ;
Emprego 2 = [ 0 , 0 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 , 1 ]
; Emprego 5 = [ 0 , 0 ] ; Emprego 6 = [ 0 , 0 .727273 ] ; Emprego 7 = [
0 , 0 .272727 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0 , 0 ] ;
Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 = [ 0 , 0 . 5 ] ; Ul t imo 2 = [
0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 0 ] ; Ul t imo 5 = [
0 , 0 . 5 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 = [
0 , 0 . 5 ] ; Ul t imo 9 = [ 0 , 0 . 5 ] ; Ul t imo 10 = [ 0 , 0 ] } ; {
S i t u a c a o 1 = [ 0 .333333 , 0 .363636 ] ; S i t u a c a o 2 = [ 0 .333333 , 0 . 5 ] ;
S i t u a c a o 3 = [ 0 .136364 , 0 .333333 ] } ; Desemprego = [ 2 , 23 ] ;
A c t i v i d a d e = [ 0 , 4 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 43
Medida de g e n e r a l i d a d e : 0 .09541399
C l a s s e formada p e l a u n i a o de : o b j e t o F/35−44/ Pos−S e c u n d a r i o e c l a s s e C 3
Composicao da C l a s s e : F /35−44/ Pos−S e c u n d a r i o F/15−24/ Pos−S e c u n d a r i o F/15−24/
Mes t rado
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 1 ] ; Razao 3 = [ 0 , 0 ] ;
Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ; Razao 6 = [ 0 , 0 ] ;
Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [ 0 , 0 ] ;
Razao 10 = [ 0 , 1 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12 = [ 0 , 0 ] ;
Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ NA , NA ] ; Emprego 2 = [
NA , NA ] ; Emprego 3 = [ NA , NA ] ; Emprego 4 = [ NA , NA ] ; Emprego
5 = [ NA , NA ] ; Emprego 6 = [ NA , NA ] ; Emprego 7 = [ NA , NA ] ;
Emprego 8 = [ NA , NA ] ; Emprego 9 = [ NA , NA ] ; Emprego 10 = [ NA
, NA ] } ; { Ult imo 1 = [ 0 , 1 ] ; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3
= [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 0 ] ; Ul t imo 5 = [ 0 , 1 ] ; Ul t imo 6
= [ 0 , 0 ] ; Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 = [ 0 , 0 ] ; Ul t imo 9
= [ 0 , 0 ] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 , 0 ] ;
S i t u a c a o 2 = [ 0 , 0 ] ; S i t u a c a o 3 = [ 1 , 1 ] } ; Desemprego = [ 2
, 6 ] ; A c t i v i d a d e = [ 0 , 19 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 44
Medida de g e n e r a l i d a d e : 0 .10052351
C l a s s e formada p e l a u n i a o de : c l a s s e C 24 e c l a s s e C 27
Composicao da C l a s s e : M/35−44/ B a c h a r e l a t o M/25−34/ Mes t rado M/25−34/
B a c h a r e l a t o M/45−64/ Doutoramento
109
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .875 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 .125 ] }
; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 ] ; Razao 3 = [ 0 , 0 ]
; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ; Razao 6 = [ 0 , 0 ] ;
Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [ 0 , 0 ] ;
Razao 10 = [ 1 , 1 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12 = [ 0 , 0 ] ;
Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 .181818 ] ; Emprego 2
= [ 0 , 0 . 3 ] ; Emprego 3 = [ 0 , 0 . 1 ] ; Emprego 4 = [ 0 , 0 .230769 ]
; Emprego 5 = [ 0 , 0 .0769231 ] ; Emprego 6 = [ 0 . 3 , 0 .875 ] ; Emprego
7 = [ 0 , 0 .153846 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0 , 0 ]
; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 = [ 0 , 0 ] ; Ul t imo 2 = [
0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 0 ] ; Ul t imo 5 = [
0 , 1 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 = [ 0
, 0 ] ; Ul t imo 9 = [ 0 , 1 ] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o
1 = [ 0 , 0 .0714286 ] ; S i t u a c a o 2 = [ 0 .909091 , 1 ] ; S i t u a c a o 3 =
[ 0 , 0 .0909091 ] } ; Desemprego = [ 9 , 42 ] ; A c t i v i d a d e = [ 4 , 12
] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 45
Medida de g e n e r a l i d a d e : 0 .10133544
C l a s s e formada p e l a u n i a o de : c l a s s e C 30 e c l a s s e C 31
Composicao da C l a s s e : F /15−24/ Bas i co3 F/15−24/ S e c u n d a r i o M/15−24/ Bas i co3 M
/15−24/ Bas i co2
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .976027 , 0 .994845 ] ; N a c i o n a l i d a d e 2 = [
0 .00515464 , 0 .0239726 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 ,
0 . 1 5 ] ; Razao 3 = [ 0 , 0 .0869565 ] ; Razao 4 = [ 0 , 0 . 1 ] ; Razao 5
= [ 0 .257143 , 0 .347826 ] ; Razao 6 = [ 0 , 0 ] ; Razao 7 = [ 0 , 0 ]
; Razao 8 = [ 0 , 0 ] ; Razao 9 = [ 0 .0857143 , 0 . 1 ] ; Razao 10 = [
0 . 1 5 , 0 .485714 ] ; Razao 11 = [ 0 .0285714 , 0 .173913 ] ; Razao 12 = [ 0
, 0 . 1 5 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 .0153846 ]
; Emprego 2 = [ 0 , 0 .0458716 ] ; Emprego 3 = [ 0 .0307692 , 0 .125 ] ;
Emprego 4 = [ 0 .0833333 , 0 .492308 ] ; Emprego 5 = [ 0 .0461538 ,
0 .666667 ] ; Emprego 6 = [ 0 , 0 .0307692 ] ; Emprego 7 = [ 0 .0277778 ,
0 .307692 ] ; Emprego 8 = [ 0 , 0 .0344828 ] ; Emprego 9 = [ 0 .0416667 ,
0 .100917 ] ; Emprego 10 = [ 0 , 0 .0366972 ] } ; { Ult imo 1 = [ 0 . 0 5
, 0 . 6 ] ; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3 = [ 0 . 0 5 , 0 .173913 ] ; Ul t imo
4 = [ 0 .0285714 , 0 . 1 5 ] ; Ul t imo 5 = [ 0 , 0 ] ; Ul t imo 6 = [
0 .173913 , 0 . 6 ] ; Ul t imo 7 = [ 0 , 0 . 0 5 ] ; Ul t imo 8 = [ 0 , 0 ] ;
Ul t imo 9 = [ 0 .0434783 , 0 . 2 ] ; Ul t imo 10 = [ 0 , 0 ] } ; {
S i t u a c a o 1 = [ 0 .53125 , 0 .632743 ] ; S i t u a c a o 2 = [ 0 .287611 , 0 .375 ]
; S i t u a c a o 3 = [ 0 .0692042 , 0 .108025 ] } ; Desemprego = [ 0 , 80 ] ;
A c t i v i d a d e = [ 0 , 11 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 46
Medida de g e n e r a l i d a d e : 0 .10441824
C l a s s e formada p e l a u n i a o de : o b j e t o F/35−44/ L i c e n c i a t u r a e c l a s s e C 35
110
Composicao da C l a s s e : F /35−44/ L i c e n c i a t u r a M/25−34/ L i c e n c i a t u r a F/25−34/
L i c e n c i a t u r a
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .95122 , 0 .966216 ] ; N a c i o n a l i d a d e 2 = [
0 .0337838 , 0 .0487805 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 . 2
, 0 . 2 5 ] ; Razao 3 = [ 0 , 0 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 ,
0 . 1 ] ; Razao 6 = [ 0 , 0 . 2 5 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0
, 0 . 1 ] ; Razao 9 = [ 0 , 0 . 2 ] ; Razao 10 = [ 0 . 2 , 0 . 5 ] ; Razao 11 =
[ 0 , 0 . 2 ] ; Razao 12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; {
Emprego 1 = [ 0 .057971 , 0 .0759494 ] ; Emprego 2 = [ 0 .164557 , 0 .246377
] ; Emprego 3 = [ 0 , 0 .0144928 ] ; Emprego 4 = [ 0 .0126582 , 0 .048 ] ;
Emprego 5 = [ 0 , 0 .0434783 ] ; Emprego 6 = [ 0 . 4 8 , 0 .696203 ] ;
Emprego 7 = [ 0 .0506329 , 0 .152 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 =
[ 0 , 0 .0144928 ] ; Emprego 10 = [ 0 , 0 .0144928 ] } ; { Ult imo 1 =
[ 0 , 0 ] ; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 =
[ 0 , 0 . 2 ] ; Ul t imo 5 = [ 0 . 1 , 0 . 2 5 ] ; Ul t imo 6 = [ 0 , 0 . 3 ] ;
Ul t imo 7 = [ 0 , 0 . 1 ] ; Ul t imo 8 = [ 0 . 3 , 0 . 7 5 ] ; Ul t imo 9 = [ 0 ,
0 . 2 ] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 .0479452 ,
0 .0609756 ] ; S i t u a c a o 2 = [ 0 .841463 , 0 .929412 ] ; S i t u a c a o 3 = [
0 .0117647 , 0 .097561 ] } ; Desemprego = [ 1 , 103 ] ; A c t i v i d a d e = [ 1
, 22 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 47
Medida de g e n e r a l i d a d e : 0 .10728062
C l a s s e formada p e l a u n i a o de : o b j e t o M/35−44/ Bas i co3 e o b j e t o M/35−44/
S e c u n d a r i o
Composicao da C l a s s e : M/35−44/ Bas i co3 M/35−44/ S e c u n d a r i o
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .938272 , 0 .982906 ] ; N a c i o n a l i d a d e 2 = [
0 .017094 , 0 .0617284 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 ,
0 .0909091 ] ; Razao 3 = [ 0 .0909091 , 0 . 2 ] ; Razao 4 = [ 0 , 0 ] ;
Razao 5 = [ 0 . 2 , 0 .272727 ] ; Razao 6 = [ 0 , 0 ] ; Razao 7 = [ 0 , 0
] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [ 0 .0909091 , 0 . 4 ] ; Razao 10 =
[ 0 . 1 , 0 .181818 ] ; Razao 11 = [ 0 . 1 , 0 .181818 ] ; Razao 12 = [ 0 ,
0 .0909091 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 .142857 ,
0 .161905 ] ; Emprego 2 = [ 0 .133333 , 0 .228571 ] ; Emprego 3 = [
0 .0714286 , 0 .152381 ] ; Emprego 4 = [ 0 .0666667 , 0 . 1 ] ; Emprego 5 = [
0 .128571 , 0 .266667 ] ; Emprego 6 = [ 0 .00952381 , 0 .0142857 ] ; Emprego
7 = [ 0 .0952381 , 0 .314286 ] ; Emprego 8 = [ 0 , 0 .0380952 ] ; Emprego 9
= [ 0 , 0 .0666667 ] ; Emprego 10 = [ 0 , 0 .00952381 ] } ; { Ult imo
1 = [ 0 , 0 .363636 ] ; Ul t imo 2 = [ 0 , 0 . 1 ] ; Ul t imo 3 = [ 0 .0909091
, 0 . 1 ] ; Ul t imo 4 = [ 0 .0909091 , 0 . 1 ] ; Ul t imo 5 = [ 0 .0909091 , 0 . 5
] ; Ul t imo 6 = [ 0 , 0 .272727 ] ; Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 = [
0 , 0 ] ; Ul t imo 9 = [ 0 .0909091 , 0 . 2 ] ; Ul t imo 10 = [ 0 , 0 ] } ;
{ S i t u a c a o 1 = [ 0 .042735 , 0 .0740741 ] ; S i t u a c a o 2 = [ 0 .864198 ,
0 .897436 ] ; S i t u a c a o 3 = [ 0 .0598291 , 0 .0617284 ] } ; Desemprego = [
2 , 129 ] ; A c t i v i d a d e = [ 7 , 30 ] )
111
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 48
Medida de g e n e r a l i d a d e : 0 .10915532
C l a s s e formada p e l a u n i a o de : o b j e t o F/25−34/ Bas i co2 e o b j e t o F/25−34/ Bas i co1
Composicao da C l a s s e : F /25−34/ Bas i co2 F/25−34/ Bas i co1
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .993464 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .00653595 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 .0526316 ,
0 .133333 ] ; Razao 3 = [ 0 .0666667 , 0 .0789474 ] ; Razao 4 = [ 0 , 0 . 2 ]
; Razao 5 = [ 0 , 0 .236842 ] ; Razao 6 = [ 0 .0789474 , 0 .133333 ] ;
Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 .0263158 ] ; Razao 9 = [ 0 ,
0 .0526316 ] ; Razao 10 = [ 0 .133333 , 0 .210526 ] ; Razao 11 = [ 0 .263158
, 0 .333333 ] ; Razao 12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; {
Emprego 1 = [ 0 , 0 .00884956 ] ; Emprego 2 = [ 0 , 0 ] ; Emprego 3 = [
0 .0434783 , 0 .079646 ] ; Emprego 4 = [ 0 .256637 , 0 .26087 ] ; Emprego 5
= [ 0 .345133 , 0 .391304 ] ; Emprego 6 = [ 0 , 0 ] ; Emprego 7 = [ 0 ,
0 .0442478 ] ; Emprego 8 = [ 0 .0353982 , 0 .0434783 ] ; Emprego 9 = [
0 .230088 , 0 .26087 ] ; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 = [ 0 . 2
, 0 .342105 ] ; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3 = [ 0 .184211 , 0 . 2 ] ;
Ul t imo 4 = [ 0 .133333 , 0 .236842 ] ; Ul t imo 5 = [ 0 , 0 ] ; Ul t imo 6 =
[ 0 .236842 , 0 .466667 ] ; Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 = [ 0 , 0 ] ;
Ul t imo 9 = [ 0 , 0 ] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [
0 .120805 , 0 .25641 ] ; S i t u a c a o 2 = [ 0 .589744 , 0 .758389 ] ; S i t u a c a o 3
= [ 0 .120805 , 0 .153846 ] } ; Desemprego = [ 1 , 192 ] ; A c t i v i d a d e =
[ 4 , 28 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 49
Medida de g e n e r a l i d a d e : 0 .1095841
C l a s s e formada p e l a u n i a o de : o b j e t o F/>=65/ Pos−Graduacao e c l a s s e C 34
Composicao da C l a s s e : F/>=65/ Pos−Graduacao F/>=65/ Pos−S e c u n d a r i o M/>=65/ Pos−
S e c u n d a r i o
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ 0 , 1 ] ; Razao 2 = [ 0 , 0 ] ; Razao 3 = [ 0 , 0 .333333 ]
; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ; Razao 6 = [ 0 , 0 ] ;
Razao 7 = [ 0 , 0 .666667 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [ 0 , 0 ]
; Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12 = [ 0 , 0 ]
; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ NA , NA ] ; Emprego 2 =
[ NA , NA ] ; Emprego 3 = [ NA , NA ] ; Emprego 4 = [ NA , NA ] ;
Emprego 5 = [ NA , NA ] ; Emprego 6 = [ NA , NA ] ; Emprego 7 = [ NA ,
NA ] ; Emprego 8 = [ NA , NA ] ; Emprego 9 = [ NA , NA ] ; Emprego 10
= [ NA , NA ] } ; { Ult imo 1 = [ 0 , 0 ] ; Ul t imo 2 = [ 0 , 0 . 5 ] ;
Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 0 ] ; Ul t imo 5 = [ 0 .333333 ,
0 . 5 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 = [ 0
, 0 .666667 ] ; Ul t imo 9 = [ 0 , 0 .333333 ] ; Ul t imo 10 = [ 0 , 0 ] } ;
{ S i t u a c a o 1 = [ 1 , 1 ] ; S i t u a c a o 2 = [ 0 , 0 ] ; S i t u a c a o 3 = [
0 , 0 ] } ; Desemprego = [ 102 , 224 ] ; A c t i v i d a d e = [ 42 , 58 ] )
112
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 50
Medida de g e n e r a l i d a d e : 0 .11424568
C l a s s e formada p e l a u n i a o de : o b j e t o M/45−64/ L i c e n c i a t u r a e o b j e t o M/45−64/
B a c h a r e l a t o
Composicao da C l a s s e : M/45−64/ L i c e n c i a t u r a M/45−64/ B a c h a r e l a t o
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .983607 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0163934 ] } ; { Razao 1 = [ 0 , 0 . 2 ] ; Razao 2 = [ 0 , 0 ] ;
Razao 3 = [ 0 , 0 .333333 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ]
; Razao 6 = [ 0 , 0 ] ; Razao 7 = [ 0 , 0 . 2 ] ; Razao 8 = [ 0 , 0 ] ;
Razao 9 = [ 0 . 2 , 0 .333333 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11 = [
0 .333333 , 0 . 4 ] ; Razao 12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; {
Emprego 1 = [ 0 .232143 , 0 .266667 ] ; Emprego 2 = [ 0 .0535714 ,
0 .133333 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 , 0 ] ; Emprego 5
= [ 0 , 0 .0178571 ] ; Emprego 6 = [ 0 .466667 , 0 .660714 ] ; Emprego 7 =
[ 0 , 0 .0666667 ] ; Emprego 8 = [ 0 , 0 .0178571 ] ; Emprego 9 = [ 0 ,
0 .0666667 ] ; Emprego 10 = [ 0 , 0 .0178571 ] } ; { Ult imo 1 = [ 0 ,
0 ] ; Ul t imo 2 = [ 0 , 0 . 2 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 ,
0 ] ; Ul t imo 5 = [ 0 , 0 .333333 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 =
[ 0 , 0 ] ; Ul t imo 8 = [ 0 . 6 , 0 .666667 ] ; Ul t imo 9 = [ 0 , 0 . 2 ] ;
Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 .0327869 , 0 .0555556 ] ;
S i t u a c a o 2 = [ 0 .833333 , 0 .918033 ] ; S i t u a c a o 3 = [ 0 .0491803 ,
0 .111111 ] } ; Desemprego = [ 2 , 218 ] ; A c t i v i d a d e = [ 22 , 44 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 51
Medida de g e n e r a l i d a d e : 0 .11441795
C l a s s e formada p e l a u n i a o de : o b j e t o F/>=65/ B a c h a r e l a t o e o b j e t o F/>=65/
L i c e n c i a t u r a
Composicao da C l a s s e : F/>=65/ B a c h a r e l a t o F/>=65/ L i c e n c i a t u r a
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ 0 .666667 , 0 .714286 ] ; Razao 2 = [ 0 , 0 ] ; Razao 3 = [
0 .111111 , 0 .142857 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ;
Razao 6 = [ 0 , 0 .0714286 ] ; Razao 7 = [ 0 .0714286 , 0 .222222 ] ; Razao
8 = [ 0 , 0 ] ; Razao 9 = [ 0 , 0 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11
= [ 0 , 0 ] ; Razao 12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; {
Emprego 1 = [ 0 . 5 , 0 . 5 ] ; Emprego 2 = [ 0 , 0 ] ; Emprego 3 = [ 0 ,
0 ] ; Emprego 4 = [ 0 , 0 ] ; Emprego 5 = [ 0 , 0 ] ; Emprego 6 = [
0 . 5 , 0 . 5 ] ; Emprego 7 = [ 0 , 0 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9
= [ 0 , 0 ] ; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 = [ 0 , 0 ] ;
Ul t imo 2 = [ 0 , 0 .0714286 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 ,
0 ] ; Ul t imo 5 = [ 0 .333333 , 0 .571429 ] ; Ul t imo 6 = [ 0 , 0 ] ;
Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 = [ 0 .357143 , 0 .666667 ] ; Ul t imo 9 =
[ 0 , 0 ] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 .857143 , 1
] ; S i t u a c a o 2 = [ 0 , 0 .142857 ] ; S i t u a c a o 3 = [ 0 , 0 ] } ;
Desemprego = [ 31 , 251 ] ; A c t i v i d a d e = [ 39 , 69 ] )
113
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 52
Medida de g e n e r a l i d a d e : 0 .11641729
C l a s s e formada p e l a u n i a o de : o b j e t o M/35−44/ Bas i co2 e o b j e t o M/35−44/ Bas i co1
Composicao da C l a s s e : M/35−44/ Bas i co2 M/35−44/ Bas i co1
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .992453 , 0 .994924 ] ; N a c i o n a l i d a d e 2 = [
0 .00507614 , 0 .00754717 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0
, 0 .107143 ] ; Razao 3 = [ 0 .242424 , 0 . 2 5 ] ; Razao 4 = [ 0 , 0 .030303
] ; Razao 5 = [ 0 .212121 , 0 .285714 ] ; Razao 6 = [ 0 , 0 ] ; Razao 7 =
[ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [ 0 , 0 .0909091 ] ; Razao
10 = [ 0 .151515 , 0 .178571 ] ; Razao 11 = [ 0 .178571 , 0 .272727 ] ;
Razao 12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [
0 .0792683 , 0 .148936 ] ; Emprego 2 = [ 0 .0121951 , 0 .0297872 ] ; Emprego 3
= [ 0 .170732 , 0 .212766 ] ; Emprego 4 = [ 0 .0425532 , 0 .054878 ] ;
Emprego 5 = [ 0 .451064 , 0 .52439 ] ; Emprego 6 = [ 0 , 0 ] ; Emprego 7
= [ 0 .0243902 , 0 .0255319 ] ; Emprego 8 = [ 0 .0382979 , 0 .0670732 ] ;
Emprego 9 = [ 0 .0510638 , 0 .0670732 ] ; Emprego 10 = [ 0 , 0 ] } ; {
Ult imo 1 = [ 0 .545455 , 0 .678571 ] ; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3 =
[ 0 .142857 , 0 .151515 ] ; Ul t imo 4 = [ 0 .142857 , 0 .151515 ] ; Ul t imo 5
= [ 0 , 0 ] ; Ul t imo 6 = [ 0 , 0 .030303 ] ; Ul t imo 7 = [ 0 , 0 .0606061
] ; Ul t imo 8 = [ 0 , 0 ] ; Ul t imo 9 = [ 0 .0357143 , 0 .0606061 ] ;
Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 .0534351 , 0 .0561224 ] ;
S i t u a c a o 2 = [ 0 .836735 , 0 .896947 ] ; S i t u a c a o 3 = [ 0 .0496183 ,
0 .107143 ] } ; Desemprego = [ 0 , 306 ] ; A c t i v i d a d e = [ 12 , 38 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 53
Medida de g e n e r a l i d a d e : 0 .12320222
C l a s s e formada p e l a u n i a o de : c l a s s e C 36 e c l a s s e C 45
Composicao da C l a s s e : M/15−24/ S e c u n d a r i o F/15−24/ Bas i co2 F/15−24/ Bas i co3 F
/15−24/ S e c u n d a r i o M/15−24/ Bas i co3 M/15−24/ Bas i co2
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .965116 , 0 .994845 ] ; N a c i o n a l i d a d e 2 = [
0 .00515464 , 0 .0348837 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 ,
0 . 1 5 ] ; Razao 3 = [ 0 , 0 .0909091 ] ; Razao 4 = [ 0 , 0 . 1 ] ; Razao 5
= [ 0 .166667 , 0 .347826 ] ; Razao 6 = [ 0 , 0 .0909091 ] ; Razao 7 = [
0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [ 0 .0857143 , 0 . 5 ] ; Razao 10
= [ 0 . 1 5 , 0 .485714 ] ; Razao 11 = [ 0 , 0 .181818 ] ; Razao 12 = [ 0
, 0 .166667 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 ,
0 .0153846 ] ; Emprego 2 = [ 0 , 0 .171875 ] ; Emprego 3 = [ 0 , 0 .125 ] ;
Emprego 4 = [ 0 .0833333 , 0 .492308 ] ; Emprego 5 = [ 0 .0461538 ,
0 .666667 ] ; Emprego 6 = [ 0 , 0 .0307692 ] ; Emprego 7 = [ 0 , 0 .307692
] ; Emprego 8 = [ 0 , 0 .0833333 ] ; Emprego 9 = [ 0 .0416667 , 0 . 2 5 ] ;
Emprego 10 = [ 0 , 0 .125 ] } ; { Ult imo 1 = [ 0 . 0 5 , 0 . 6 ] ; Ul t imo
2 = [ 0 , 0 ] ; Ul t imo 3 = [ 0 , 0 .173913 ] ; Ul t imo 4 = [ 0 ,
0 .272727 ] ; Ul t imo 5 = [ 0 , 0 ] ; Ul t imo 6 = [ 0 .173913 , 0 . 6 ] ;
Ul t imo 7 = [ 0 , 0 . 0 5 ] ; Ul t imo 8 = [ 0 , 0 ] ; Ul t imo 9 = [ 0 , 0 . 2
114
] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 .53125 , 0 .632743 ]
; S i t u a c a o 2 = [ 0 .27907 , 0 .375 ] ; S i t u a c a o 3 = [ 0 .0552486 , 0 .116279
] } ; Desemprego = [ 0 , 80 ] ; A c t i v i d a d e = [ 0 , 12 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 54
Medida de g e n e r a l i d a d e : 0 .12350229
C l a s s e formada p e l a u n i a o de : o b j e t o F/25−34/Nenhum e o b j e t o F/15−24/ Bas i co1
Composicao da C l a s s e : F /25−34/Nenhum F/15−24/ Bas i co1
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 ] ; Razao 3 = [ 0 , 0 ] ;
Razao 4 = [ 0 , 0 . 2 5 ] ; Razao 5 = [ 0 , 0 . 2 5 ] ; Razao 6 = [ 0 . 2 5 ,
0 .333333 ] ; Razao 7 = [ 0 , 0 .333333 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9
= [ 0 , 0 ] ; Razao 10 = [ 0 , 0 .333333 ] ; Razao 11 = [ 0 , 0 ] ;
Razao 12 = [ 0 , 0 . 2 5 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [
0 , 0 ] ; Emprego 2 = [ 0 , 0 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 =
[ 0 , 0 ] ; Emprego 5 = [ 0 . 2 5 , 1 ] ; Emprego 6 = [ 0 , 0 ] ; Emprego
7 = [ 0 , 0 ] ; Emprego 8 = [ 0 , 0 . 7 5 ] ; Emprego 9 = [ 0 , 0 ] ;
Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 = [ 0 , 0 .333333 ] ; Ul t imo 2
= [ 0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 0 . 5 ] ; Ul t imo 5
= [ 0 , 0 ] ; Ul t imo 6 = [ 0 . 2 5 , 0 .333333 ] ; Ul t imo 7 = [ 0 . 2 5 ,
0 .333333 ] ; Ul t imo 8 = [ 0 , 0 ] ; Ul t imo 9 = [ 0 , 0 ] ; Ul t imo 10 =
[ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 .555556 , 0 .571429 ] ; S i t u a c a o 2 =
[ 0 .111111 , 0 .285714 ] ; S i t u a c a o 3 = [ 0 .142857 , 0 .333333 ] } ;
Desemprego = [ 1 , 159 ] ; A c t i v i d a d e = [ 6 , 21 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 55
Medida de g e n e r a l i d a d e : 0 .1248973
C l a s s e formada p e l a u n i a o de : c l a s s e C 38 e c l a s s e C 40
Composicao da C l a s s e : F /25−34/ S e c u n d a r i o F/25−34/ Bas i co3 M/25−34/ Bas i co3 M
/25−34/ S e c u n d a r i o
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 . 9 6 , 0 .985294 ] ; N a c i o n a l i d a d e 2 = [ 0 .0147059
, 0 . 0 4 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 .214286 ] ;
Razao 3 = [ 0 , 0 .148148 ] ; Razao 4 = [ 0 , 0 .0833333 ] ; Razao 5 = [
0 .208333 , 0 .37037 ] ; Razao 6 = [ 0 , 0 ] ; Razao 7 = [ 0 , 0 ] ;
Razao 8 = [ 0 , 0 .0714286 ] ; Razao 9 = [ 0 .0740741 , 0 .214286 ] ; Razao
10 = [ 0 , 0 .285714 ] ; Razao 11 = [ 0 .0714286 , 0 .208333 ] ; Razao 12
= [ 0 , 0 .0714286 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [
0 .0350877 , 0 .0736842 ] ; Emprego 2 = [ 0 .0275229 , 0 .147368 ] ; Emprego 3
= [ 0 .0175439 , 0 .143713 ] ; Emprego 4 = [ 0 .126316 , 0 .368421 ] ;
Emprego 5 = [ 0 .0526316 , 0 .371257 ] ; Emprego 6 = [ 0 , 0 .0315789 ] ;
Emprego 7 = [ 0 .101796 , 0 .263158 ] ; Emprego 8 = [ 0 , 0 .0538922 ] ;
Emprego 9 = [ 0 .0598802 , 0 .192661 ] ; Emprego 10 = [ 0 , 0 .00877193 ]
} ; { Ult imo 1 = [ 0 , 0 .259259 ] ; Ul t imo 2 = [ 0 , 0 .037037 ] ;
Ul t imo 3 = [ 0 .0714286 , 0 .291667 ] ; Ul t imo 4 = [ 0 .0714286 , 0 .185185
] ; Ul t imo 5 = [ 0 , 0 .142857 ] ; Ul t imo 6 = [ 0 .148148 , 0 . 5 ] ; Ul t imo
115
7 = [ 0 , 0 ] ; Ul t imo 8 = [ 0 , 0 .0416667 ] ; Ul t imo 9 = [ 0 .0416667
, 0 .357143 ] ; Ul t imo 10 = [ 0 , 0 .0416667 ] } ; { S i t u a c a o 1 = [
0 .0451128 , 0 .153226 ] ; S i t u a c a o 2 = [ 0 .766129 , 0 .865285 ] ; S i t u a c a o 3
= [ 0 .0806452 , 0 .135338 ] } ; Desemprego = [ 0 , 133 ] ; A c t i v i d a d e
= [ 1 , 20 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 56
Medida de g e n e r a l i d a d e : 0 .12853041
C l a s s e formada p e l a u n i a o de : o b j e t o F/35−44/ Bas i co3 e o b j e t o F/35−44/ Bas i co2
Composicao da C l a s s e : F /35−44/ Bas i co3 F/35−44/ Bas i co2
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .969925 , 0 .985294 ] ; N a c i o n a l i d a d e 2 = [
0 .0147059 , 0 .0300752 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 ,
0 .0588235 ] ; Razao 3 = [ 0 .132353 , 0 .147059 ] ; Razao 4 = [ 0 .191176 ,
0 .235294 ] ; Razao 5 = [ 0 .0735294 , 0 .147059 ] ; Razao 6 = [ 0 .0294118
, 0 .0882353 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 .0294118 , 0 .0294118
] ; Razao 9 = [ 0 .0882353 , 0 .117647 ] ; Razao 10 = [ 0 .0294118 ,
0 .147059 ] ; Razao 11 = [ 0 .205882 , 0 . 2 5 ] ; Razao 12 = [ 0 , 0 ] ;
Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 .0259067 , 0 .0606061 ] ;
Emprego 2 = [ 0 .0207254 , 0 .0808081 ] ; Emprego 3 = [ 0 .040404 ,
0 .0673575 ] ; Emprego 4 = [ 0 .238342 , 0 .393939 ] ; Emprego 5 = [
0 .0606061 , 0 .321244 ] ; Emprego 6 = [ 0 , 0 .010101 ] ; Emprego 7 = [
0 .0207254 , 0 .161616 ] ; Emprego 8 = [ 0 .0505051 , 0 .103627 ] ; Emprego 9
= [ 0 .141414 , 0 .202073 ] ; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 =
[ 0 .264706 , 0 .426471 ] ; Ul t imo 2 = [ 0 , 0 .0441176 ] ; Ul t imo 3 = [
0 .0588235 , 0 .102941 ] ; Ul t imo 4 = [ 0 .117647 , 0 .117647 ] ; Ul t imo 5 =
[ 0 , 0 .117647 ] ; Ul t imo 6 = [ 0 .264706 , 0 .264706 ] ; Ul t imo 7 = [ 0
, 0 .0147059 ] ; Ul t imo 8 = [ 0 , 0 ] ; Ul t imo 9 = [ 0 .0294118 , 0 .176471
] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 .137405 , 0 .197026
] ; S i t u a c a o 2 = [ 0 .717472 , 0 .755725 ] ; S i t u a c a o 3 = [ 0 .0855019 ,
0 .10687 ] } ; Desemprego = [ 1 , 300 ] ; A c t i v i d a d e = [ 7 , 33 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 57
Medida de g e n e r a l i d a d e : 0 .12899727
C l a s s e formada p e l a u n i a o de : o b j e t o F/45−64/ Doutoramento e c l a s s e C 39
Composicao da C l a s s e : F /45−64/ Doutoramento F/35−44/ B a c h a r e l a t o F/25−34/
B a c h a r e l a t o M/35−44/ Mes t rado
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .666667 , 0 .857143 ] ; N a c i o n a l i d a d e 2 = [
0 .142857 , 0 .333333 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0
] ; Razao 3 = [ 0 , 0 ] ; Razao 4 = [ 0 , 1 ] ; Razao 5 = [ 0 , 0 ] ;
Razao 6 = [ 0 , 0 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ;
Razao 9 = [ 0 , 0 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 1 ] ;
Razao 12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0
, 0 .0833333 ] ; Emprego 2 = [ 0 , 0 .384615 ] ; Emprego 3 = [ 0 , 0 ] ;
Emprego 4 = [ 0 , 0 .153846 ] ; Emprego 5 = [ 0 , 0 .0769231 ] ; Emprego 6
= [ 0 , 1 ] ; Emprego 7 = [ 0 , 0 .307692 ] ; Emprego 8 = [ 0 , 0 ] ;
116
Emprego 9 = [ 0 , 0 . 2 5 ] ; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 =
[ 0 , 0 ] ; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 =
[ 0 , 0 ] ; Ul t imo 5 = [ 0 , 0 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 = [
0 , 0 ] ; Ul t imo 8 = [ 1 , 1 ] ; Ul t imo 9 = [ 0 , 0 ] ; Ul t imo 10 = [
0 , 0 ] } ; { S i t u a c a o 1 = [ 0 , 0 . 2 5 ] ; S i t u a c a o 2 = [ 0 . 7 5 , 1 ]
; S i t u a c a o 3 = [ 0 , 0 .0769231 ] } ; Desemprego = [ 3 , 25 ] ;
A c t i v i d a d e = [ 12 , 22 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 58
Medida de g e n e r a l i d a d e : 0 .12916626
C l a s s e formada p e l a u n i a o de : o b j e t o F/45−64/ L i c e n c i a t u r a e o b j e t o M/45−64/
Pos−S e c u n d a r i o
Composicao da C l a s s e : F /45−64/ L i c e n c i a t u r a M/45−64/ Pos−S e c u n d a r i o
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .952941 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0470588 ] } ; { Razao 1 = [ 0 , 0 . 7 5 ] ; Razao 2 = [ 0 , 0 ] ;
Razao 3 = [ 0 . 1 , 1 ] ; Razao 4 = [ 0 , 0 . 1 ] ; Razao 5 = [ 0 , 0 ] ;
Razao 6 = [ 0 , 0 ] ; Razao 7 = [ 0 , 0 . 0 5 ] ; Razao 8 = [ 0 , 0 ] ;
Razao 9 = [ 0 , 0 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 0 ] ;
Razao 12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [
0 .0461538 , 0 .333333 ] ; Emprego 2 = [ 0 .153846 , 0 .666667 ] ; Emprego 3
= [ 0 , 0 ] ; Emprego 4 = [ 0 , 0 .0461538 ] ; Emprego 5 = [ 0 , 0 ] ;
Emprego 6 = [ 0 , 0 .692308 ] ; Emprego 7 = [ 0 , 0 .0153846 ] ; Emprego 8
= [ 0 , 0 ] ; Emprego 9 = [ 0 , 0 .0461538 ] ; Emprego 10 = [ 0 , 0 ]
} ; { Ult imo 1 = [ 0 , 0 ] ; Ul t imo 2 = [ 0 , 0 . 0 5 ] ; Ul t imo 3 =
[ 0 , 0 ] ; Ul t imo 4 = [ 0 , 0 ] ; Ul t imo 5 = [ 0 , 0 . 4 5 ] ; Ul t imo 6 =
[ 0 , 0 ] ; Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 = [ 0 . 4 5 , 1 ] ; Ul t imo 9
= [ 0 , 0 . 0 5 ] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [
0 .235294 , 0 . 2 5 ] ; S i t u a c a o 2 = [ 0 . 7 5 , 0 .764706 ] ; S i t u a c a o 3 = [ 0
, 0 ] } ; Desemprego = [ 5 , 145 ] ; A c t i v i d a d e = [ 21 , 44 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 59
Medida de g e n e r a l i d a d e : 0 .13916424
C l a s s e formada p e l a u n i a o de : c l a s s e C 29 e c l a s s e C 42
Composicao da C l a s s e : F /15−24/ L i c e n c i a t u r a F/25−34/ Pos−S e c u n d a r i o M/15−24/
L i c e n c i a t u r a M/15−24/ Pos−S e c u n d a r i o
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .857143 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 .142857
] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 ] ; Razao 3 = [ 0
, 0 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 . 2 5 , 0 . 5 ] ; Razao 6 = [
0 , 0 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [ 0 ,
0 ] ; Razao 10 = [ 0 . 5 , 0 . 7 5 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12 = [
0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 ] ; Emprego
2 = [ 0 , 0 . 2 5 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 , 1 ] ;
Emprego 5 = [ 0 , 0 . 2 5 ] ; Emprego 6 = [ 0 , 0 .727273 ] ; Emprego 7 =
[ 0 , 0 .272727 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0 , 0 ] ;
Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 = [ 0 , 0 . 5 ] ; Ul t imo 2 = [
117
0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 0 ] ; Ul t imo 5 = [
0 , 0 . 5 ] ; Ul t imo 6 = [ 0 , 0 . 2 5 ] ; Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 =
[ 0 , 0 . 5 ] ; Ul t imo 9 = [ 0 , 0 . 5 ] ; Ul t imo 10 = [ 0 , 0 ] } ; {
S i t u a c a o 1 = [ 0 .0816327 , 0 .363636 ] ; S i t u a c a o 2 = [ 0 .333333 ,
0 .591837 ] ; S i t u a c a o 3 = [ 0 .136364 , 0 .333333 ] } ; Desemprego = [ 2
, 23 ] ; A c t i v i d a d e = [ 0 , 4 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 60
Medida de g e n e r a l i d a d e : 0 .14113179
C l a s s e formada p e l a u n i a o de : o b j e t o M/35−44/Nenhum e o b j e t o F/35−44/Nenhum
Composicao da C l a s s e : M/35−44/Nenhum F/35−44/Nenhum
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 .0909091 ] ; Razao 3 = [ 0 ,
0 .363636 ] ; Razao 4 = [ 0 , 0 .0909091 ] ; Razao 5 = [ 0 .181818 , 0 . 4 ]
; Razao 6 = [ 0 , 0 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ;
Razao 9 = [ 0 .181818 , 0 . 2 ] ; Razao 10 = [ 0 , 0 .0909091 ] ; Razao 11
= [ 0 , 0 . 4 ] ; Razao 12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; {
Emprego 1 = [ 0 , 0 .0625 ] ; Emprego 2 = [ 0 , 0 ] ; Emprego 3 = [ 0 ,
0 .125 ] ; Emprego 4 = [ 0 , 0 . 1 ] ; Emprego 5 = [ 0 , 0 .4375 ] ;
Emprego 6 = [ 0 , 0 ] ; Emprego 7 = [ 0 , 0 .0625 ] ; Emprego 8 = [
0 . 2 5 , 0 . 4 ] ; Emprego 9 = [ 0 .0625 , 0 . 5 ] ; Emprego 10 = [ 0 , 0 ] }
; { Ult imo 1 = [ 0 . 2 , 0 .636364 ] ; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3
= [ 0 , 0 . 2 ] ; Ul t imo 4 = [ 0 , 0 .272727 ] ; Ul t imo 5 = [ 0 , 0 ] ;
Ul t imo 6 = [ 0 , 0 . 4 ] ; Ul t imo 7 = [ 0 , 0 .0909091 ] ; Ul t imo 8 = [ 0
, 0 ] ; Ul t imo 9 = [ 0 , 0 . 2 ] ; Ul t imo 10 = [ 0 , 0 ] } ; {
S i t u a c a o 1 = [ 0 .447368 , 0 .62963 ] ; S i t u a c a o 2 = [ 0 .37037 , 0 .421053
] ; S i t u a c a o 3 = [ 0 , 0 .131579 ] } ; Desemprego = [ 2 , 228 ] ;
A c t i v i d a d e = [ 18 , 34 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 61
Medida de g e n e r a l i d a d e : 0 .14475159
C l a s s e formada p e l a u n i a o de : o b j e t o F/45−64/ B a c h a r e l a t o e o b j e t o M/45−64/
S e c u n d a r i o
Composicao da C l a s s e : F /45−64/ B a c h a r e l a t o M/45−64/ S e c u n d a r i o
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .970297 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 .029703
] } ; { Razao 1 = [ 0 .190476 , 0 .578947 ] ; Razao 2 = [ 0 , 0 ] ;
Razao 3 = [ 0 .0526316 , 0 .142857 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [
0 .047619 , 0 .105263 ] ; Razao 6 = [ 0 , 0 ] ; Razao 7 = [ 0 .210526 ,
0 .238095 ] ; Razao 8 = [ 0 , 0 .047619 ] ; Razao 9 = [ 0 .0526316 ,
0 .238095 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 0 .0952381 ] ; Razao
12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 . 1 6 ,
0 .225 ] ; Emprego 2 = [ 0 .275 , 0 . 4 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego
4 = [ 0 , 0 .175 ] ; Emprego 5 = [ 0 , 0 .0625 ] ; Emprego 6 = [ 0 . 0 5 ,
0 . 3 6 ] ; Emprego 7 = [ 0 . 0 8 , 0 .1375 ] ; Emprego 8 = [ 0 , 0 .025 ] ;
Emprego 9 = [ 0 , 0 .025 ] ; Emprego 10 = [ 0 , 0 .025 ] } ; { Ult imo
118
1 = [ 0 , 0 .0952381 ] ; Ul t imo 2 = [ 0 .0952381 , 0 .105263 ] ; Ul t imo 3
= [ 0 .0526316 , 0 .0952381 ] ; Ul t imo 4 = [ 0 , 0 .047619 ] ; Ul t imo 5 =
[ 0 .333333 , 0 .631579 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 = [ 0 , 0 ] ;
Ul t imo 8 = [ 0 .047619 , 0 .210526 ] ; Ul t imo 9 = [ 0 , 0 .285714 ] ;
Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 . 1 6 , 0 .386364 ] ;
S i t u a c a o 2 = [ 0 .568182 , 0 . 8 ] ; S i t u a c a o 3 = [ 0 . 0 4 , 0 .0454545 ] }
; Desemprego = [ 3 , 217 ] ; A c t i v i d a d e = [ 27 , 54 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 62
Medida de g e n e r a l i d a d e : 0 .14549676
C l a s s e formada p e l a u n i a o de : o b j e t o F/45−64/ S e c u n d a r i o e o b j e t o F/45−64/
Bas i co3
Composicao da C l a s s e : F /45−64/ S e c u n d a r i o F/45−64/ Bas i co3
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .982143 , 0 .987879 ] ; N a c i o n a l i d a d e 2 = [
0 .0121212 , 0 .0178571 ] } ; { Razao 1 = [ 0 .0285714 , 0 .162791 ] ;
Razao 2 = [ 0 .0465116 , 0 .0857143 ] ; Razao 3 = [ 0 .0930233 , 0 .257143 ]
; Razao 4 = [ 0 .0697674 , 0 .0857143 ] ; Razao 5 = [ 0 .0930233 ,
0 .142857 ] ; Razao 6 = [ 0 , 0 .0465116 ] ; Razao 7 = [ 0 .114286 ,
0 .162791 ] ; Razao 8 = [ 0 .0232558 , 0 .0285714 ] ; Razao 9 = [ 0 .0697674
, 0 .142857 ] ; Razao 10 = [ 0 , 0 .0232558 ] ; Razao 11 = [ 0 .114286 ,
0 .209302 ] ; Razao 12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; {
Emprego 1 = [ 0 .112676 , 0 .118182 ] ; Emprego 2 = [ 0 .0909091 , 0 .366197
] ; Emprego 3 = [ 0 , 0 .0181818 ] ; Emprego 4 = [ 0 .126761 , 0 .309091 ]
; Emprego 5 = [ 0 , 0 .00909091 ] ; Emprego 6 = [ 0 , 0 .056338 ] ;
Emprego 7 = [ 0 .239437 , 0 .263636 ] ; Emprego 8 = [ 0 , 0 .0272727 ] ;
Emprego 9 = [ 0 .0985915 , 0 .163636 ] ; Emprego 10 = [ 0 , 0 ] } ; {
Ult imo 1 = [ 0 , 0 .162791 ] ; Ul t imo 2 = [ 0 .0285714 , 0 .0697674 ] ;
Ul t imo 3 = [ 0 , 0 .0232558 ] ; Ul t imo 4 = [ 0 .0232558 , 0 .0857143 ] ;
Ul t imo 5 = [ 0 .186047 , 0 .257143 ] ; Ul t imo 6 = [ 0 .0571429 , 0 .162791 ]
; Ul t imo 7 = [ 0 , 0 .0232558 ] ; Ul t imo 8 = [ 0 .0232558 , 0 .0285714 ] ;
Ul t imo 9 = [ 0 .325581 , 0 .542857 ] ; Ul t imo 10 = [ 0 , 0 ] } ; {
S i t u a c a o 1 = [ 0 .286585 , 0 .315315 ] ; S i t u a c a o 2 = [ 0 .63964 , 0 .670732
] ; S i t u a c a o 3 = [ 0 .0426829 , 0 .045045 ] } ; Desemprego = [ 0 , 360
] ; A c t i v i d a d e = [ 20 , 50 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 63
Medida de g e n e r a l i d a d e : 0 .14851213
C l a s s e formada p e l a u n i a o de : c l a s s e C 37 e c l a s s e C 47
Composicao da C l a s s e : M/25−34/ Bas i co2 M/25−34/ Bas i co1 M/35−44/ Bas i co3 M
/35−44/ S e c u n d a r i o
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .938272 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0617284 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 .111111 ] ;
Razao 3 = [ 0 .0555556 , 0 . 2 5 ] ; Razao 4 = [ 0 , 0 .111111 ] ; Razao 5
= [ 0 , 0 .272727 ] ; Razao 6 = [ 0 , 0 . 2 5 ] ; Razao 7 = [ 0 , 0 ] ;
Razao 8 = [ 0 , 0 ] ; Razao 9 = [ 0 .0909091 , 0 . 4 ] ; Razao 10 = [ 0 . 1
119
, 0 . 2 5 ] ; Razao 11 = [ 0 , 0 .277778 ] ; Razao 12 = [ 0 , 0 .0909091 ] ;
Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 .161905 ] ; Emprego 2
= [ 0 .0277778 , 0 .228571 ] ; Emprego 3 = [ 0 .0714286 , 0 . 2 5 ] ; Emprego
4 = [ 0 , 0 . 1 ] ; Emprego 5 = [ 0 .128571 , 0 .611111 ] ; Emprego 6 = [
0 , 0 .0142857 ] ; Emprego 7 = [ 0 .0277778 , 0 .314286 ] ; Emprego 8 = [
0 , 0 .0833333 ] ; Emprego 9 = [ 0 , 0 .0666667 ] ; Emprego 10 = [ 0 ,
0 .00952381 ] } ; { Ult imo 1 = [ 0 , 0 . 7 5 ] ; Ul t imo 2 = [ 0 , 0 . 1 ]
; Ul t imo 3 = [ 0 .0909091 , 0 . 2 5 ] ; Ul t imo 4 = [ 0 , 0 .111111 ] ; Ul t imo
5 = [ 0 , 0 . 5 ] ; Ul t imo 6 = [ 0 , 0 .272727 ] ; Ul t imo 7 = [ 0 , 0 ]
; Ul t imo 8 = [ 0 , 0 ] ; Ul t imo 9 = [ 0 , 0 . 2 ] ; Ul t imo 10 = [ 0 , 0
] } ; { S i t u a c a o 1 = [ 0 .042735 , 0 .0740741 ] ; S i t u a c a o 2 = [
0 .864198 , 0 . 9 ] ; S i t u a c a o 3 = [ 0 . 0 5 , 0 .0657895 ] } ; Desemprego =
[ 1 , 147 ] ; A c t i v i d a d e = [ 7 , 30 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 64
Medida de g e n e r a l i d a d e : 0 .14985315
C l a s s e formada p e l a u n i a o de : c l a s s e C 49 e c l a s s e C 51
Composicao da C l a s s e : F/>=65/ Pos−Graduacao F/>=65/ Pos−S e c u n d a r i o M/>=65/ Pos−
S e c u n d a r i o F/>=65/ B a c h a r e l a t o F/>=65/ L i c e n c i a t u r a
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ 0 , 1 ] ; Razao 2 = [ 0 , 0 ] ; Razao 3 = [ 0 , 0 .333333 ]
; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ; Razao 6 = [ 0 ,
0 .0714286 ] ; Razao 7 = [ 0 , 0 .666667 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9
= [ 0 , 0 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12
= [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 . 5 , 0 . 5 ]
; Emprego 2 = [ 0 , 0 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 , 0
] ; Emprego 5 = [ 0 , 0 ] ; Emprego 6 = [ 0 . 5 , 0 . 5 ] ; Emprego 7 = [
0 , 0 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0 , 0 ] ; Emprego 10 =
[ 0 , 0 ] } ; { Ult imo 1 = [ 0 , 0 ] ; Ul t imo 2 = [ 0 , 0 . 5 ] ;
Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 0 ] ; Ul t imo 5 = [ 0 .333333 ,
0 .571429 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 =
[ 0 , 0 .666667 ] ; Ul t imo 9 = [ 0 , 0 .333333 ] ; Ul t imo 10 = [ 0 , 0 ]
} ; { S i t u a c a o 1 = [ 0 .857143 , 1 ] ; S i t u a c a o 2 = [ 0 , 0 .142857 ] ;
S i t u a c a o 3 = [ 0 , 0 ] } ; Desemprego = [ 31 , 251 ] ; A c t i v i d a d e =
[ 39 , 69 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 65
Medida de g e n e r a l i d a d e : 0 .15310088
C l a s s e formada p e l a u n i a o de : c l a s s e C 23 e c l a s s e C 41
Composicao da C l a s s e : M/25−34/ Pos−S e c u n d a r i o M/15−24/ B a c h a r e l a t o M/25−34/
Doutoramento F/25−34/ Mes t rado M/35−44/ Pos−S e c u n d a r i o F/35−44/ Doutoramento M
/35−44/ Pos−Graduacao F/25−34/ Pos−Graduacao F/35−44/ Mes t rado M/>=65/ Mes t rado
M/45−64/ Pos−Graduacao M/35−44/ Doutoramento F/45−64/ Pos−Graduacao F/45−64/
Mes t rado M/45−64/ Mes t rado M/25−34/ Pos−Graduacao F/35−44/ Pos−Graduacao M
/35−44/ L i c e n c i a t u r a
D e s c r i c a o da c l a s s e :
120
( { N a c i o n a l i d a d e 1 = [ 0 .977778 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0222222 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 ] ; Razao
3 = [ 0 , 1 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ; Razao 6 =
[ 0 , 0 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [
0 , 1 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 1 ] ; Razao 12 = [ 0
, 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 .285714 ] ;
Emprego 2 = [ 0 , 1 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 ,
0 .0238095 ] ; Emprego 5 = [ 0 , 0 . 2 ] ; Emprego 6 = [ 0 , 1 ] ; Emprego
7 = [ 0 , 0 .0238095 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0 , 0 ]
; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 = [ 0 , 0 ] ; Ul t imo 2 = [
0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 1 ] ; Ul t imo 5 = [
0 , 0 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 = [ 0
, 1 ] ; Ul t imo 9 = [ 0 , 0 ] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o
1 = [ 0 , 0 .0444444 ] ; S i t u a c a o 2 = [ 0 .666667 , 1 ] ; S i t u a c a o 3 =
[ 0 , 0 .333333 ] } ; Desemprego = [ 17 , 73 ] ; A c t i v i d a d e = [ 5 , 10
] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 66
Medida de g e n e r a l i d a d e : 0 .15550347
C l a s s e formada p e l a u n i a o de : o b j e t o F/>=65/ S e c u n d a r i o e o b j e t o M/>=65/
B a c h a r e l a t o
Composicao da C l a s s e : F/>=65/ S e c u n d a r i o M/>=65/ B a c h a r e l a t o
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ 0 .571429 , 1 ] ; Razao 2 = [ 0 , 0 ] ; Razao 3 = [ 0 ,
0 .0714286 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ; Razao 6 = [
0 , 0 ] ; Razao 7 = [ 0 , 0 .357143 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 =
[ 0 , 0 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12 =
[ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 ] ;
Emprego 2 = [ 0 , 0 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 , 0 ]
; Emprego 5 = [ 0 , 0 ] ; Emprego 6 = [ 1 , 1 ] ; Emprego 7 = [ 0 , 0
] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0 , 0 ] ; Emprego 10 = [ 0 ,
0 ] } ; { Ult imo 1 = [ 0 , 0 ] ; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3 =
[ 0 , 0 ] ; Ul t imo 4 = [ 0 , 0 ] ; Ul t imo 5 = [ 0 .333333 , 0 .357143 ]
; Ul t imo 6 = [ 0 , 0 .0714286 ] ; Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 = [
0 .285714 , 0 .333333 ] ; Ul t imo 9 = [ 0 .285714 , 0 .333333 ] ; Ul t imo 10 =
[ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 . 7 5 , 1 ] ; S i t u a c a o 2 = [ 0 , 0 . 2 5
] ; S i t u a c a o 3 = [ 0 , 0 ] } ; Desemprego = [ 32 , 446 ] ; A c t i v i d a d e
= [ 42 , 69 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 67
Medida de g e n e r a l i d a d e : 0 .15931127
C l a s s e formada p e l a u n i a o de : o b j e t o M/45−64/ Bas i co2 e c l a s s e C 52
Composicao da C l a s s e : M/45−64/ Bas i co2 M/35−44/ Bas i co2 M/35−44/ Bas i co1
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .992453 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .00754717 ] } ; { Razao 1 = [ 0 , 0 .0545455 ] ; Razao 2 = [ 0 ,
121
0 .107143 ] ; Razao 3 = [ 0 .218182 , 0 . 2 5 ] ; Razao 4 = [ 0 , 0 .030303 ]
; Razao 5 = [ 0 .109091 , 0 .285714 ] ; Razao 6 = [ 0 , 0 ] ; Razao 7 =
[ 0 , 0 .0727273 ] ; Razao 8 = [ 0 , 0 .0727273 ] ; Razao 9 = [ 0 ,
0 .0909091 ] ; Razao 10 = [ 0 .0727273 , 0 .178571 ] ; Razao 11 = [
0 .178571 , 0 .290909 ] ; Razao 12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] }
; { Emprego 1 = [ 0 .0792683 , 0 .148936 ] ; Emprego 2 = [ 0 .0121951 ,
0 .0546448 ] ; Emprego 3 = [ 0 .147541 , 0 .212766 ] ; Emprego 4 = [
0 .0425532 , 0 .10929 ] ; Emprego 5 = [ 0 .360656 , 0 .52439 ] ; Emprego 6 =
[ 0 , 0 .00546448 ] ; Emprego 7 = [ 0 .0243902 , 0 .0546448 ] ; Emprego 8 =
[ 0 .0382979 , 0 .0670732 ] ; Emprego 9 = [ 0 .0510638 , 0 .0710383 ] ;
Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 = [ 0 .436364 , 0 .678571 ] ;
Ul t imo 2 = [ 0 , 0 .0909091 ] ; Ul t imo 3 = [ 0 .142857 , 0 .218182 ] ;
Ul t imo 4 = [ 0 .0363636 , 0 .151515 ] ; Ul t imo 5 = [ 0 , 0 .0181818 ] ;
Ul t imo 6 = [ 0 , 0 .145455 ] ; Ul t imo 7 = [ 0 , 0 .0606061 ] ; Ul t imo 8 =
[ 0 , 0 ] ; Ul t imo 9 = [ 0 .0357143 , 0 .0606061 ] ; Ul t imo 10 = [ 0 , 0
] } ; { S i t u a c a o 1 = [ 0 .0534351 , 0 .122881 ] ; S i t u a c a o 2 = [
0 .775424 , 0 .896947 ] ; S i t u a c a o 3 = [ 0 .0496183 , 0 .107143 ] } ;
Desemprego = [ 0 , 306 ] ; A c t i v i d a d e = [ 12 , 51 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 68
Medida de g e n e r a l i d a d e : 0 .16012385
C l a s s e formada p e l a u n i a o de : o b j e t o F/35−44/ Bas i co1 e c l a s s e C 56
Composicao da C l a s s e : F /35−44/ Bas i co1 F/35−44/ Bas i co3 F/35−44/ Bas i co2
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .969925 , 0 .991968 ] ; N a c i o n a l i d a d e 2 = [
0 .00803213 , 0 .0300752 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 ,
0 .0588235 ] ; Razao 3 = [ 0 .132353 , 0 .242857 ] ; Razao 4 = [ 0 .128571
, 0 .235294 ] ; Razao 5 = [ 0 .0735294 , 0 .147059 ] ; Razao 6 = [
0 .0294118 , 0 .128571 ] ; Razao 7 = [ 0 , 0 .0142857 ] ; Razao 8 = [
0 .0142857 , 0 .0294118 ] ; Razao 9 = [ 0 .0285714 , 0 .117647 ] ; Razao 10 =
[ 0 .0294118 , 0 .147059 ] ; Razao 11 = [ 0 .185714 , 0 . 2 5 ] ; Razao 12 =
[ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 .0259067 ,
0 .0606061 ] ; Emprego 2 = [ 0 , 0 .0808081 ] ; Emprego 3 = [ 0 .040404 ,
0 .0736196 ] ; Emprego 4 = [ 0 .128834 , 0 .393939 ] ; Emprego 5 = [
0 .0606061 , 0 .337423 ] ; Emprego 6 = [ 0 , 0 .010101 ] ; Emprego 7 = [
0 .0184049 , 0 .161616 ] ; Emprego 8 = [ 0 .0505051 , 0 .134969 ] ; Emprego 9
= [ 0 .141414 , 0 .269939 ] ; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 =
[ 0 .264706 , 0 .428571 ] ; Ul t imo 2 = [ 0 , 0 .0441176 ] ; Ul t imo 3 = [
0 .0588235 , 0 .102941 ] ; Ul t imo 4 = [ 0 .117647 , 0 .285714 ] ; Ul t imo 5 =
[ 0 , 0 .117647 ] ; Ul t imo 6 = [ 0 .157143 , 0 .264706 ] ; Ul t imo 7 = [ 0
, 0 .0285714 ] ; Ul t imo 8 = [ 0 , 0 ] ; Ul t imo 9 = [ 0 , 0 .176471 ] ;
Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 .137405 , 0 .240816 ] ;
S i t u a c a o 2 = [ 0 .665306 , 0 .755725 ] ; S i t u a c a o 3 = [ 0 .0855019 ,
0 .10687 ] } ; Desemprego = [ 1 , 335 ] ; A c t i v i d a d e = [ 3 , 34 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 69
Medida de g e n e r a l i d a d e : 0 .16600007
122
C l a s s e formada p e l a u n i a o de : o b j e t o M/>=65/ Bas i co3 e o b j e t o M/>=65/
S e c u n d a r i o
Composicao da C l a s s e : M/>=65/ Bas i co3 M/>=65/ S e c u n d a r i o
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ 0 .53125 , 0 .642857 ] ; Razao 2 = [ 0 .0357143 , 0 .09375 ] ;
Razao 3 = [ 0 , 0 .03125 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ]
; Razao 6 = [ 0 , 0 ] ; Razao 7 = [ 0 .125 , 0 .178571 ] ; Razao 8 = [
0 .0357143 , 0 .09375 ] ; Razao 9 = [ 0 .09375 , 0 .107143 ] ; Razao 10 = [
0 , 0 ] ; Razao 11 = [ 0 , 0 .03125 ] ; Razao 12 = [ 0 , 0 ] ; Razao 13
= [ 0 , 0 ] } ; { Emprego 1 = [ 0 . 5 , 1 ] ; Emprego 2 = [ 0 ,
0 .166667 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 , 0 ] ; Emprego 5
= [ 0 , 0 ] ; Emprego 6 = [ 0 , 0 ] ; Emprego 7 = [ 0 , 0 ] ; Emprego 8
= [ 0 , 0 .333333 ] ; Emprego 9 = [ 0 , 0 ] ; Emprego 10 = [ 0 , 0 ]
} ; { Ult imo 1 = [ 0 .0714286 , 0 .125 ] ; Ul t imo 2 = [ 0 .15625 ,
0 .178571 ] ; Ul t imo 3 = [ 0 .03125 , 0 .0357143 ] ; Ul t imo 4 = [ 0 ,
0 .0357143 ] ; Ul t imo 5 = [ 0 .178571 , 0 .28125 ] ; Ul t imo 6 = [ 0 .0625 ,
0 .0714286 ] ; Ul t imo 7 = [ 0 , 0 .03125 ] ; Ul t imo 8 = [ 0 .125 , 0 .142857
] ; Ul t imo 9 = [ 0 .1875 , 0 .285714 ] ; Ul t imo 10 = [ 0 , 0 ] } ; {
S i t u a c a o 1 = [ 0 .846154 , 0 .903226 ] ; S i t u a c a o 2 = [ 0 .0967742 ,
0 .153846 ] ; S i t u a c a o 3 = [ 0 , 0 ] } ; Desemprego = [ 5 , 444 ] ;
A c t i v i d a d e = [ 37 , 72 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 70
Medida de g e n e r a l i d a d e : 0 .17161923
C l a s s e formada p e l a u n i a o de : o b j e t o F/35−44/ S e c u n d a r i o e c l a s s e C 48
Composicao da C l a s s e : F /35−44/ S e c u n d a r i o F/25−34/ Bas i co2 F/25−34/ Bas i co1
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .966667 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0333333 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 .0526316 ,
0 .133333 ] ; Razao 3 = [ 0 , 0 .0789474 ] ; Razao 4 = [ 0 , 0 .222222 ] ;
Razao 5 = [ 0 , 0 .236842 ] ; Razao 6 = [ 0 , 0 .133333 ] ; Razao 7 = [
0 , 0 .111111 ] ; Razao 8 = [ 0 , 0 .0263158 ] ; Razao 9 = [ 0 , 0 .0526316
] ; Razao 10 = [ 0 .111111 , 0 .210526 ] ; Razao 11 = [ 0 .263158 ,
0 .333333 ] ; Razao 12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; {
Emprego 1 = [ 0 , 0 . 1 ] ; Emprego 2 = [ 0 , 0 . 1 5 ] ; Emprego 3 = [
0 .0125 , 0 .079646 ] ; Emprego 4 = [ 0 .256637 , 0 .275 ] ; Emprego 5 = [
0 .025 , 0 .391304 ] ; Emprego 6 = [ 0 , 0 .0125 ] ; Emprego 7 = [ 0 ,
0 .375 ] ; Emprego 8 = [ 0 , 0 .0434783 ] ; Emprego 9 = [ 0 . 0 5 , 0 .26087 ]
; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 = [ 0 . 2 , 0 .342105 ] ;
Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3 = [ 0 .111111 , 0 . 2 ] ; Ul t imo 4 = [ 0
, 0 .236842 ] ; Ul t imo 5 = [ 0 , 0 .111111 ] ; Ul t imo 6 = [ 0 .111111 ,
0 .466667 ] ; Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 = [ 0 , 0 ] ; Ul t imo 9 =
[ 0 , 0 .444444 ] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [
0 .0555556 , 0 .25641 ] ; S i t u a c a o 2 = [ 0 .589744 , 0 .888889 ] ; S i t u a c a o 3
= [ 0 .0555556 , 0 .153846 ] } ; Desemprego = [ 1 , 257 ] ; A c t i v i d a d e
= [ 4 , 29 ] )
123
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 71
Medida de g e n e r a l i d a d e : 0 .17406586
C l a s s e formada p e l a u n i a o de : c l a s s e C 32 e c l a s s e C 53
Composicao da C l a s s e : M/25−34/Nenhum M/15−24/ Bas i co1 M/15−24/ S e c u n d a r i o F
/15−24/ Bas i co2 F/15−24/ Bas i co3 F/15−24/ S e c u n d a r i o M/15−24/ Bas i co3 M/15−24/
Bas i co2
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .965116 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0348837 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 .333333 ] ;
Razao 3 = [ 0 , 0 .0909091 ] ; Razao 4 = [ 0 , 0 .333333 ] ; Razao 5 =
[ 0 .166667 , 1 ] ; Razao 6 = [ 0 , 0 .0909091 ] ; Razao 7 = [ 0 , 0 ] ;
Razao 8 = [ 0 , 0 ] ; Razao 9 = [ 0 , 0 . 5 ] ; Razao 10 = [ 0 ,
0 .485714 ] ; Razao 11 = [ 0 , 0 .181818 ] ; Razao 12 = [ 0 , 0 .166667 ] ;
Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 .0153846 ] ; Emprego
2 = [ 0 , 0 .171875 ] ; Emprego 3 = [ 0 , 0 .142857 ] ; Emprego 4 = [ 0
, 0 .492308 ] ; Emprego 5 = [ 0 .0461538 , 0 .714286 ] ; Emprego 6 = [ 0 ,
0 .0307692 ] ; Emprego 7 = [ 0 , 0 .307692 ] ; Emprego 8 = [ 0 , 0 .142857
] ; Emprego 9 = [ 0 , 0 .285714 ] ; Emprego 10 = [ 0 , 0 .125 ] } ; {
Ult imo 1 = [ 0 . 0 5 , 1 ] ; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3 = [ 0 ,
0 .173913 ] ; Ul t imo 4 = [ 0 , 0 .333333 ] ; Ul t imo 5 = [ 0 , 0 ] ; Ul t imo
6 = [ 0 , 0 . 6 ] ; Ul t imo 7 = [ 0 , 0 . 0 5 ] ; Ul t imo 8 = [ 0 , 0 ] ;
Ul t imo 9 = [ 0 , 0 . 2 ] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 =
[ 0 . 4 , 0 .632743 ] ; S i t u a c a o 2 = [ 0 .27907 , 0 . 5 ] ; S i t u a c a o 3 = [
0 .0552486 , 0 .133333 ] } ; Desemprego = [ 0 , 80 ] ; A c t i v i d a d e = [ 0
, 18 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 72
Medida de g e n e r a l i d a d e : 0 .17559984
C l a s s e formada p e l a u n i a o de : o b j e t o F/>=65/ Bas i co2 e o b j e t o F/>=65/ Bas i co3
Composicao da C l a s s e : F/>=65/ Bas i co2 F/>=65/ Bas i co3
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ 0 .333333 , 0 .529412 ] ; Razao 2 = [ 0 , 0 .0555556 ] ; Razao
3 = [ 0 , 0 .277778 ] ; Razao 4 = [ 0 .166667 , 0 .176471 ] ; Razao 5 = [
0 , 0 ] ; Razao 6 = [ 0 , 0 ] ; Razao 7 = [ 0 .0555556 , 0 .176471 ] ;
Razao 8 = [ 0 .0555556 , 0 .0588235 ] ; Razao 9 = [ 0 , 0 ] ; Razao 10 =
[ 0 , 0 .0555556 ] ; Razao 11 = [ 0 , 0 .0588235 ] ; Razao 12 = [ 0 , 0 ]
; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 ] ; Emprego 2 =
[ 0 , 0 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 . 5 , 0 . 5 ] ; Emprego
5 = [ 0 . 5 , 0 . 5 ] ; Emprego 6 = [ 0 , 0 ] ; Emprego 7 = [ 0 , 0 ] ;
Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0 , 0 ] ; Emprego 10 = [ 0 , 0 ]
} ; { Ult imo 1 = [ 0 , 0 .0588235 ] ; Ul t imo 2 = [ 0 .0555556 ,
0 .117647 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 0 .111111 ] ; Ul t imo
5 = [ 0 .111111 , 0 .294118 ] ; Ul t imo 6 = [ 0 .0588235 , 0 .388889 ] ;
Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 = [ 0 .166667 , 0 .294118 ] ; Ul t imo 9 =
[ 0 .166667 , 0 .176471 ] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 =
124
[ 0 .939394 , 1 ] ; S i t u a c a o 2 = [ 0 , 0 .0606061 ] ; S i t u a c a o 3 = [ 0 , 0
] } ; Desemprego = [ 7 , 492 ] ; A c t i v i d a d e = [ 34 , 71 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 73
Medida de g e n e r a l i d a d e : 0 .17820884
C l a s s e formada p e l a u n i a o de : c l a s s e C 44 e c l a s s e C 46
Composicao da C l a s s e : M/35−44/ B a c h a r e l a t o M/25−34/ Mes t rado M/25−34/
B a c h a r e l a t o M/45−64/ Doutoramento F/35−44/ L i c e n c i a t u r a M/25−34/ L i c e n c i a t u r a F
/25−34/ L i c e n c i a t u r a
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .875 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 .125 ] }
; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 . 2 5 ] ; Razao 3 = [ 0 ,
0 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 . 1 ] ; Razao 6 = [ 0 ,
0 . 2 5 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 . 1 ] ; Razao 9 = [ 0 ,
0 . 2 ] ; Razao 10 = [ 0 . 2 , 1 ] ; Razao 11 = [ 0 , 0 . 2 ] ; Razao 12 =
[ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 .181818 ]
; Emprego 2 = [ 0 , 0 . 3 ] ; Emprego 3 = [ 0 , 0 . 1 ] ; Emprego 4 = [ 0
, 0 .230769 ] ; Emprego 5 = [ 0 , 0 .0769231 ] ; Emprego 6 = [ 0 . 3 , 0 .875
] ; Emprego 7 = [ 0 , 0 .153846 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 =
[ 0 , 0 .0144928 ] ; Emprego 10 = [ 0 , 0 .0144928 ] } ; { Ult imo 1 =
[ 0 , 0 ] ; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 =
[ 0 , 0 . 2 ] ; Ul t imo 5 = [ 0 , 1 ] ; Ul t imo 6 = [ 0 , 0 . 3 ] ; Ul t imo 7
= [ 0 , 0 . 1 ] ; Ul t imo 8 = [ 0 , 0 . 7 5 ] ; Ul t imo 9 = [ 0 , 1 ] ;
Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 , 0 .0714286 ] ;
S i t u a c a o 2 = [ 0 .841463 , 1 ] ; S i t u a c a o 3 = [ 0 , 0 .097561 ] } ;
Desemprego = [ 1 , 103 ] ; A c t i v i d a d e = [ 1 , 22 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 74
Medida de g e n e r a l i d a d e : 0 .18032534
C l a s s e formada p e l a u n i a o de : o b j e t o M/45−64/ Bas i co1 e o b j e t o M/45−64/Nenhum
Composicao da C l a s s e : M/45−64/ Bas i co1 M/45−64/Nenhum
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .997875 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0021254 ] } ; { Razao 1 = [ 0 , 0 .0769231 ] ; Razao 2 = [ 0 ,
0 .0177515 ] ; Razao 3 = [ 0 .257396 , 0 .5625 ] ; Razao 4 = [ 0 .0177515 ,
0 .03125 ] ; Razao 5 = [ 0 .03125 , 0 .10355 ] ; Razao 6 = [ 0 , 0 .00887574
] ; Razao 7 = [ 0 .03125 , 0 .162722 ] ; Razao 8 = [ 0 .0295858 , 0 .0625 ]
; Razao 9 = [ 0 .03125 , 0 .0976331 ] ; Razao 10 = [ 0 .03125 , 0 .0473373
] ; Razao 11 = [ 0 .180473 , 0 .21875 ] ; Razao 12 = [ 0 , 0 ] ; Razao 13
= [ 0 , 0 ] } ; { Emprego 1 = [ 0 .0243902 , 0 .106667 ] ; Emprego 2
= [ 0 , 0 . 0 2 ] ; Emprego 3 = [ 0 .0731707 , 0 .166667 ] ; Emprego 4 = [ 0
, 0 .065 ] ; Emprego 5 = [ 0 .371667 , 0 .463415 ] ; Emprego 6 = [ 0 , 0 ]
; Emprego 7 = [ 0 , 0 .0233333 ] ; Emprego 8 = [ 0 . 1 8 , 0 .414634 ] ;
Emprego 9 = [ 0 .0243902 , 0 .0666667 ] ; Emprego 10 = [ 0 , 0 ] } ; {
Ult imo 1 = [ 0 .411243 , 0 . 5 ] ; Ul t imo 2 = [ 0 , 0 .056213 ] ; Ul t imo 3
= [ 0 .21875 , 0 .230769 ] ; Ul t imo 4 = [ 0 .10355 , 0 .1875 ] ; Ul t imo 5 =
[ 0 , 0 .0177515 ] ; Ul t imo 6 = [ 0 , 0 .0857988 ] ; Ul t imo 7 = [
125
0 .035503 , 0 .09375 ] ; Ul t imo 8 = [ 0 , 0 ] ; Ul t imo 9 = [ 0 , 0 .0532544
] ; Ul t imo 10 = [ 0 , 0 .00591716 ] } ; { S i t u a c a o 1 = [ 0 .277419 ,
0 .368421 ] ; S i t u a c a o 2 = [ 0 .539474 , 0 .645161 ] ; S i t u a c a o 3 = [
0 .0774194 , 0 .0921053 ] } ; Desemprego = [ 1 , 486 ] ; A c t i v i d a d e = [
25 , 60 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 75
Medida de g e n e r a l i d a d e : 0 .18370792
C l a s s e formada p e l a u n i a o de : c l a s s e C 50 e c l a s s e C 58
Composicao da C l a s s e : M/45−64/ L i c e n c i a t u r a M/45−64/ B a c h a r e l a t o F/45−64/
L i c e n c i a t u r a M/45−64/ Pos−S e c u n d a r i o
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .952941 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0470588 ] } ; { Razao 1 = [ 0 , 0 . 7 5 ] ; Razao 2 = [ 0 , 0 ] ;
Razao 3 = [ 0 , 1 ] ; Razao 4 = [ 0 , 0 . 1 ] ; Razao 5 = [ 0 , 0 ] ;
Razao 6 = [ 0 , 0 ] ; Razao 7 = [ 0 , 0 . 2 ] ; Razao 8 = [ 0 , 0 ] ;
Razao 9 = [ 0 , 0 .333333 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 ,
0 . 4 ] ; Razao 12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1
= [ 0 .0461538 , 0 .333333 ] ; Emprego 2 = [ 0 .0535714 , 0 .666667 ] ;
Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 , 0 .0461538 ] ; Emprego 5 = [
0 , 0 .0178571 ] ; Emprego 6 = [ 0 , 0 .692308 ] ; Emprego 7 = [ 0 ,
0 .0666667 ] ; Emprego 8 = [ 0 , 0 .0178571 ] ; Emprego 9 = [ 0 ,
0 .0666667 ] ; Emprego 10 = [ 0 , 0 .0178571 ] } ; { Ult imo 1 = [ 0 ,
0 ] ; Ul t imo 2 = [ 0 , 0 . 2 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 ,
0 ] ; Ul t imo 5 = [ 0 , 0 . 4 5 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 = [ 0
, 0 ] ; Ul t imo 8 = [ 0 . 4 5 , 1 ] ; Ul t imo 9 = [ 0 , 0 . 2 ] ; Ul t imo 10 =
[ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 .0327869 , 0 . 2 5 ] ; S i t u a c a o 2 = [
0 . 7 5 , 0 .918033 ] ; S i t u a c a o 3 = [ 0 , 0 .111111 ] } ; Desemprego = [
2 , 218 ] ; A c t i v i d a d e = [ 21 , 44 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 76
Medida de g e n e r a l i d a d e : 0 .18935998
C l a s s e formada p e l a u n i a o de : o b j e t o M/45−64/ Bas i co3 e c l a s s e C 62
Composicao da C l a s s e : M/45−64/ Bas i co3 F/45−64/ S e c u n d a r i o F/45−64/ Bas i co3
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .982143 , 0 .989529 ] ; N a c i o n a l i d a d e 2 = [
0 .0104712 , 0 .0178571 ] } ; { Razao 1 = [ 0 .0285714 , 0 .162791 ] ;
Razao 2 = [ 0 .0465116 , 0 .113636 ] ; Razao 3 = [ 0 .0930233 , 0 .257143 ]
; Razao 4 = [ 0 , 0 .0857143 ] ; Razao 5 = [ 0 .0681818 , 0 .142857 ] ;
Razao 6 = [ 0 , 0 .0465116 ] ; Razao 7 = [ 0 .114286 , 0 . 2 5 ] ; Razao 8 =
[ 0 .0232558 , 0 .0681818 ] ; Razao 9 = [ 0 .0454545 , 0 .142857 ] ; Razao
10 = [ 0 , 0 .0232558 ] ; Razao 11 = [ 0 .114286 , 0 .209302 ] ; Razao 12
= [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 .112676 ,
0 .22449 ] ; Emprego 2 = [ 0 .0909091 , 0 .366197 ] ; Emprego 3 = [ 0 ,
0 .108844 ] ; Emprego 4 = [ 0 .0884354 , 0 .309091 ] ; Emprego 5 = [ 0 ,
0 .197279 ] ; Emprego 6 = [ 0 , 0 .056338 ] ; Emprego 7 = [ 0 .156463 ,
0 .263636 ] ; Emprego 8 = [ 0 , 0 .0544218 ] ; Emprego 9 = [ 0 .0340136 ,
126
0 .163636 ] ; Emprego 10 = [ 0 , 0 .0136054 ] } ; { Ult imo 1 = [ 0 ,
0 .227273 ] ; Ul t imo 2 = [ 0 .0227273 , 0 .0697674 ] ; Ul t imo 3 = [ 0 ,
0 .0681818 ] ; Ul t imo 4 = [ 0 .0232558 , 0 .0857143 ] ; Ul t imo 5 = [
0 .186047 , 0 .409091 ] ; Ul t imo 6 = [ 0 .0571429 , 0 .162791 ] ; Ul t imo 7 =
[ 0 , 0 .0232558 ] ; Ul t imo 8 = [ 0 .0227273 , 0 .0285714 ] ; Ul t imo 9 = [
0 .0681818 , 0 .542857 ] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [
0 .172775 , 0 .315315 ] ; S i t u a c a o 2 = [ 0 .63964 , 0 .769634 ] ; S i t u a c a o 3
= [ 0 .0426829 , 0 .0575916 ] } ; Desemprego = [ 0 , 408 ] ; A c t i v i d a d e
= [ 20 , 53 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 77
Medida de g e n e r a l i d a d e : 0 .19171024
C l a s s e formada p e l a u n i a o de : c l a s s e C 55 e c l a s s e C 63
Composicao da C l a s s e : F /25−34/ S e c u n d a r i o F/25−34/ Bas i co3 M/25−34/ Bas i co3 M
/25−34/ S e c u n d a r i o M/25−34/ Bas i co2 M/25−34/ Bas i co1 M/35−44/ Bas i co3 M/35−44/
S e c u n d a r i o
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .938272 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0617284 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 .214286 ] ;
Razao 3 = [ 0 , 0 . 2 5 ] ; Razao 4 = [ 0 , 0 .111111 ] ; Razao 5 = [ 0 ,
0 .37037 ] ; Razao 6 = [ 0 , 0 . 2 5 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 =
[ 0 , 0 .0714286 ] ; Razao 9 = [ 0 .0740741 , 0 . 4 ] ; Razao 10 = [ 0 ,
0 .285714 ] ; Razao 11 = [ 0 , 0 .277778 ] ; Razao 12 = [ 0 , 0 .0909091 ]
; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 .161905 ] ; Emprego
2 = [ 0 .0275229 , 0 .228571 ] ; Emprego 3 = [ 0 .0175439 , 0 . 2 5 ] ;
Emprego 4 = [ 0 , 0 .368421 ] ; Emprego 5 = [ 0 .0526316 , 0 .611111 ] ;
Emprego 6 = [ 0 , 0 .0315789 ] ; Emprego 7 = [ 0 .0277778 , 0 .314286 ] ;
Emprego 8 = [ 0 , 0 .0833333 ] ; Emprego 9 = [ 0 , 0 .192661 ] ; Emprego
10 = [ 0 , 0 .00952381 ] } ; { Ult imo 1 = [ 0 , 0 . 7 5 ] ; Ul t imo 2 =
[ 0 , 0 . 1 ] ; Ul t imo 3 = [ 0 .0714286 , 0 .291667 ] ; Ul t imo 4 = [ 0 ,
0 .185185 ] ; Ul t imo 5 = [ 0 , 0 . 5 ] ; Ul t imo 6 = [ 0 , 0 . 5 ] ; Ul t imo 7
= [ 0 , 0 ] ; Ul t imo 8 = [ 0 , 0 .0416667 ] ; Ul t imo 9 = [ 0 , 0 .357143
] ; Ul t imo 10 = [ 0 , 0 .0416667 ] } ; { S i t u a c a o 1 = [ 0 .042735 ,
0 .153226 ] ; S i t u a c a o 2 = [ 0 .766129 , 0 . 9 ] ; S i t u a c a o 3 = [ 0 . 0 5 ,
0 .135338 ] } ; Desemprego = [ 0 , 147 ] ; A c t i v i d a d e = [ 1 , 30 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 78
Medida de g e n e r a l i d a d e : 0 .1933067
C l a s s e formada p e l a u n i a o de : o b j e t o M/>=65/ L i c e n c i a t u r a e o b j e t o M/>=65/
Bas i co2
Composicao da C l a s s e : M/>=65/ L i c e n c i a t u r a M/>=65/ Bas i co2
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .962963 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 .037037
] } ; { Razao 1 = [ 0 .545455 , 0 .611111 ] ; Razao 2 = [ 0 ,
0 .0555556 ] ; Razao 3 = [ 0 .0555556 , 0 .121212 ] ; Razao 4 = [ 0 ,
0 .030303 ] ; Razao 5 = [ 0 , 0 .030303 ] ; Razao 6 = [ 0 , 0 ] ; Razao 7
= [ 0 .111111 , 0 .181818 ] ; Razao 8 = [ 0 .030303 , 0 .111111 ] ; Razao 9
127
= [ 0 , 0 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 .0555556 ,
0 .0606061 ] ; Razao 12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; {
Emprego 1 = [ 0 , 0 ] ; Emprego 2 = [ 0 .166667 , 0 .222222 ] ; Emprego 3
= [ 0 , 0 ] ; Emprego 4 = [ 0 , 0 ] ; Emprego 5 = [ 0 , 0 .166667 ] ;
Emprego 6 = [ 0 , 0 .555556 ] ; Emprego 7 = [ 0 , 0 ] ; Emprego 8 = [
0 .222222 , 0 .666667 ] ; Emprego 9 = [ 0 , 0 ] ; Emprego 10 = [ 0 , 0 ]
} ; { Ult imo 1 = [ 0 , 0 .0909091 ] ; Ul t imo 2 = [ 0 .166667 , 0 .272727
] ; Ul t imo 3 = [ 0 , 0 .181818 ] ; Ul t imo 4 = [ 0 , 0 ] ; Ul t imo 5 = [
0 , 0 .0606061 ] ; Ul t imo 6 = [ 0 , 0 .242424 ] ; Ul t imo 7 = [ 0 ,
0 .030303 ] ; Ul t imo 8 = [ 0 , 0 .722222 ] ; Ul t imo 9 = [ 0 , 0 .0909091 ]
; Ul t imo 10 = [ 0 .030303 , 0 .111111 ] } ; { S i t u a c a o 1 = [ 0 .666667
, 0 .846154 ] ; S i t u a c a o 2 = [ 0 .153846 , 0 .333333 ] ; S i t u a c a o 3 = [ 0 ,
0 ] } ; Desemprego = [ 26 , 458 ] ; A c t i v i d a d e = [ 44 , 73 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 79
Medida de g e n e r a l i d a d e : 0 .20940353
C l a s s e formada p e l a u n i a o de : c l a s s e C 68 e c l a s s e C 70
Composicao da C l a s s e : F /35−44/ Bas i co1 F/35−44/ Bas i co3 F/35−44/ Bas i co2 F
/35−44/ S e c u n d a r i o F/25−34/ Bas i co2 F/25−34/ Bas i co1
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .966667 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0333333 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 .133333 ] ;
Razao 3 = [ 0 , 0 .242857 ] ; Razao 4 = [ 0 , 0 .235294 ] ; Razao 5 = [
0 , 0 .236842 ] ; Razao 6 = [ 0 , 0 .133333 ] ; Razao 7 = [ 0 , 0 .111111
] ; Razao 8 = [ 0 , 0 .0294118 ] ; Razao 9 = [ 0 , 0 .117647 ] ; Razao 10
= [ 0 .0294118 , 0 .210526 ] ; Razao 11 = [ 0 .185714 , 0 .333333 ] ; Razao
12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 . 1
] ; Emprego 2 = [ 0 , 0 . 1 5 ] ; Emprego 3 = [ 0 .0125 , 0 .079646 ] ;
Emprego 4 = [ 0 .128834 , 0 .393939 ] ; Emprego 5 = [ 0 .025 , 0 .391304 ] ;
Emprego 6 = [ 0 , 0 .0125 ] ; Emprego 7 = [ 0 , 0 .375 ] ; Emprego 8 =
[ 0 , 0 .134969 ] ; Emprego 9 = [ 0 . 0 5 , 0 .269939 ] ; Emprego 10 = [ 0 ,
0 ] } ; { Ult imo 1 = [ 0 . 2 , 0 .428571 ] ; Ul t imo 2 = [ 0 , 0 .0441176
] ; Ul t imo 3 = [ 0 .0588235 , 0 . 2 ] ; Ul t imo 4 = [ 0 , 0 .285714 ] ;
Ul t imo 5 = [ 0 , 0 .117647 ] ; Ul t imo 6 = [ 0 .111111 , 0 .466667 ] ;
Ul t imo 7 = [ 0 , 0 .0285714 ] ; Ul t imo 8 = [ 0 , 0 ] ; Ul t imo 9 = [ 0 ,
0 .444444 ] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 .0555556 ,
0 .25641 ] ; S i t u a c a o 2 = [ 0 .589744 , 0 .888889 ] ; S i t u a c a o 3 = [
0 .0555556 , 0 .153846 ] } ; Desemprego = [ 1 , 335 ] ; A c t i v i d a d e = [ 3
, 34 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 80
Medida de g e n e r a l i d a d e : 0 .21126175
C l a s s e formada p e l a u n i a o de : c l a s s e C 64 e c l a s s e C 66
Composicao da C l a s s e : F/>=65/ Pos−Graduacao F/>=65/ Pos−S e c u n d a r i o M/>=65/ Pos−
S e c u n d a r i o F/>=65/ B a c h a r e l a t o F/>=65/ L i c e n c i a t u r a F/>=65/ S e c u n d a r i o M/>=65/
B a c h a r e l a t o
D e s c r i c a o da c l a s s e :
128
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ 0 , 1 ] ; Razao 2 = [ 0 , 0 ] ; Razao 3 = [ 0 , 0 .333333 ]
; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 ] ; Razao 6 = [ 0 ,
0 .0714286 ] ; Razao 7 = [ 0 , 0 .666667 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9
= [ 0 , 0 ] ; Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12
= [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 . 5 ] ;
Emprego 2 = [ 0 , 0 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 , 0 ]
; Emprego 5 = [ 0 , 0 ] ; Emprego 6 = [ 0 . 5 , 1 ] ; Emprego 7 = [ 0 ,
0 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0 , 0 ] ; Emprego 10 = [
0 , 0 ] } ; { Ult imo 1 = [ 0 , 0 ] ; Ul t imo 2 = [ 0 , 0 . 5 ] ; Ul t imo
3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 0 ] ; Ul t imo 5 = [ 0 .333333 ,
0 .571429 ] ; Ul t imo 6 = [ 0 , 0 .0714286 ] ; Ul t imo 7 = [ 0 , 0 ] ;
Ul t imo 8 = [ 0 , 0 .666667 ] ; Ul t imo 9 = [ 0 , 0 .333333 ] ; Ul t imo 10 =
[ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 . 7 5 , 1 ] ; S i t u a c a o 2 = [ 0 ,
0 . 2 5 ] ; S i t u a c a o 3 = [ 0 , 0 ] } ; Desemprego = [ 31 , 446 ] ;
A c t i v i d a d e = [ 39 , 69 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 81
Medida de g e n e r a l i d a d e : 0 .21444356
C l a s s e formada p e l a u n i a o de : o b j e t o F/45−64/ Bas i co1 e o b j e t o F/45−64/ Bas i co2
Composicao da C l a s s e : F /45−64/ Bas i co1 F/45−64/ Bas i co2
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .99095 , 0 .998131 ] ; N a c i o n a l i d a d e 2 = [
0 .00186916 , 0 .00904977 ] } ; { Razao 1 = [ 0 .0172414 , 0 .0275424 ] ;
Razao 2 = [ 0 .0423729 , 0 .0517241 ] ; Razao 3 = [ 0 .12069 , 0 .29661 ] ;
Razao 4 = [ 0 .103448 , 0 .141949 ] ; Razao 5 = [ 0 .0847458 , 0 .12069 ] ;
Razao 6 = [ 0 .0689655 , 0 .0783898 ] ; Razao 7 = [ 0 .0550847 , 0 .103448 ]
; Razao 8 = [ 0 .0233051 , 0 .0517241 ] ; Razao 9 = [ 0 .0172414 ,
0 .0487288 ] ; Razao 10 = [ 0 .0275424 , 0 .0862069 ] ; Razao 11 = [
0 .173729 , 0 .258621 ] ; Razao 12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] }
; { Emprego 1 = [ 0 .047619 , 0 .0480769 ] ; Emprego 2 = [ 0 .00384615 ,
0 .0136054 ] ; Emprego 3 = [ 0 .0340136 , 0 . 0 5 ] ; Emprego 4 = [ 0 .178846
, 0 .278912 ] ; Emprego 5 = [ 0 . 1 5 , 0 .170068 ] ; Emprego 6 = [ 0 , 0 ] ;
Emprego 7 = [ 0 .0211538 , 0 .0340136 ] ; Emprego 8 = [ 0 .170068 ,
0 .298077 ] ; Emprego 9 = [ 0 . 2 5 , 0 .251701 ] ; Emprego 10 = [ 0 , 0 ] }
; { Ult imo 1 = [ 0 .189655 , 0 .309322 ] ; Ul t imo 2 = [ 0 .0233051 ,
0 .0517241 ] ; Ul t imo 3 = [ 0 .0862069 , 0 .167373 ] ; Ul t imo 4 = [
0 .258475 , 0 .293103 ] ; Ul t imo 5 = [ 0 .00847458 , 0 .0172414 ] ; Ul t imo 6
= [ 0 .125 , 0 .172414 ] ; Ul t imo 7 = [ 0 .0783898 , 0 .0862069 ] ; Ul t imo 8
= [ 0 , 0 .0172414 ] ; Ul t imo 9 = [ 0 .029661 , 0 .0862069 ] ; Ul t imo 10 =
[ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 .272727 , 0 .453941 ] ; S i t u a c a o 2 =
[ 0 .493827 , 0 .668182 ] ; S i t u a c a o 3 = [ 0 .0522317 , 0 .0590909 ] } ;
Desemprego = [ 0 , 553 ] ; A c t i v i d a d e = [ 6 , 55 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 82
Medida de g e n e r a l i d a d e : 0 .21761314
C l a s s e formada p e l a u n i a o de : c l a s s e C 33 e c l a s s e C 54
129
Composicao da C l a s s e : F /15−24/Nenhum F/<15/ Bas i co1 M/<15/ Bas i co1 M/<15/
Bas i co2 M/<15/Nenhum M/15−24/Nenhum F/15−24/ B a c h a r e l a t o F/<15/Nenhum M/<15/
F/<15/ Bas i co2 F/<15/ F /25−34/Nenhum F/15−24/ Bas i co1
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .964286 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0357143 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 1 ] ; Razao
3 = [ 0 , 1 ] ; Razao 4 = [ 0 , 0 . 2 5 ] ; Razao 5 = [ 0 , 0 . 2 5 ] ;
Razao 6 = [ 0 , 0 .333333 ] ; Razao 7 = [ 0 , 0 .333333 ] ; Razao 8 = [
0 , 0 ] ; Razao 9 = [ 0 , 0 ] ; Razao 10 = [ 0 , 0 .333333 ] ; Razao 11
= [ 0 , 0 ] ; Razao 12 = [ 0 , 0 . 2 5 ] ; Razao 13 = [ 0 , 0 ] } ; {
Emprego 1 = [ 0 , 0 ] ; Emprego 2 = [ 0 , 0 ] ; Emprego 3 = [ 0 , 0 ]
; Emprego 4 = [ 0 , 0 ] ; Emprego 5 = [ 0 . 2 5 , 1 ] ; Emprego 6 = [ 0 ,
0 ] ; Emprego 7 = [ 0 , 0 ] ; Emprego 8 = [ 0 , 0 . 7 5 ] ; Emprego 9 =
[ 0 , 0 ] ; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 = [ 0 , 0 .333333 ]
; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 1 ]
; Ul t imo 5 = [ 0 , 0 ] ; Ul t imo 6 = [ 0 , 0 .333333 ] ; Ul t imo 7 = [ 0
, 0 .333333 ] ; Ul t imo 8 = [ 0 , 1 ] ; Ul t imo 9 = [ 0 , 0 ] ; Ul t imo 10
= [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 .555556 , 1 ] ; S i t u a c a o 2 = [ 0
, 0 .285714 ] ; S i t u a c a o 3 = [ 0 , 0 .333333 ] } ; Desemprego = [ 1 ,
159 ] ; A c t i v i d a d e = [ 4 , 21 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 83
Medida de g e n e r a l i d a d e : 0 .22423541
C l a s s e formada p e l a u n i a o de : o b j e t o F/25−34/ Doutoramento e c l a s s e C 57
Composicao da C l a s s e : F /25−34/ Doutoramento F/45−64/ Doutoramento F/35−44/
B a c h a r e l a t o F/25−34/ B a c h a r e l a t o M/35−44/ Mes t rado
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 , 0 .857143 ] ; N a c i o n a l i d a d e 2 = [ 0 .142857 , 1
] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 ] ; Razao 3 = [ 0
, 0 ] ; Razao 4 = [ 0 , 1 ] ; Razao 5 = [ 0 , 0 ] ; Razao 6 = [ 0 , 0
] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [ 0 , 0 ] ;
Razao 10 = [ 0 , 0 ] ; Razao 11 = [ 0 , 1 ] ; Razao 12 = [ 0 , 0 ] ;
Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 .0833333 ] ; Emprego 2
= [ 0 , 0 .384615 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 ,
0 .153846 ] ; Emprego 5 = [ 0 , 0 .0769231 ] ; Emprego 6 = [ 0 , 1 ] ;
Emprego 7 = [ 0 , 0 .307692 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0
, 0 . 2 5 ] ; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 = [ 0 , 0 ] ;
Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 0 ] ;
Ul t imo 5 = [ 0 , 0 ] ; Ul t imo 6 = [ 0 , 0 ] ; Ul t imo 7 = [ 0 , 0 ] ;
Ul t imo 8 = [ 1 , 1 ] ; Ul t imo 9 = [ 0 , 0 ] ; Ul t imo 10 = [ 0 , 0 ] }
; { S i t u a c a o 1 = [ 0 , 0 . 2 5 ] ; S i t u a c a o 2 = [ 0 . 7 5 , 1 ] ; S i t u a c a o
3 = [ 0 , 0 .0769231 ] } ; Desemprego = [ 3 , 25 ] ; A c t i v i d a d e = [
12 , 22 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 84
Medida de g e n e r a l i d a d e : 0 .22806003
C l a s s e formada p e l a u n i a o de : c l a s s e C 61 e c l a s s e C 76
130
Composicao da C l a s s e : F /45−64/ B a c h a r e l a t o M/45−64/ S e c u n d a r i o M/45−64/ Bas i co3
F/45−64/ S e c u n d a r i o F/45−64/ Bas i co3
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .970297 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 .029703
] } ; { Razao 1 = [ 0 .0285714 , 0 .578947 ] ; Razao 2 = [ 0 ,
0 .113636 ] ; Razao 3 = [ 0 .0526316 , 0 .257143 ] ; Razao 4 = [ 0 ,
0 .0857143 ] ; Razao 5 = [ 0 .047619 , 0 .142857 ] ; Razao 6 = [ 0 ,
0 .0465116 ] ; Razao 7 = [ 0 .114286 , 0 . 2 5 ] ; Razao 8 = [ 0 , 0 .0681818
] ; Razao 9 = [ 0 .0454545 , 0 .238095 ] ; Razao 10 = [ 0 , 0 .0232558 ] ;
Razao 11 = [ 0 , 0 .209302 ] ; Razao 12 = [ 0 , 0 ] ; Razao 13 = [ 0 ,
0 ] } ; { Emprego 1 = [ 0 .112676 , 0 .225 ] ; Emprego 2 = [ 0 .0909091
, 0 . 4 ] ; Emprego 3 = [ 0 , 0 .108844 ] ; Emprego 4 = [ 0 , 0 .309091 ] ;
Emprego 5 = [ 0 , 0 .197279 ] ; Emprego 6 = [ 0 , 0 . 3 6 ] ; Emprego 7 =
[ 0 . 0 8 , 0 .263636 ] ; Emprego 8 = [ 0 , 0 .0544218 ] ; Emprego 9 = [ 0 ,
0 .163636 ] ; Emprego 10 = [ 0 , 0 .025 ] } ; { Ult imo 1 = [ 0 ,
0 .227273 ] ; Ul t imo 2 = [ 0 .0227273 , 0 .105263 ] ; Ul t imo 3 = [ 0 ,
0 .0952381 ] ; Ul t imo 4 = [ 0 , 0 .0857143 ] ; Ul t imo 5 = [ 0 .186047 ,
0 .631579 ] ; Ul t imo 6 = [ 0 , 0 .162791 ] ; Ul t imo 7 = [ 0 , 0 .0232558 ]
; Ul t imo 8 = [ 0 .0227273 , 0 .210526 ] ; Ul t imo 9 = [ 0 , 0 .542857 ] ;
Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 . 1 6 , 0 .386364 ] ;
S i t u a c a o 2 = [ 0 .568182 , 0 . 8 ] ; S i t u a c a o 3 = [ 0 . 0 4 , 0 .0575916 ] }
; Desemprego = [ 0 , 408 ] ; A c t i v i d a d e = [ 20 , 54 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 85
Medida de g e n e r a l i d a d e : 0 .23060837
C l a s s e formada p e l a u n i a o de : o b j e t o F/45−64/ Pos−S e c u n d a r i o e c l a s s e C 60
Composicao da C l a s s e : F /45−64/ Pos−S e c u n d a r i o M/35−44/Nenhum F/35−44/Nenhum
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .888889 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 .111111
] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 .0909091 ] ; Razao 3
= [ 0 , 0 .363636 ] ; Razao 4 = [ 0 , 0 .0909091 ] ; Razao 5 = [
0 .142857 , 0 . 4 ] ; Razao 6 = [ 0 , 0 ] ; Razao 7 = [ 0 , 0 .571429 ] ;
Razao 8 = [ 0 , 0 ] ; Razao 9 = [ 0 .142857 , 0 . 2 ] ; Razao 10 = [ 0 ,
0 .142857 ] ; Razao 11 = [ 0 , 0 . 4 ] ; Razao 12 = [ 0 , 0 ] ; Razao 13 =
[ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 .0625 ] ; Emprego 2 = [ 0 , 0 ]
; Emprego 3 = [ 0 , 0 .125 ] ; Emprego 4 = [ 0 , 0 . 1 ] ; Emprego 5 = [
0 , 0 .4375 ] ; Emprego 6 = [ 0 , 0 ] ; Emprego 7 = [ 0 , 0 . 5 ] ;
Emprego 8 = [ 0 , 0 . 4 ] ; Emprego 9 = [ 0 .0625 , 0 . 5 ] ; Emprego 10 =
[ 0 , 0 ] } ; { Ult imo 1 = [ 0 , 0 .636364 ] ; Ul t imo 2 = [ 0 , 0 ] ;
Ul t imo 3 = [ 0 , 0 . 2 ] ; Ul t imo 4 = [ 0 , 0 .272727 ] ; Ul t imo 5 = [ 0
, 0 .428571 ] ; Ul t imo 6 = [ 0 , 0 . 4 ] ; Ul t imo 7 = [ 0 , 0 .0909091 ] ;
Ul t imo 8 = [ 0 , 0 .285714 ] ; Ul t imo 9 = [ 0 , 0 . 2 ] ; Ul t imo 10 = [ 0
, 0 ] } ; { S i t u a c a o 1 = [ 0 .447368 , 0 .666667 ] ; S i t u a c a o 2 = [
0 .222222 , 0 .421053 ] ; S i t u a c a o 3 = [ 0 , 0 .131579 ] } ; Desemprego =
[ 2 , 344 ] ; A c t i v i d a d e = [ 18 , 42 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 86
131
Medida de g e n e r a l i d a d e : 0 .23239584
C l a s s e formada p e l a u n i a o de : c l a s s e C 69 e c l a s s e C 72
Composicao da C l a s s e : M/>=65/ Bas i co3 M/>=65/ S e c u n d a r i o F/>=65/ Bas i co2 F/>=65/
Bas i co3
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 1 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 ] } ; {
Razao 1 = [ 0 .333333 , 0 .642857 ] ; Razao 2 = [ 0 , 0 .09375 ] ; Razao 3
= [ 0 , 0 .277778 ] ; Razao 4 = [ 0 , 0 .176471 ] ; Razao 5 = [ 0 , 0 ]
; Razao 6 = [ 0 , 0 ] ; Razao 7 = [ 0 .0555556 , 0 .178571 ] ; Razao 8 =
[ 0 .0357143 , 0 .09375 ] ; Razao 9 = [ 0 , 0 .107143 ] ; Razao 10 = [ 0 ,
0 .0555556 ] ; Razao 11 = [ 0 , 0 .0588235 ] ; Razao 12 = [ 0 , 0 ] ;
Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 1 ] ; Emprego 2 = [ 0
, 0 .166667 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 , 0 . 5 ] ;
Emprego 5 = [ 0 , 0 . 5 ] ; Emprego 6 = [ 0 , 0 ] ; Emprego 7 = [ 0 , 0
] ; Emprego 8 = [ 0 , 0 .333333 ] ; Emprego 9 = [ 0 , 0 ] ; Emprego 10 =
[ 0 , 0 ] } ; { Ult imo 1 = [ 0 , 0 .125 ] ; Ul t imo 2 = [ 0 .0555556
, 0 .178571 ] ; Ul t imo 3 = [ 0 , 0 .0357143 ] ; Ul t imo 4 = [ 0 , 0 .111111
] ; Ul t imo 5 = [ 0 .111111 , 0 .294118 ] ; Ul t imo 6 = [ 0 .0588235 ,
0 .388889 ] ; Ul t imo 7 = [ 0 , 0 .03125 ] ; Ul t imo 8 = [ 0 .125 , 0 .294118
] ; Ul t imo 9 = [ 0 .166667 , 0 .285714 ] ; Ul t imo 10 = [ 0 , 0 ] } ; {
S i t u a c a o 1 = [ 0 .846154 , 1 ] ; S i t u a c a o 2 = [ 0 , 0 .153846 ] ;
S i t u a c a o 3 = [ 0 , 0 ] } ; Desemprego = [ 5 , 492 ] ; A c t i v i d a d e = [
34 , 72 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 87
Medida de g e n e r a l i d a d e : 0 .24642865
C l a s s e formada p e l a u n i a o de : c l a s s e C 67 e c l a s s e C 74
Composicao da C l a s s e : M/45−64/ Bas i co2 M/35−44/ Bas i co2 M/35−44/ Bas i co1 M
/45−64/ Bas i co1 M/45−64/Nenhum
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .992453 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .00754717 ] } ; { Razao 1 = [ 0 , 0 .0769231 ] ; Razao 2 = [ 0 ,
0 .107143 ] ; Razao 3 = [ 0 .218182 , 0 .5625 ] ; Razao 4 = [ 0 , 0 .03125 ]
; Razao 5 = [ 0 .03125 , 0 .285714 ] ; Razao 6 = [ 0 , 0 .00887574 ] ;
Razao 7 = [ 0 , 0 .162722 ] ; Razao 8 = [ 0 , 0 .0727273 ] ; Razao 9 = [
0 , 0 .0976331 ] ; Razao 10 = [ 0 .03125 , 0 .178571 ] ; Razao 11 = [
0 .178571 , 0 .290909 ] ; Razao 12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] }
; { Emprego 1 = [ 0 .0243902 , 0 .148936 ] ; Emprego 2 = [ 0 , 0 .0546448
] ; Emprego 3 = [ 0 .0731707 , 0 .212766 ] ; Emprego 4 = [ 0 , 0 .10929 ]
; Emprego 5 = [ 0 .360656 , 0 .52439 ] ; Emprego 6 = [ 0 , 0 .00546448 ] ;
Emprego 7 = [ 0 , 0 .0546448 ] ; Emprego 8 = [ 0 .0382979 , 0 .414634 ] ;
Emprego 9 = [ 0 .0243902 , 0 .0710383 ] ; Emprego 10 = [ 0 , 0 ] } ; {
Ult imo 1 = [ 0 .411243 , 0 .678571 ] ; Ul t imo 2 = [ 0 , 0 .0909091 ] ;
Ul t imo 3 = [ 0 .142857 , 0 .230769 ] ; Ul t imo 4 = [ 0 .0363636 , 0 .1875 ] ;
Ul t imo 5 = [ 0 , 0 .0181818 ] ; Ul t imo 6 = [ 0 , 0 .145455 ] ; Ul t imo 7
= [ 0 , 0 .09375 ] ; Ul t imo 8 = [ 0 , 0 ] ; Ul t imo 9 = [ 0 , 0 .0606061 ]
; Ul t imo 10 = [ 0 , 0 .00591716 ] } ; { S i t u a c a o 1 = [ 0 .0534351 ,
132
0 .368421 ] ; S i t u a c a o 2 = [ 0 .539474 , 0 .896947 ] ; S i t u a c a o 3 = [
0 .0496183 , 0 .107143 ] } ; Desemprego = [ 0 , 486 ] ; A c t i v i d a d e = [
12 , 60 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 88
Medida de g e n e r a l i d a d e : 0 .25101134
C l a s s e formada p e l a u n i a o de : c l a s s e C 43 e c l a s s e C 59
Composicao da C l a s s e : F /35−44/ Pos−S e c u n d a r i o F/15−24/ Pos−S e c u n d a r i o F/15−24/
Mes t rado F/15−24/ L i c e n c i a t u r a F/25−34/ Pos−S e c u n d a r i o M/15−24/ L i c e n c i a t u r a M
/15−24/ Pos−S e c u n d a r i o
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .857143 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 .142857
] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 1 ] ; Razao 3 = [ 0
, 0 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 . 5 ] ; Razao 6 = [ 0 ,
0 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 ] ; Razao 9 = [ 0 , 0 ]
; Razao 10 = [ 0 , 1 ] ; Razao 11 = [ 0 , 0 ] ; Razao 12 = [ 0 , 0 ]
; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 ] ; Emprego 2 = [
0 , 0 . 2 5 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 , 1 ] ; Emprego 5
= [ 0 , 0 . 2 5 ] ; Emprego 6 = [ 0 , 0 .727273 ] ; Emprego 7 = [ 0 ,
0 .272727 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0 , 0 ] ; Emprego 10
= [ 0 , 0 ] } ; { Ult imo 1 = [ 0 , 1 ] ; Ul t imo 2 = [ 0 , 0 ] ;
Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 0 ] ; Ul t imo 5 = [ 0 , 1 ] ;
Ul t imo 6 = [ 0 , 0 . 2 5 ] ; Ul t imo 7 = [ 0 , 0 ] ; Ul t imo 8 = [ 0 , 0 . 5
] ; Ul t imo 9 = [ 0 , 0 . 5 ] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1
= [ 0 , 0 .363636 ] ; S i t u a c a o 2 = [ 0 , 0 .591837 ] ; S i t u a c a o 3 = [
0 .136364 , 1 ] } ; Desemprego = [ 2 , 23 ] ; A c t i v i d a d e = [ 0 , 19 ]
)
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 89
Medida de g e n e r a l i d a d e : 0 .25465534
C l a s s e formada p e l a u n i a o de : o b j e t o F/45−64/Nenhum e c l a s s e C 81
Composicao da C l a s s e : F /45−64/Nenhum F/45−64/ Bas i co1 F/45−64/ Bas i co2
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .99095 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .00904977 ] } ; { Razao 1 = [ 0 .0172414 , 0 .0275424 ] ; Razao 2 = [
0 .030303 , 0 .0517241 ] ; Razao 3 = [ 0 .12069 , 0 .40404 ] ; Razao 4 = [
0 .103448 , 0 .161616 ] ; Razao 5 = [ 0 .030303 , 0 .12069 ] ; Razao 6 = [
0 .0606061 , 0 .0783898 ] ; Razao 7 = [ 0 .0550847 , 0 .103448 ] ; Razao 8 =
[ 0 .010101 , 0 .0517241 ] ; Razao 9 = [ 0 .0172414 , 0 .0808081 ] ; Razao 10
= [ 0 .020202 , 0 .0862069 ] ; Razao 11 = [ 0 .121212 , 0 .258621 ] ; Razao
12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [
0 .0151515 , 0 .0480769 ] ; Emprego 2 = [ 0 , 0 .0136054 ] ; Emprego 3 = [
0 , 0 . 0 5 ] ; Emprego 4 = [ 0 .0909091 , 0 .278912 ] ; Emprego 5 = [
0 .0606061 , 0 .170068 ] ; Emprego 6 = [ 0 , 0 ] ; Emprego 7 = [ 0 ,
0 .0340136 ] ; Emprego 8 = [ 0 .170068 , 0 .666667 ] ; Emprego 9 = [
0 .166667 , 0 .251701 ] ; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 = [
0 .189655 , 0 .309322 ] ; Ul t imo 2 = [ 0 , 0 .0517241 ] ; Ul t imo 3 = [
133
0 .0862069 , 0 .167373 ] ; Ul t imo 4 = [ 0 .258475 , 0 .353535 ] ; Ul t imo 5 =
[ 0 , 0 .0172414 ] ; Ul t imo 6 = [ 0 .125 , 0 .172414 ] ; Ul t imo 7 = [
0 .0783898 , 0 .171717 ] ; Ul t imo 8 = [ 0 , 0 .0172414 ] ; Ul t imo 9 = [ 0 ,
0 .0862069 ] ; Ul t imo 10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 .272727 ,
0 .665 ] ; S i t u a c a o 2 = [ 0 . 3 3 , 0 .668182 ] ; S i t u a c a o 3 = [ 0 .005 ,
0 .0590909 ] } ; Desemprego = [ 0 , 553 ] ; A c t i v i d a d e = [ 6 , 57 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 90
Medida de g e n e r a l i d a d e : 0 .25810224
C l a s s e formada p e l a u n i a o de : o b j e t o F/>=65/ Bas i co1 e o b j e t o M/>=65/ Bas i co1
Composicao da C l a s s e : F/>=65/ Bas i co1 M/>=65/ Bas i co1
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .995781 , 0 .996528 ] ; N a c i o n a l i d a d e 2 = [
0 .00347222 , 0 .00421941 ] } ; { Razao 1 = [ 0 .346626 , 0 .495536 ] ;
Razao 2 = [ 0 .00892857 , 0 .0184049 ] ; Razao 3 = [ 0 .214286 , 0 .312883 ]
; Razao 4 = [ 0 .00669643 , 0 .0981595 ] ; Razao 5 = [ 0 .0178571 ,
0 .0214724 ] ; Razao 6 = [ 0 , 0 .0245399 ] ; Razao 7 = [ 0 .104294 ,
0 .140625 ] ; Razao 8 = [ 0 .0245399 , 0 .0267857 ] ; Razao 9 = [
0 .00920245 , 0 .0401786 ] ; Razao 10 = [ 0 , 0 .00306748 ] ; Razao 11 = [
0 .0368098 , 0 .046875 ] ; Razao 12 = [ 0 , 0 .00223214 ] ; Razao 13 = [ 0
, 0 ] } ; { Emprego 1 = [ 0 .0629921 , 0 .0789474 ] ; Emprego 2 = [ 0
, 0 .015748 ] ; Emprego 3 = [ 0 , 0 .0314961 ] ; Emprego 4 = [ 0 .0921053 ,
0 .11811 ] ; Emprego 5 = [ 0 , 0 .00787402 ] ; Emprego 6 = [ 0 , 0 ] ;
Emprego 7 = [ 0 .00787402 , 0 .0131579 ] ; Emprego 8 = [ 0 .724409 ,
0 .763158 ] ; Emprego 9 = [ 0 .0314961 , 0 .0526316 ] ; Emprego 10 = [ 0 ,
0 ] } ; { Ult imo 1 = [ 0 .202454 , 0 .325893 ] ; Ul t imo 2 = [
0 .0460123 , 0 .0848214 ] ; Ul t imo 3 = [ 0 .128834 , 0 .238839 ] ; Ul t imo 4 =
[ 0 .046875 , 0 .251534 ] ; Ul t imo 5 = [ 0 .00613497 , 0 .0290179 ] ; Ul t imo
6 = [ 0 .09375 , 0 .134969 ] ; Ul t imo 7 = [ 0 .0982143 , 0 .190184 ] ;
Ul t imo 8 = [ 0 , 0 ] ; Ul t imo 9 = [ 0 .0398773 , 0 .078125 ] ; Ul t imo 10
= [ 0 , 0 .00446429 ] } ; { S i t u a c a o 1 = [ 0 .779514 , 0 .839662 ] ;
S i t u a c a o 2 = [ 0 .160338 , 0 .220486 ] ; S i t u a c a o 3 = [ 0 , 0 ] } ;
Desemprego = [ 0 , 711 ] ; A c t i v i d a d e = [ 19 , 84 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 91
Medida de g e n e r a l i d a d e : 0 .25854663
C l a s s e formada p e l a u n i a o de : c l a s s e C 77 e c l a s s e C 79
Composicao da C l a s s e : F /25−34/ S e c u n d a r i o F/25−34/ Bas i co3 M/25−34/ Bas i co3 M
/25−34/ S e c u n d a r i o M/25−34/ Bas i co2 M/25−34/ Bas i co1 M/35−44/ Bas i co3 M/35−44/
S e c u n d a r i o F/35−44/ Bas i co1 F/35−44/ Bas i co3 F/35−44/ Bas i co2 F/35−44/
S e c u n d a r i o F/25−34/ Bas i co2 F/25−34/ Bas i co1
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .938272 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0617284 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 .214286 ] ;
Razao 3 = [ 0 , 0 . 2 5 ] ; Razao 4 = [ 0 , 0 .235294 ] ; Razao 5 = [ 0 ,
0 .37037 ] ; Razao 6 = [ 0 , 0 . 2 5 ] ; Razao 7 = [ 0 , 0 .111111 ] ; Razao
8 = [ 0 , 0 .0714286 ] ; Razao 9 = [ 0 , 0 . 4 ] ; Razao 10 = [ 0 ,
134
0 .285714 ] ; Razao 11 = [ 0 , 0 .333333 ] ; Razao 12 = [ 0 , 0 .0909091 ]
; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 .161905 ] ; Emprego
2 = [ 0 , 0 .228571 ] ; Emprego 3 = [ 0 .0125 , 0 . 2 5 ] ; Emprego 4 = [ 0
, 0 .393939 ] ; Emprego 5 = [ 0 .025 , 0 .611111 ] ; Emprego 6 = [ 0 ,
0 .0315789 ] ; Emprego 7 = [ 0 , 0 .375 ] ; Emprego 8 = [ 0 , 0 .134969 ] ;
Emprego 9 = [ 0 , 0 .269939 ] ; Emprego 10 = [ 0 , 0 .00952381 ] } ; {
Ult imo 1 = [ 0 , 0 . 7 5 ] ; Ul t imo 2 = [ 0 , 0 . 1 ] ; Ul t imo 3 = [
0 .0588235 , 0 .291667 ] ; Ul t imo 4 = [ 0 , 0 .285714 ] ; Ul t imo 5 = [ 0 ,
0 . 5 ] ; Ul t imo 6 = [ 0 , 0 . 5 ] ; Ul t imo 7 = [ 0 , 0 .0285714 ] ; Ul t imo 8
= [ 0 , 0 .0416667 ] ; Ul t imo 9 = [ 0 , 0 .444444 ] ; Ul t imo 10 = [ 0 ,
0 .0416667 ] } ; { S i t u a c a o 1 = [ 0 .042735 , 0 .25641 ] ; S i t u a c a o 2 =
[ 0 .589744 , 0 . 9 ] ; S i t u a c a o 3 = [ 0 . 0 5 , 0 .153846 ] } ; Desemprego
= [ 0 , 335 ] ; A c t i v i d a d e = [ 1 , 34 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 92
Medida de g e n e r a l i d a d e : 0 .26284283
C l a s s e formada p e l a u n i a o de : c l a s s e C 65 e c l a s s e C 73
Composicao da C l a s s e : M/25−34/ Pos−S e c u n d a r i o M/15−24/ B a c h a r e l a t o M/25−34/
Doutoramento F/25−34/ Mes t rado M/35−44/ Pos−S e c u n d a r i o F/35−44/ Doutoramento M
/35−44/ Pos−Graduacao F/25−34/ Pos−Graduacao F/35−44/ Mes t rado M/>=65/ Mes t rado
M/45−64/ Pos−Graduacao M/35−44/ Doutoramento F/45−64/ Pos−Graduacao F/45−64/
Mes t rado M/45−64/ Mes t rado M/25−34/ Pos−Graduacao F/35−44/ Pos−Graduacao M
/35−44/ L i c e n c i a t u r a M/35−44/ B a c h a r e l a t o M/25−34/ Mes t rado M/25−34/ B a c h a r e l a t o
M/45−64/ Doutoramento F/35−44/ L i c e n c i a t u r a M/25−34/ L i c e n c i a t u r a F/25−34/
L i c e n c i a t u r a
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .875 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 .125 ] }
; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 . 2 5 ] ; Razao 3 = [ 0 ,
1 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 . 1 ] ; Razao 6 = [ 0 ,
0 . 2 5 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 . 1 ] ; Razao 9 = [ 0 ,
1 ] ; Razao 10 = [ 0 , 1 ] ; Razao 11 = [ 0 , 1 ] ; Razao 12 = [ 0 ,
0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 .285714 ] ;
Emprego 2 = [ 0 , 1 ] ; Emprego 3 = [ 0 , 0 . 1 ] ; Emprego 4 = [ 0 ,
0 .230769 ] ; Emprego 5 = [ 0 , 0 . 2 ] ; Emprego 6 = [ 0 , 1 ] ; Emprego 7
= [ 0 , 0 .153846 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0 ,
0 .0144928 ] ; Emprego 10 = [ 0 , 0 .0144928 ] } ; { Ult imo 1 = [ 0 ,
0 ] ; Ul t imo 2 = [ 0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 1
] ; Ul t imo 5 = [ 0 , 1 ] ; Ul t imo 6 = [ 0 , 0 . 3 ] ; Ul t imo 7 = [ 0 ,
0 . 1 ] ; Ul t imo 8 = [ 0 , 1 ] ; Ul t imo 9 = [ 0 , 1 ] ; Ul t imo 10 = [ 0
, 0 ] } ; { S i t u a c a o 1 = [ 0 , 0 .0714286 ] ; S i t u a c a o 2 = [ 0 .666667
, 1 ] ; S i t u a c a o 3 = [ 0 , 0 .333333 ] } ; Desemprego = [ 1 , 103 ] ;
A c t i v i d a d e = [ 1 , 22 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 93
Medida de g e n e r a l i d a d e : 0 .27333974
C l a s s e formada p e l a u n i a o de : c l a s s e C 78 e c l a s s e C 80
Composicao da C l a s s e : M/>=65/ L i c e n c i a t u r a M/>=65/ Bas i co2 F/>=65/ Pos−Graduacao
135
F/>=65/ Pos−S e c u n d a r i o M/>=65/ Pos−S e c u n d a r i o F/>=65/ B a c h a r e l a t o F/>=65/
L i c e n c i a t u r a F/>=65/ S e c u n d a r i o M/>=65/ B a c h a r e l a t o
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .962963 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 .037037
] } ; { Razao 1 = [ 0 , 1 ] ; Razao 2 = [ 0 , 0 .0555556 ] ; Razao 3
= [ 0 , 0 .333333 ] ; Razao 4 = [ 0 , 0 .030303 ] ; Razao 5 = [ 0 ,
0 .030303 ] ; Razao 6 = [ 0 , 0 .0714286 ] ; Razao 7 = [ 0 , 0 .666667 ] ;
Razao 8 = [ 0 , 0 .111111 ] ; Razao 9 = [ 0 , 0 ] ; Razao 10 = [ 0 , 0
] ; Razao 11 = [ 0 , 0 .0606061 ] ; Razao 12 = [ 0 , 0 ] ; Razao 13 = [
0 , 0 ] } ; { Emprego 1 = [ 0 , 0 . 5 ] ; Emprego 2 = [ 0 , 0 .222222
] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 , 0 ] ; Emprego 5 = [ 0 ,
0 .166667 ] ; Emprego 6 = [ 0 , 1 ] ; Emprego 7 = [ 0 , 0 ] ; Emprego 8
= [ 0 , 0 .666667 ] ; Emprego 9 = [ 0 , 0 ] ; Emprego 10 = [ 0 , 0 ] }
; { Ult imo 1 = [ 0 , 0 .0909091 ] ; Ul t imo 2 = [ 0 , 0 . 5 ] ; Ul t imo 3
= [ 0 , 0 .181818 ] ; Ul t imo 4 = [ 0 , 0 ] ; Ul t imo 5 = [ 0 , 0 .571429
] ; Ul t imo 6 = [ 0 , 0 .242424 ] ; Ul t imo 7 = [ 0 , 0 .030303 ] ; Ul t imo 8
= [ 0 , 0 .722222 ] ; Ul t imo 9 = [ 0 , 0 .333333 ] ; Ul t imo 10 = [ 0 ,
0 .111111 ] } ; { S i t u a c a o 1 = [ 0 .666667 , 1 ] ; S i t u a c a o 2 = [ 0 ,
0 .333333 ] ; S i t u a c a o 3 = [ 0 , 0 ] } ; Desemprego = [ 26 , 458 ] ;
A c t i v i d a d e = [ 39 , 73 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 94
Medida de g e n e r a l i d a d e : 0 .28798131
C l a s s e formada p e l a u n i a o de : o b j e t o M/>=65/Nenhum e c l a s s e C 90
Composicao da C l a s s e : M/>=65/Nenhum F/>=65/ Bas i co1 M/>=65/ Bas i co1
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .995781 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .00421941 ] } ; { Razao 1 = [ 0 .346626 , 0 .495536 ] ; Razao 2 = [
0 .00892857 , 0 .0208333 ] ; Razao 3 = [ 0 .214286 , 0 .3375 ] ; Razao 4 = [
0 , 0 .0981595 ] ; Razao 5 = [ 0 .00416667 , 0 .0214724 ] ; Razao 6 = [ 0
, 0 .0245399 ] ; Razao 7 = [ 0 .104294 , 0 .140625 ] ; Razao 8 = [ 0 ,
0 .0267857 ] ; Razao 9 = [ 0 .00920245 , 0 .0401786 ] ; Razao 10 = [ 0 ,
0 .00306748 ] ; Razao 11 = [ 0 .0291667 , 0 .046875 ] ; Razao 12 = [ 0 ,
0 .00223214 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 .0138889 ,
0 .0789474 ] ; Emprego 2 = [ 0 , 0 .015748 ] ; Emprego 3 = [ 0 , 0 .0314961
] ; Emprego 4 = [ 0 , 0 .11811 ] ; Emprego 5 = [ 0 , 0 .00787402 ] ;
Emprego 6 = [ 0 , 0 ] ; Emprego 7 = [ 0 , 0 .0131579 ] ; Emprego 8 = [
0 .724409 , 0 .986111 ] ; Emprego 9 = [ 0 , 0 .0526316 ] ; Emprego 10 = [ 0
, 0 ] } ; { Ult imo 1 = [ 0 .202454 , 0 .375 ] ; Ul t imo 2 = [ 0 .0125 ,
0 .0848214 ] ; Ul t imo 3 = [ 0 .104167 , 0 .238839 ] ; Ul t imo 4 = [
0 .046875 , 0 .251534 ] ; Ul t imo 5 = [ 0 .00416667 , 0 .0290179 ] ; Ul t imo 6
= [ 0 .0125 , 0 .134969 ] ; Ul t imo 7 = [ 0 .0982143 , 0 .395833 ] ; Ul t imo 8
= [ 0 , 0 ] ; Ul t imo 9 = [ 0 .0166667 , 0 .078125 ] ; Ul t imo 10 = [ 0 ,
0 .00446429 ] } ; { S i t u a c a o 1 = [ 0 .772152 , 0 .839662 ] ; S i t u a c a o 2
= [ 0 .160338 , 0 .227848 ] ; S i t u a c a o 3 = [ 0 , 0 ] } ; Desemprego = [
0 , 711 ] ; A c t i v i d a d e = [ 12 , 87 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
136
Formada nova C l a s s e : C 95
Medida de g e n e r a l i d a d e : 0 .29152931
C l a s s e formada p e l a u n i a o de : c l a s s e C 75 e c l a s s e C 84
Composicao da C l a s s e : M/45−64/ L i c e n c i a t u r a M/45−64/ B a c h a r e l a t o F/45−64/
L i c e n c i a t u r a M/45−64/ Pos−S e c u n d a r i o F/45−64/ B a c h a r e l a t o M/45−64/ S e c u n d a r i o M
/45−64/ Bas i co3 F/45−64/ S e c u n d a r i o F/45−64/ Bas i co3
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .952941 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0470588 ] } ; { Razao 1 = [ 0 , 0 . 7 5 ] ; Razao 2 = [ 0 , 0 .113636
] ; Razao 3 = [ 0 , 1 ] ; Razao 4 = [ 0 , 0 . 1 ] ; Razao 5 = [ 0 ,
0 .142857 ] ; Razao 6 = [ 0 , 0 .0465116 ] ; Razao 7 = [ 0 , 0 . 2 5 ] ;
Razao 8 = [ 0 , 0 .0681818 ] ; Razao 9 = [ 0 , 0 .333333 ] ; Razao 10 =
[ 0 , 0 .0232558 ] ; Razao 11 = [ 0 , 0 . 4 ] ; Razao 12 = [ 0 , 0 ] ;
Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 .0461538 , 0 .333333 ] ;
Emprego 2 = [ 0 .0535714 , 0 .666667 ] ; Emprego 3 = [ 0 , 0 .108844 ] ;
Emprego 4 = [ 0 , 0 .309091 ] ; Emprego 5 = [ 0 , 0 .197279 ] ; Emprego 6
= [ 0 , 0 .692308 ] ; Emprego 7 = [ 0 , 0 .263636 ] ; Emprego 8 = [ 0 ,
0 .0544218 ] ; Emprego 9 = [ 0 , 0 .163636 ] ; Emprego 10 = [ 0 , 0 .025 ]
} ; { Ult imo 1 = [ 0 , 0 .227273 ] ; Ul t imo 2 = [ 0 , 0 . 2 ] ; Ul t imo
3 = [ 0 , 0 .0952381 ] ; Ul t imo 4 = [ 0 , 0 .0857143 ] ; Ul t imo 5 = [ 0
, 0 .631579 ] ; Ul t imo 6 = [ 0 , 0 .162791 ] ; Ul t imo 7 = [ 0 , 0 .0232558
] ; Ul t imo 8 = [ 0 .0227273 , 1 ] ; Ul t imo 9 = [ 0 , 0 .542857 ] ; Ul t imo
10 = [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 .0327869 , 0 .386364 ] ;
S i t u a c a o 2 = [ 0 .568182 , 0 .918033 ] ; S i t u a c a o 3 = [ 0 , 0 .111111 ] }
; Desemprego = [ 0 , 408 ] ; A c t i v i d a d e = [ 20 , 54 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 96
Medida de g e n e r a l i d a d e : 0 .3041923
C l a s s e formada p e l a u n i a o de : c l a s s e C 71 e c l a s s e C 82
Composicao da C l a s s e : M/25−34/Nenhum M/15−24/ Bas i co1 M/15−24/ S e c u n d a r i o F
/15−24/ Bas i co2 F/15−24/ Bas i co3 F/15−24/ S e c u n d a r i o M/15−24/ Bas i co3 M/15−24/
Bas i co2 F/15−24/Nenhum F/<15/ Bas i co1 M/<15/ Bas i co1 M/<15/ Bas i co2 M/<15/
Nenhum M/15−24/Nenhum F/15−24/ B a c h a r e l a t o F/<15/Nenhum M/<15/ F/<15/ Bas i co2
F/<15/ F /25−34/Nenhum F/15−24/ Bas i co1
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .964286 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0357143 ] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 1 ] ; Razao
3 = [ 0 , 1 ] ; Razao 4 = [ 0 , 0 .333333 ] ; Razao 5 = [ 0 , 1 ] ;
Razao 6 = [ 0 , 0 .333333 ] ; Razao 7 = [ 0 , 0 .333333 ] ; Razao 8 = [
0 , 0 ] ; Razao 9 = [ 0 , 0 . 5 ] ; Razao 10 = [ 0 , 0 .485714 ] ; Razao 11
= [ 0 , 0 .181818 ] ; Razao 12 = [ 0 , 0 . 2 5 ] ; Razao 13 = [ 0 , 0 ]
} ; { Emprego 1 = [ 0 , 0 .0153846 ] ; Emprego 2 = [ 0 , 0 .171875 ] ;
Emprego 3 = [ 0 , 0 .142857 ] ; Emprego 4 = [ 0 , 0 .492308 ] ; Emprego 5
= [ 0 .0461538 , 1 ] ; Emprego 6 = [ 0 , 0 .0307692 ] ; Emprego 7 = [ 0
, 0 .307692 ] ; Emprego 8 = [ 0 , 0 . 7 5 ] ; Emprego 9 = [ 0 , 0 .285714 ] ;
Emprego 10 = [ 0 , 0 .125 ] } ; { Ult imo 1 = [ 0 , 1 ] ; Ul t imo 2 =
[ 0 , 0 ] ; Ul t imo 3 = [ 0 , 0 .173913 ] ; Ul t imo 4 = [ 0 , 1 ] ;
137
Ult imo 5 = [ 0 , 0 ] ; Ul t imo 6 = [ 0 , 0 . 6 ] ; Ul t imo 7 = [ 0 ,
0 .333333 ] ; Ul t imo 8 = [ 0 , 1 ] ; Ul t imo 9 = [ 0 , 0 . 2 ] ; Ul t imo 10
= [ 0 , 0 ] } ; { S i t u a c a o 1 = [ 0 . 4 , 1 ] ; S i t u a c a o 2 = [ 0 , 0 . 5
] ; S i t u a c a o 3 = [ 0 , 0 .333333 ] } ; Desemprego = [ 0 , 159 ] ;
A c t i v i d a d e = [ 0 , 21 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 97
Medida de g e n e r a l i d a d e : 0 .31002621
C l a s s e formada p e l a u n i a o de : o b j e t o F/>=65/Nenhum e c l a s s e C 94
Composicao da C l a s s e : F/>=65/Nenhum M/>=65/Nenhum F/>=65/ Bas i co1 M/>=65/
Bas i co1
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .995781 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .00421941 ] } ; { Razao 1 = [ 0 .346626 , 0 .495536 ] ; Razao 2 = [
0 .00892857 , 0 .0283688 ] ; Razao 3 = [ 0 .214286 , 0 .386525 ] ; Razao 4 =
[ 0 , 0 .0981595 ] ; Razao 5 = [ 0 .00416667 , 0 .0214724 ] ; Razao 6 = [
0 , 0 .0245399 ] ; Razao 7 = [ 0 .0780142 , 0 .140625 ] ; Razao 8 = [ 0 ,
0 .0267857 ] ; Razao 9 = [ 0 .00531915 , 0 .0401786 ] ; Razao 10 = [ 0 ,
0 .00306748 ] ; Razao 11 = [ 0 .0291667 , 0 .046875 ] ; Razao 12 = [ 0 ,
0 .00223214 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 .00943396 ,
0 .0789474 ] ; Emprego 2 = [ 0 , 0 .015748 ] ; Emprego 3 = [ 0 ,
0 .0314961 ] ; Emprego 4 = [ 0 , 0 .11811 ] ; Emprego 5 = [ 0 , 0 .00943396
] ; Emprego 6 = [ 0 , 0 ] ; Emprego 7 = [ 0 , 0 .0131579 ] ; Emprego 8
= [ 0 .724409 , 0 .986111 ] ; Emprego 9 = [ 0 , 0 .0526316 ] ; Emprego 10 =
[ 0 , 0 ] } ; { Ult imo 1 = [ 0 .0957447 , 0 .375 ] ; Ul t imo 2 = [
0 .0125 , 0 .0848214 ] ; Ul t imo 3 = [ 0 .0815603 , 0 .238839 ] ; Ul t imo 4 =
[ 0 .046875 , 0 .255319 ] ; Ul t imo 5 = [ 0 , 0 .0290179 ] ; Ul t imo 6 = [
0 .0125 , 0 .134969 ] ; Ul t imo 7 = [ 0 .0982143 , 0 .492908 ] ; Ul t imo 8 = [
0 , 0 ] ; Ul t imo 9 = [ 0 .0035461 , 0 .078125 ] ; Ul t imo 10 = [ 0 ,
0 .00446429 ] } ; { S i t u a c a o 1 = [ 0 .772152 , 0 .863753 ] ; S i t u a c a o 2
= [ 0 .136247 , 0 .227848 ] ; S i t u a c a o 3 = [ 0 , 0 ] } ; Desemprego = [
0 , 776 ] ; A c t i v i d a d e = [ 12 , 89 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 98
Medida de g e n e r a l i d a d e : 0 .31853228
C l a s s e formada p e l a u n i a o de : c l a s s e C 86 e c l a s s e C 93
Composicao da C l a s s e : M/>=65/ Bas i co3 M/>=65/ S e c u n d a r i o F/>=65/ Bas i co2 F/>=65/
Bas i co3 M/>=65/ L i c e n c i a t u r a M/>=65/ Bas i co2 F/>=65/ Pos−Graduacao F/>=65/ Pos−
S e c u n d a r i o M/>=65/ Pos−S e c u n d a r i o F/>=65/ B a c h a r e l a t o F/>=65/ L i c e n c i a t u r a F
/>=65/ S e c u n d a r i o M/>=65/ B a c h a r e l a t o
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .962963 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 .037037
] } ; { Razao 1 = [ 0 , 1 ] ; Razao 2 = [ 0 , 0 .09375 ] ; Razao 3
= [ 0 , 0 .333333 ] ; Razao 4 = [ 0 , 0 .176471 ] ; Razao 5 = [ 0 ,
0 .030303 ] ; Razao 6 = [ 0 , 0 .0714286 ] ; Razao 7 = [ 0 , 0 .666667 ] ;
Razao 8 = [ 0 , 0 .111111 ] ; Razao 9 = [ 0 , 0 .107143 ] ; Razao 10 = [
0 , 0 .0555556 ] ; Razao 11 = [ 0 , 0 .0606061 ] ; Razao 12 = [ 0 , 0 ] ;
138
Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 1 ] ; Emprego 2 = [
0 , 0 .222222 ] ; Emprego 3 = [ 0 , 0 ] ; Emprego 4 = [ 0 , 0 . 5 ] ;
Emprego 5 = [ 0 , 0 . 5 ] ; Emprego 6 = [ 0 , 1 ] ; Emprego 7 = [ 0 , 0
] ; Emprego 8 = [ 0 , 0 .666667 ] ; Emprego 9 = [ 0 , 0 ] ; Emprego 10 =
[ 0 , 0 ] } ; { Ult imo 1 = [ 0 , 0 .125 ] ; Ul t imo 2 = [ 0 , 0 . 5 ]
; Ul t imo 3 = [ 0 , 0 .181818 ] ; Ul t imo 4 = [ 0 , 0 .111111 ] ; Ul t imo 5
= [ 0 , 0 .571429 ] ; Ul t imo 6 = [ 0 , 0 .388889 ] ; Ul t imo 7 = [ 0 ,
0 .03125 ] ; Ul t imo 8 = [ 0 , 0 .722222 ] ; Ul t imo 9 = [ 0 , 0 .333333 ] ;
Ul t imo 10 = [ 0 , 0 .111111 ] } ; { S i t u a c a o 1 = [ 0 .666667 , 1 ] ;
S i t u a c a o 2 = [ 0 , 0 .333333 ] ; S i t u a c a o 3 = [ 0 , 0 ] } ; Desemprego
= [ 5 , 492 ] ; A c t i v i d a d e = [ 34 , 73 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 99
Medida de g e n e r a l i d a d e : 0 .32138684
C l a s s e formada p e l a u n i a o de : c l a s s e C 87 e c l a s s e C 89
Composicao da C l a s s e : M/45−64/ Bas i co2 M/35−44/ Bas i co2 M/35−44/ Bas i co1 M
/45−64/ Bas i co1 M/45−64/Nenhum F/45−64/Nenhum F/45−64/ Bas i co1 F/45−64/ Bas i co2
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .99095 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .00904977 ] } ; { Razao 1 = [ 0 , 0 .0769231 ] ; Razao 2 = [ 0 ,
0 .107143 ] ; Razao 3 = [ 0 .12069 , 0 .5625 ] ; Razao 4 = [ 0 , 0 .161616 ]
; Razao 5 = [ 0 .030303 , 0 .285714 ] ; Razao 6 = [ 0 , 0 .0783898 ] ;
Razao 7 = [ 0 , 0 .162722 ] ; Razao 8 = [ 0 , 0 .0727273 ] ; Razao 9 = [
0 , 0 .0976331 ] ; Razao 10 = [ 0 .020202 , 0 .178571 ] ; Razao 11 = [
0 .121212 , 0 .290909 ] ; Razao 12 = [ 0 , 0 ] ; Razao 13 = [ 0 , 0 ] }
; { Emprego 1 = [ 0 .0151515 , 0 .148936 ] ; Emprego 2 = [ 0 , 0 .0546448
] ; Emprego 3 = [ 0 , 0 .212766 ] ; Emprego 4 = [ 0 , 0 .278912 ] ;
Emprego 5 = [ 0 .0606061 , 0 .52439 ] ; Emprego 6 = [ 0 , 0 .00546448 ] ;
Emprego 7 = [ 0 , 0 .0546448 ] ; Emprego 8 = [ 0 .0382979 , 0 .666667 ] ;
Emprego 9 = [ 0 .0243902 , 0 .251701 ] ; Emprego 10 = [ 0 , 0 ] } ; {
Ult imo 1 = [ 0 .189655 , 0 .678571 ] ; Ul t imo 2 = [ 0 , 0 .0909091 ] ;
Ul t imo 3 = [ 0 .0862069 , 0 .230769 ] ; Ul t imo 4 = [ 0 .0363636 , 0 .353535
] ; Ul t imo 5 = [ 0 , 0 .0181818 ] ; Ul t imo 6 = [ 0 , 0 .172414 ] ; Ul t imo
7 = [ 0 , 0 .171717 ] ; Ul t imo 8 = [ 0 , 0 .0172414 ] ; Ul t imo 9 = [ 0 ,
0 .0862069 ] ; Ul t imo 10 = [ 0 , 0 .00591716 ] } ; { S i t u a c a o 1 = [
0 .0534351 , 0 .665 ] ; S i t u a c a o 2 = [ 0 . 3 3 , 0 .896947 ] ; S i t u a c a o 3 = [
0 .005 , 0 .107143 ] } ; Desemprego = [ 0 , 553 ] ; A c t i v i d a d e = [ 6 ,
60 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 100
Medida de g e n e r a l i d a d e : 0 .34149413
C l a s s e formada p e l a u n i a o de : c l a s s e C 85 e c l a s s e C 91
Composicao da C l a s s e : F /45−64/ Pos−S e c u n d a r i o M/35−44/Nenhum F/35−44/Nenhum F
/25−34/ S e c u n d a r i o F/25−34/ Bas i co3 M/25−34/ Bas i co3 M/25−34/ S e c u n d a r i o M
/25−34/ Bas i co2 M/25−34/ Bas i co1 M/35−44/ Bas i co3 M/35−44/ S e c u n d a r i o F/35−44/
Bas i co1 F/35−44/ Bas i co3 F/35−44/ Bas i co2 F/35−44/ S e c u n d a r i o F/25−34/ Bas i co2 F
/25−34/ Bas i co1
139
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .888889 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 .111111
] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 0 .214286 ] ; Razao 3
= [ 0 , 0 .363636 ] ; Razao 4 = [ 0 , 0 .235294 ] ; Razao 5 = [ 0 , 0 . 4
] ; Razao 6 = [ 0 , 0 . 2 5 ] ; Razao 7 = [ 0 , 0 .571429 ] ; Razao 8 = [
0 , 0 .0714286 ] ; Razao 9 = [ 0 , 0 . 4 ] ; Razao 10 = [ 0 , 0 .285714 ] ;
Razao 11 = [ 0 , 0 . 4 ] ; Razao 12 = [ 0 , 0 .0909091 ] ; Razao 13 = [ 0
, 0 ] } ; { Emprego 1 = [ 0 , 0 .161905 ] ; Emprego 2 = [ 0 ,
0 .228571 ] ; Emprego 3 = [ 0 , 0 . 2 5 ] ; Emprego 4 = [ 0 , 0 .393939 ] ;
Emprego 5 = [ 0 , 0 .611111 ] ; Emprego 6 = [ 0 , 0 .0315789 ] ; Emprego 7
= [ 0 , 0 . 5 ] ; Emprego 8 = [ 0 , 0 . 4 ] ; Emprego 9 = [ 0 , 0 . 5 ] ;
Emprego 10 = [ 0 , 0 .00952381 ] } ; { Ult imo 1 = [ 0 , 0 . 7 5 ] ;
Ul t imo 2 = [ 0 , 0 . 1 ] ; Ul t imo 3 = [ 0 , 0 .291667 ] ; Ul t imo 4 = [ 0
, 0 .285714 ] ; Ul t imo 5 = [ 0 , 0 . 5 ] ; Ul t imo 6 = [ 0 , 0 . 5 ] ; Ul t imo
7 = [ 0 , 0 .0909091 ] ; Ul t imo 8 = [ 0 , 0 .285714 ] ; Ul t imo 9 = [ 0 ,
0 .444444 ] ; Ul t imo 10 = [ 0 , 0 .0416667 ] } ; { S i t u a c a o 1 = [
0 .042735 , 0 .666667 ] ; S i t u a c a o 2 = [ 0 .222222 , 0 . 9 ] ; S i t u a c a o 3 = [
0 , 0 .153846 ] } ; Desemprego = [ 0 , 344 ] ; A c t i v i d a d e = [ 1 , 42 ]
)
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 101
Medida de g e n e r a l i d a d e : 0 .38473038
C l a s s e formada p e l a u n i a o de : c l a s s e C 88 e c l a s s e C 92
Composicao da C l a s s e : F /35−44/ Pos−S e c u n d a r i o F/15−24/ Pos−S e c u n d a r i o F/15−24/
Mes t rado F/15−24/ L i c e n c i a t u r a F/25−34/ Pos−S e c u n d a r i o M/15−24/ L i c e n c i a t u r a M
/15−24/ Pos−S e c u n d a r i o M/25−34/ Pos−S e c u n d a r i o M/15−24/ B a c h a r e l a t o M/25−34/
Doutoramento F/25−34/ Mes t rado M/35−44/ Pos−S e c u n d a r i o F/35−44/ Doutoramento M
/35−44/ Pos−Graduacao F/25−34/ Pos−Graduacao F/35−44/ Mes t rado M/>=65/ Mes t rado
M/45−64/ Pos−Graduacao M/35−44/ Doutoramento F/45−64/ Pos−Graduacao F/45−64/
Mes t rado M/45−64/ Mes t rado M/25−34/ Pos−Graduacao F/35−44/ Pos−Graduacao M
/35−44/ L i c e n c i a t u r a M/35−44/ B a c h a r e l a t o M/25−34/ Mes t rado M/25−34/ B a c h a r e l a t o
M/45−64/ Doutoramento F/35−44/ L i c e n c i a t u r a M/25−34/ L i c e n c i a t u r a F/25−34/
L i c e n c i a t u r a
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .857143 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 .142857
] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 1 ] ; Razao 3 = [ 0
, 1 ] ; Razao 4 = [ 0 , 0 ] ; Razao 5 = [ 0 , 0 . 5 ] ; Razao 6 = [ 0 ,
0 . 2 5 ] ; Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 . 1 ] ; Razao 9 = [ 0
, 1 ] ; Razao 10 = [ 0 , 1 ] ; Razao 11 = [ 0 , 1 ] ; Razao 12 = [ 0 ,
0 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 .285714 ] ;
Emprego 2 = [ 0 , 1 ] ; Emprego 3 = [ 0 , 0 . 1 ] ; Emprego 4 = [ 0 , 1
] ; Emprego 5 = [ 0 , 0 . 2 5 ] ; Emprego 6 = [ 0 , 1 ] ; Emprego 7 = [ 0
, 0 .272727 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0 , 0 .0144928 ] ;
Emprego 10 = [ 0 , 0 .0144928 ] } ; { Ult imo 1 = [ 0 , 1 ] ; Ul t imo 2
= [ 0 , 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 1 ] ; Ul t imo 5
= [ 0 , 1 ] ; Ul t imo 6 = [ 0 , 0 . 3 ] ; Ul t imo 7 = [ 0 , 0 . 1 ] ; Ul t imo
8 = [ 0 , 1 ] ; Ul t imo 9 = [ 0 , 1 ] ; Ul t imo 10 = [ 0 , 0 ] } ; {
140
S i t u a c a o 1 = [ 0 , 0 .363636 ] ; S i t u a c a o 2 = [ 0 , 1 ] ; S i t u a c a o 3 =
[ 0 , 1 ] } ; Desemprego = [ 1 , 103 ] ; A c t i v i d a d e = [ 0 , 22 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 102
Medida de g e n e r a l i d a d e : 0 .41153713
C l a s s e formada p e l a u n i a o de : c l a s s e C 95 e c l a s s e C 99
Composicao da C l a s s e : M/45−64/ L i c e n c i a t u r a M/45−64/ B a c h a r e l a t o F/45−64/
L i c e n c i a t u r a M/45−64/ Pos−S e c u n d a r i o F/45−64/ B a c h a r e l a t o M/45−64/ S e c u n d a r i o M
/45−64/ Bas i co3 F/45−64/ S e c u n d a r i o F/45−64/ Bas i co3 M/45−64/ Bas i co2 M/35−44/
Bas i co2 M/35−44/ Bas i co1 M/45−64/ Bas i co1 M/45−64/Nenhum F/45−64/Nenhum F
/45−64/ Bas i co1 F/45−64/ Bas i co2
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .952941 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 ,
0 .0470588 ] } ; { Razao 1 = [ 0 , 0 . 7 5 ] ; Razao 2 = [ 0 , 0 .113636
] ; Razao 3 = [ 0 , 1 ] ; Razao 4 = [ 0 , 0 .161616 ] ; Razao 5 = [ 0 ,
0 .285714 ] ; Razao 6 = [ 0 , 0 .0783898 ] ; Razao 7 = [ 0 , 0 . 2 5 ] ;
Razao 8 = [ 0 , 0 .0727273 ] ; Razao 9 = [ 0 , 0 .333333 ] ; Razao 10 =
[ 0 , 0 .178571 ] ; Razao 11 = [ 0 , 0 . 4 ] ; Razao 12 = [ 0 , 0 ] ; Razao
13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 .0151515 , 0 .333333 ] ; Emprego
2 = [ 0 , 0 .666667 ] ; Emprego 3 = [ 0 , 0 .212766 ] ; Emprego 4 = [ 0
, 0 .309091 ] ; Emprego 5 = [ 0 , 0 .52439 ] ; Emprego 6 = [ 0 , 0 .692308
] ; Emprego 7 = [ 0 , 0 .263636 ] ; Emprego 8 = [ 0 , 0 .666667 ] ;
Emprego 9 = [ 0 , 0 .251701 ] ; Emprego 10 = [ 0 , 0 .025 ] } ; {
Ult imo 1 = [ 0 , 0 .678571 ] ; Ul t imo 2 = [ 0 , 0 . 2 ] ; Ul t imo 3 = [ 0
, 0 .230769 ] ; Ul t imo 4 = [ 0 , 0 .353535 ] ; Ul t imo 5 = [ 0 , 0 .631579 ]
; Ul t imo 6 = [ 0 , 0 .172414 ] ; Ul t imo 7 = [ 0 , 0 .171717 ] ; Ul t imo 8
= [ 0 , 1 ] ; Ul t imo 9 = [ 0 , 0 .542857 ] ; Ul t imo 10 = [ 0 ,
0 .00591716 ] } ; { S i t u a c a o 1 = [ 0 .0327869 , 0 .665 ] ; S i t u a c a o 2 =
[ 0 . 3 3 , 0 .918033 ] ; S i t u a c a o 3 = [ 0 , 0 .111111 ] } ; Desemprego =
[ 0 , 553 ] ; A c t i v i d a d e = [ 6 , 60 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 103
Medida de g e n e r a l i d a d e : 0 .44984182
C l a s s e formada p e l a u n i a o de : c l a s s e C 96 e c l a s s e C 100
Composicao da C l a s s e : M/25−34/Nenhum M/15−24/ Bas i co1 M/15−24/ S e c u n d a r i o F
/15−24/ Bas i co2 F/15−24/ Bas i co3 F/15−24/ S e c u n d a r i o M/15−24/ Bas i co3 M/15−24/
Bas i co2 F/15−24/Nenhum F/<15/ Bas i co1 M/<15/ Bas i co1 M/<15/ Bas i co2 M/<15/
Nenhum M/15−24/Nenhum F/15−24/ B a c h a r e l a t o F/<15/Nenhum M/<15/ F/<15/ Bas i co2
F/<15/ F /25−34/Nenhum F/15−24/ Bas i co1 F/45−64/ Pos−S e c u n d a r i o M/35−44/Nenhum
F/35−44/Nenhum F/25−34/ S e c u n d a r i o F/25−34/ Bas i co3 M/25−34/ Bas i co3 M/25−34/
S e c u n d a r i o M/25−34/ Bas i co2 M/25−34/ Bas i co1 M/35−44/ Bas i co3 M/35−44/
S e c u n d a r i o F/35−44/ Bas i co1 F/35−44/ Bas i co3 F/35−44/ Bas i co2 F/35−44/
S e c u n d a r i o F/25−34/ Bas i co2 F/25−34/ Bas i co1
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .888889 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 .111111
] } ; { Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 1 ] ; Razao 3 = [ 0
, 1 ] ; Razao 4 = [ 0 , 0 .333333 ] ; Razao 5 = [ 0 , 1 ] ; Razao 6 =
141
[ 0 , 0 .333333 ] ; Razao 7 = [ 0 , 0 .571429 ] ; Razao 8 = [ 0 ,
0 .0714286 ] ; Razao 9 = [ 0 , 0 . 5 ] ; Razao 10 = [ 0 , 0 .485714 ] ;
Razao 11 = [ 0 , 0 . 4 ] ; Razao 12 = [ 0 , 0 . 2 5 ] ; Razao 13 = [ 0 , 0
] } ; { Emprego 1 = [ 0 , 0 .161905 ] ; Emprego 2 = [ 0 , 0 .228571 ]
; Emprego 3 = [ 0 , 0 . 2 5 ] ; Emprego 4 = [ 0 , 0 .492308 ] ; Emprego 5 =
[ 0 , 1 ] ; Emprego 6 = [ 0 , 0 .0315789 ] ; Emprego 7 = [ 0 , 0 . 5 ] ;
Emprego 8 = [ 0 , 0 . 7 5 ] ; Emprego 9 = [ 0 , 0 . 5 ] ; Emprego 10 = [ 0
, 0 .125 ] } ; { Ult imo 1 = [ 0 , 1 ] ; Ul t imo 2 = [ 0 , 0 . 1 ] ;
Ul t imo 3 = [ 0 , 0 .291667 ] ; Ul t imo 4 = [ 0 , 1 ] ; Ul t imo 5 = [ 0 ,
0 . 5 ] ; Ul t imo 6 = [ 0 , 0 . 6 ] ; Ul t imo 7 = [ 0 , 0 .333333 ] ; Ul t imo 8
= [ 0 , 1 ] ; Ul t imo 9 = [ 0 , 0 .444444 ] ; Ul t imo 10 = [ 0 ,
0 .0416667 ] } ; { S i t u a c a o 1 = [ 0 .042735 , 1 ] ; S i t u a c a o 2 = [ 0 ,
0 . 9 ] ; S i t u a c a o 3 = [ 0 , 0 .333333 ] } ; Desemprego = [ 0 , 344 ] ;
A c t i v i d a d e = [ 0 , 42 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 104
Medida de g e n e r a l i d a d e : 0 .45233428
C l a s s e formada p e l a u n i a o de : c l a s s e C 97 e c l a s s e C 98
Composicao da C l a s s e : F/>=65/Nenhum M/>=65/Nenhum F/>=65/ Bas i co1 M/>=65/
Bas i co1 M/>=65/ Bas i co3 M/>=65/ S e c u n d a r i o F/>=65/ Bas i co2 F/>=65/ Bas i co3 M
/>=65/ L i c e n c i a t u r a M/>=65/ Bas i co2 F/>=65/ Pos−Graduacao F/>=65/ Pos−S e c u n d a r i o
M/>=65/ Pos−S e c u n d a r i o F/>=65/ B a c h a r e l a t o F/>=65/ L i c e n c i a t u r a F/>=65/
S e c u n d a r i o M/>=65/ B a c h a r e l a t o
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .962963 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 .037037
] } ; { Razao 1 = [ 0 , 1 ] ; Razao 2 = [ 0 , 0 .09375 ] ; Razao 3
= [ 0 , 0 .386525 ] ; Razao 4 = [ 0 , 0 .176471 ] ; Razao 5 = [ 0 ,
0 .030303 ] ; Razao 6 = [ 0 , 0 .0714286 ] ; Razao 7 = [ 0 , 0 .666667 ] ;
Razao 8 = [ 0 , 0 .111111 ] ; Razao 9 = [ 0 , 0 .107143 ] ; Razao 10 = [
0 , 0 .0555556 ] ; Razao 11 = [ 0 , 0 .0606061 ] ; Razao 12 = [ 0 ,
0 .00223214 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 1 ] ;
Emprego 2 = [ 0 , 0 .222222 ] ; Emprego 3 = [ 0 , 0 .0314961 ] ; Emprego 4
= [ 0 , 0 . 5 ] ; Emprego 5 = [ 0 , 0 . 5 ] ; Emprego 6 = [ 0 , 1 ] ;
Emprego 7 = [ 0 , 0 .0131579 ] ; Emprego 8 = [ 0 , 0 .986111 ] ; Emprego 9
= [ 0 , 0 .0526316 ] ; Emprego 10 = [ 0 , 0 ] } ; { Ult imo 1 = [ 0
, 0 .375 ] ; Ul t imo 2 = [ 0 , 0 . 5 ] ; Ul t imo 3 = [ 0 , 0 .238839 ] ;
Ul t imo 4 = [ 0 , 0 .255319 ] ; Ul t imo 5 = [ 0 , 0 .571429 ] ; Ul t imo 6 =
[ 0 , 0 .388889 ] ; Ul t imo 7 = [ 0 , 0 .492908 ] ; Ul t imo 8 = [ 0 ,
0 .722222 ] ; Ul t imo 9 = [ 0 , 0 .333333 ] ; Ul t imo 10 = [ 0 , 0 .111111 ]
} ; { S i t u a c a o 1 = [ 0 .666667 , 1 ] ; S i t u a c a o 2 = [ 0 , 0 .333333 ]
; S i t u a c a o 3 = [ 0 , 0 ] } ; Desemprego = [ 0 , 776 ] ; A c t i v i d a d e =
[ 12 , 89 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 105
Medida de g e n e r a l i d a d e : 0 .52203228
C l a s s e formada p e l a u n i a o de : c l a s s e C 83 e c l a s s e C 101
Composicao da C l a s s e : F /25−34/ Doutoramento F/45−64/ Doutoramento F/35−44/
142
B a c h a r e l a t o F/25−34/ B a c h a r e l a t o M/35−44/ Mes t rado F/35−44/ Pos−S e c u n d a r i o F
/15−24/ Pos−S e c u n d a r i o F/15−24/ Mes t rado F/15−24/ L i c e n c i a t u r a F/25−34/ Pos−
S e c u n d a r i o M/15−24/ L i c e n c i a t u r a M/15−24/ Pos−S e c u n d a r i o M/25−34/ Pos−
S e c u n d a r i o M/15−24/ B a c h a r e l a t o M/25−34/ Doutoramento F/25−34/ Mes t rado M
/35−44/ Pos−S e c u n d a r i o F/35−44/ Doutoramento M/35−44/ Pos−Graduacao F/25−34/ Pos
−Graduacao F/35−44/ Mes t rado M/>=65/ Mes t rado M/45−64/ Pos−Graduacao M/35−44/
Doutoramento F/45−64/ Pos−Graduacao F/45−64/ Mes t rado M/45−64/ Mes t rado M
/25−34/ Pos−Graduacao F/35−44/ Pos−Graduacao M/35−44/ L i c e n c i a t u r a M/35−44/
B a c h a r e l a t o M/25−34/ Mes t rado M/25−34/ B a c h a r e l a t o M/45−64/ Doutoramento F
/35−44/ L i c e n c i a t u r a M/25−34/ L i c e n c i a t u r a F/25−34/ L i c e n c i a t u r a
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 1 ] } ; {
Razao 1 = [ 0 , 0 ] ; Razao 2 = [ 0 , 1 ] ; Razao 3 = [ 0 , 1 ] ;
Razao 4 = [ 0 , 1 ] ; Razao 5 = [ 0 , 0 . 5 ] ; Razao 6 = [ 0 , 0 . 2 5 ] ;
Razao 7 = [ 0 , 0 ] ; Razao 8 = [ 0 , 0 . 1 ] ; Razao 9 = [ 0 , 1 ] ;
Razao 10 = [ 0 , 1 ] ; Razao 11 = [ 0 , 1 ] ; Razao 12 = [ 0 , 0 ] ;
Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 0 .285714 ] ; Emprego 2
= [ 0 , 1 ] ; Emprego 3 = [ 0 , 0 . 1 ] ; Emprego 4 = [ 0 , 1 ] ;
Emprego 5 = [ 0 , 0 . 2 5 ] ; Emprego 6 = [ 0 , 1 ] ; Emprego 7 = [ 0 ,
0 .307692 ] ; Emprego 8 = [ 0 , 0 ] ; Emprego 9 = [ 0 , 0 . 2 5 ] ; Emprego
10 = [ 0 , 0 .0144928 ] } ; { Ult imo 1 = [ 0 , 1 ] ; Ul t imo 2 = [ 0
, 0 ] ; Ul t imo 3 = [ 0 , 0 ] ; Ul t imo 4 = [ 0 , 1 ] ; Ul t imo 5 = [ 0
, 1 ] ; Ul t imo 6 = [ 0 , 0 . 3 ] ; Ul t imo 7 = [ 0 , 0 . 1 ] ; Ul t imo 8 = [
0 , 1 ] ; Ul t imo 9 = [ 0 , 1 ] ; Ul t imo 10 = [ 0 , 0 ] } ; {
S i t u a c a o 1 = [ 0 , 0 .363636 ] ; S i t u a c a o 2 = [ 0 , 1 ] ; S i t u a c a o 3 =
[ 0 , 1 ] } ; Desemprego = [ 1 , 103 ] ; A c t i v i d a d e = [ 0 , 22 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 106
Medida de g e n e r a l i d a d e : 0 .54965908
C l a s s e formada p e l a u n i a o de : c l a s s e C 102 e c l a s s e C 103
Composicao da C l a s s e : M/45−64/ L i c e n c i a t u r a M/45−64/ B a c h a r e l a t o F/45−64/
L i c e n c i a t u r a M/45−64/ Pos−S e c u n d a r i o F/45−64/ B a c h a r e l a t o M/45−64/ S e c u n d a r i o M
/45−64/ Bas i co3 F/45−64/ S e c u n d a r i o F/45−64/ Bas i co3 M/45−64/ Bas i co2 M/35−44/
Bas i co2 M/35−44/ Bas i co1 M/45−64/ Bas i co1 M/45−64/Nenhum F/45−64/Nenhum F
/45−64/ Bas i co1 F/45−64/ Bas i co2 M/25−34/Nenhum M/15−24/ Bas i co1 M/15−24/
S e c u n d a r i o F/15−24/ Bas i co2 F/15−24/ Bas i co3 F/15−24/ S e c u n d a r i o M/15−24/
Bas i co3 M/15−24/ Bas i co2 F/15−24/Nenhum F/<15/ Bas i co1 M/<15/ Bas i co1 M/<15/
Bas i co2 M/<15/Nenhum M/15−24/Nenhum F/15−24/ B a c h a r e l a t o F/<15/Nenhum M/<15/
F/<15/ Bas i co2 F/<15/ F /25−34/Nenhum F/15−24/ Bas i co1 F/45−64/ Pos−S e c u n d a r i o M
/35−44/Nenhum F/35−44/Nenhum F/25−34/ S e c u n d a r i o F/25−34/ Bas i co3 M/25−34/
Bas i co3 M/25−34/ S e c u n d a r i o M/25−34/ Bas i co2 M/25−34/ Bas i co1 M/35−44/ Bas i co3 M
/35−44/ S e c u n d a r i o F/35−44/ Bas i co1 F/35−44/ Bas i co3 F/35−44/ Bas i co2 F/35−44/
S e c u n d a r i o F/25−34/ Bas i co2 F/25−34/ Bas i co1
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .888889 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 .111111
] } ; { Razao 1 = [ 0 , 0 . 7 5 ] ; Razao 2 = [ 0 , 1 ] ; Razao 3 =
[ 0 , 1 ] ; Razao 4 = [ 0 , 0 .333333 ] ; Razao 5 = [ 0 , 1 ] ; Razao 6
143
= [ 0 , 0 .333333 ] ; Razao 7 = [ 0 , 0 .571429 ] ; Razao 8 = [ 0 ,
0 .0727273 ] ; Razao 9 = [ 0 , 0 . 5 ] ; Razao 10 = [ 0 , 0 .485714 ] ;
Razao 11 = [ 0 , 0 . 4 ] ; Razao 12 = [ 0 , 0 . 2 5 ] ; Razao 13 = [ 0 , 0
] } ; { Emprego 1 = [ 0 , 0 .333333 ] ; Emprego 2 = [ 0 , 0 .666667 ]
; Emprego 3 = [ 0 , 0 . 2 5 ] ; Emprego 4 = [ 0 , 0 .492308 ] ; Emprego 5 =
[ 0 , 1 ] ; Emprego 6 = [ 0 , 0 .692308 ] ; Emprego 7 = [ 0 , 0 . 5 ] ;
Emprego 8 = [ 0 , 0 . 7 5 ] ; Emprego 9 = [ 0 , 0 . 5 ] ; Emprego 10 = [ 0
, 0 .125 ] } ; { Ult imo 1 = [ 0 , 1 ] ; Ul t imo 2 = [ 0 , 0 . 2 ] ;
Ul t imo 3 = [ 0 , 0 .291667 ] ; Ul t imo 4 = [ 0 , 1 ] ; Ul t imo 5 = [ 0 ,
0 .631579 ] ; Ul t imo 6 = [ 0 , 0 . 6 ] ; Ul t imo 7 = [ 0 , 0 .333333 ] ;
Ul t imo 8 = [ 0 , 1 ] ; Ul t imo 9 = [ 0 , 0 .542857 ] ; Ul t imo 10 = [ 0 ,
0 .0416667 ] } ; { S i t u a c a o 1 = [ 0 .0327869 , 1 ] ; S i t u a c a o 2 = [ 0
, 0 .918033 ] ; S i t u a c a o 3 = [ 0 , 0 .333333 ] } ; Desemprego = [ 0 ,
553 ] ; A c t i v i d a d e = [ 0 , 60 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 107
Medida de g e n e r a l i d a d e : 0 .66643642
C l a s s e formada p e l a u n i a o de : c l a s s e C 104 e c l a s s e C 106
Composicao da C l a s s e : F/>=65/Nenhum M/>=65/Nenhum F/>=65/ Bas i co1 M/>=65/
Bas i co1 M/>=65/ Bas i co3 M/>=65/ S e c u n d a r i o F/>=65/ Bas i co2 F/>=65/ Bas i co3 M
/>=65/ L i c e n c i a t u r a M/>=65/ Bas i co2 F/>=65/ Pos−Graduacao F/>=65/ Pos−S e c u n d a r i o
M/>=65/ Pos−S e c u n d a r i o F/>=65/ B a c h a r e l a t o F/>=65/ L i c e n c i a t u r a F/>=65/
S e c u n d a r i o M/>=65/ B a c h a r e l a t o M/45−64/ L i c e n c i a t u r a M/45−64/ B a c h a r e l a t o F
/45−64/ L i c e n c i a t u r a M/45−64/ Pos−S e c u n d a r i o F/45−64/ B a c h a r e l a t o M/45−64/
S e c u n d a r i o M/45−64/ Bas i co3 F/45−64/ S e c u n d a r i o F/45−64/ Bas i co3 M/45−64/
Bas i co2 M/35−44/ Bas i co2 M/35−44/ Bas i co1 M/45−64/ Bas i co1 M/45−64/Nenhum F
/45−64/Nenhum F/45−64/ Bas i co1 F/45−64/ Bas i co2 M/25−34/Nenhum M/15−24/ Bas i co1
M/15−24/ S e c u n d a r i o F/15−24/ Bas i co2 F/15−24/ Bas i co3 F/15−24/ S e c u n d a r i o M
/15−24/ Bas i co3 M/15−24/ Bas i co2 F/15−24/Nenhum F/<15/ Bas i co1 M/<15/ Bas i co1 M
/<15/ Bas i co2 M/<15/Nenhum M/15−24/Nenhum F/15−24/ B a c h a r e l a t o F/<15/Nenhum M
/<15/ F/<15/ Bas i co2 F/<15/ F /25−34/Nenhum F/15−24/ Bas i co1 F/45−64/ Pos−
S e c u n d a r i o M/35−44/Nenhum F/35−44/Nenhum F/25−34/ S e c u n d a r i o F/25−34/ Bas i co3
M/25−34/ Bas i co3 M/25−34/ S e c u n d a r i o M/25−34/ Bas i co2 M/25−34/ Bas i co1 M/35−44/
Bas i co3 M/35−44/ S e c u n d a r i o F/35−44/ Bas i co1 F/35−44/ Bas i co3 F/35−44/ Bas i co2 F
/35−44/ S e c u n d a r i o F/25−34/ Bas i co2 F/25−34/ Bas i co1
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 .888889 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 0 .111111
] } ; { Razao 1 = [ 0 , 1 ] ; Razao 2 = [ 0 , 1 ] ; Razao 3 = [ 0
, 1 ] ; Razao 4 = [ 0 , 0 .333333 ] ; Razao 5 = [ 0 , 1 ] ; Razao 6 =
[ 0 , 0 .333333 ] ; Razao 7 = [ 0 , 0 .666667 ] ; Razao 8 = [ 0 , 0 .111111
] ; Razao 9 = [ 0 , 0 . 5 ] ; Razao 10 = [ 0 , 0 .485714 ] ; Razao 11 =
[ 0 , 0 . 4 ] ; Razao 12 = [ 0 , 0 . 2 5 ] ; Razao 13 = [ 0 , 0 ] } ; {
Emprego 1 = [ 0 , 1 ] ; Emprego 2 = [ 0 , 0 .666667 ] ; Emprego 3 = [ 0
, 0 . 2 5 ] ; Emprego 4 = [ 0 , 0 . 5 ] ; Emprego 5 = [ 0 , 1 ] ; Emprego 6
= [ 0 , 1 ] ; Emprego 7 = [ 0 , 0 . 5 ] ; Emprego 8 = [ 0 , 0 .986111 ] ;
Emprego 9 = [ 0 , 0 . 5 ] ; Emprego 10 = [ 0 , 0 .125 ] } ; { Ult imo 1
= [ 0 , 1 ] ; Ul t imo 2 = [ 0 , 0 . 5 ] ; Ul t imo 3 = [ 0 , 0 .291667 ] ;
144
Ult imo 4 = [ 0 , 1 ] ; Ul t imo 5 = [ 0 , 0 .631579 ] ; Ul t imo 6 = [ 0 ,
0 . 6 ] ; Ul t imo 7 = [ 0 , 0 .492908 ] ; Ul t imo 8 = [ 0 , 1 ] ; Ul t imo 9 =
[ 0 , 0 .542857 ] ; Ul t imo 10 = [ 0 , 0 .111111 ] } ; { S i t u a c a o 1 =
[ 0 .0327869 , 1 ] ; S i t u a c a o 2 = [ 0 , 0 .918033 ] ; S i t u a c a o 3 = [ 0 ,
0 .333333 ] } ; Desemprego = [ 0 , 776 ] ; A c t i v i d a d e = [ 0 , 89 ] )
−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−
Formada nova C l a s s e : C 108
Medida de g e n e r a l i d a d e : 0 .87939502
C l a s s e formada p e l a u n i a o de : c l a s s e C 105 e c l a s s e C 107
Composicao da C l a s s e : F /25−34/ Doutoramento F/45−64/ Doutoramento F/35−44/
B a c h a r e l a t o F/25−34/ B a c h a r e l a t o M/35−44/ Mes t rado F/35−44/ Pos−S e c u n d a r i o F
/15−24/ Pos−S e c u n d a r i o F/15−24/ Mes t rado F/15−24/ L i c e n c i a t u r a F/25−34/ Pos−
S e c u n d a r i o M/15−24/ L i c e n c i a t u r a M/15−24/ Pos−S e c u n d a r i o M/25−34/ Pos−
S e c u n d a r i o M/15−24/ B a c h a r e l a t o M/25−34/ Doutoramento F/25−34/ Mes t rado M
/35−44/ Pos−S e c u n d a r i o F/35−44/ Doutoramento M/35−44/ Pos−Graduacao F/25−34/ Pos
−Graduacao F/35−44/ Mes t rado M/>=65/ Mes t rado M/45−64/ Pos−Graduacao M/35−44/
Doutoramento F/45−64/ Pos−Graduacao F/45−64/ Mes t rado M/45−64/ Mes t rado M
/25−34/ Pos−Graduacao F/35−44/ Pos−Graduacao M/35−44/ L i c e n c i a t u r a M/35−44/
B a c h a r e l a t o M/25−34/ Mes t rado M/25−34/ B a c h a r e l a t o M/45−64/ Doutoramento F
/35−44/ L i c e n c i a t u r a M/25−34/ L i c e n c i a t u r a F/25−34/ L i c e n c i a t u r a F/>=65/Nenhum
M/>=65/Nenhum F/>=65/ Bas i co1 M/>=65/ Bas i co1 M/>=65/ Bas i co3 M/>=65/ S e c u n d a r i o
F/>=65/ Bas i co2 F/>=65/ Bas i co3 M/>=65/ L i c e n c i a t u r a M/>=65/ Bas i co2 F/>=65/ Pos
−Graduacao F/>=65/ Pos−S e c u n d a r i o M/>=65/ Pos−S e c u n d a r i o F/>=65/ B a c h a r e l a t o F
/>=65/ L i c e n c i a t u r a F/>=65/ S e c u n d a r i o M/>=65/ B a c h a r e l a t o M/45−64/ L i c e n c i a t u r a
M/45−64/ B a c h a r e l a t o F/45−64/ L i c e n c i a t u r a M/45−64/ Pos−S e c u n d a r i o F/45−64/
B a c h a r e l a t o M/45−64/ S e c u n d a r i o M/45−64/ Bas i co3 F/45−64/ S e c u n d a r i o F/45−64/
Bas i co3 M/45−64/ Bas i co2 M/35−44/ Bas i co2 M/35−44/ Bas i co1 M/45−64/ Bas i co1 M
/45−64/Nenhum F/45−64/Nenhum F/45−64/ Bas i co1 F/45−64/ Bas i co2 M/25−34/Nenhum
M/15−24/ Bas i co1 M/15−24/ S e c u n d a r i o F/15−24/ Bas i co2 F/15−24/ Bas i co3 F/15−24/
S e c u n d a r i o M/15−24/ Bas i co3 M/15−24/ Bas i co2 F/15−24/Nenhum F/<15/ Bas i co1 M
/<15/ Bas i co1 M/<15/ Bas i co2 M/<15/Nenhum M/15−24/Nenhum F/15−24/ B a c h a r e l a t o F
/<15/Nenhum M/<15/ F/<15/ Bas i co2 F/<15/ F /25−34/Nenhum F/15−24/ Bas i co1 F
/45−64/ Pos−S e c u n d a r i o M/35−44/Nenhum F/35−44/Nenhum F/25−34/ S e c u n d a r i o F
/25−34/ Bas i co3 M/25−34/ Bas i co3 M/25−34/ S e c u n d a r i o M/25−34/ Bas i co2 M/25−34/
Bas i co1 M/35−44/ Bas i co3 M/35−44/ S e c u n d a r i o F/35−44/ Bas i co1 F/35−44/ Bas i co3 F
/35−44/ Bas i co2 F/35−44/ S e c u n d a r i o F/25−34/ Bas i co2 F/25−34/ Bas i co1
D e s c r i c a o da c l a s s e :
( { N a c i o n a l i d a d e 1 = [ 0 , 1 ] ; N a c i o n a l i d a d e 2 = [ 0 , 1 ] } ; {
Razao 1 = [ 0 , 1 ] ; Razao 2 = [ 0 , 1 ] ; Razao 3 = [ 0 , 1 ] ;
Razao 4 = [ 0 , 1 ] ; Razao 5 = [ 0 , 1 ] ; Razao 6 = [ 0 , 0 .333333 ]
; Razao 7 = [ 0 , 0 .666667 ] ; Razao 8 = [ 0 , 0 .111111 ] ; Razao 9 =
[ 0 , 1 ] ; Razao 10 = [ 0 , 1 ] ; Razao 11 = [ 0 , 1 ] ; Razao 12 =
[ 0 , 0 . 2 5 ] ; Razao 13 = [ 0 , 0 ] } ; { Emprego 1 = [ 0 , 1 ] ;
Emprego 2 = [ 0 , 1 ] ; Emprego 3 = [ 0 , 0 . 2 5 ] ; Emprego 4 = [ 0 , 1
] ; Emprego 5 = [ 0 , 1 ] ; Emprego 6 = [ 0 , 1 ] ; Emprego 7 = [ 0 ,
0 . 5 ] ; Emprego 8 = [ 0 , 0 .986111 ] ; Emprego 9 = [ 0 , 0 . 5 ] ;
Emprego 10 = [ 0 , 0 .125 ] } ; { Ult imo 1 = [ 0 , 1 ] ; Ul t imo 2 =
145
[ 0 , 0 . 5 ] ; Ul t imo 3 = [ 0 , 0 .291667 ] ; Ul t imo 4 = [ 0 , 1 ] ;
Ul t imo 5 = [ 0 , 1 ] ; Ul t imo 6 = [ 0 , 0 . 6 ] ; Ul t imo 7 = [ 0 ,
0 .492908 ] ; Ul t imo 8 = [ 0 , 1 ] ; Ul t imo 9 = [ 0 , 1 ] ; Ul t imo 10 =
[ 0 , 0 .111111 ] } ; { S i t u a c a o 1 = [ 0 , 1 ] ; S i t u a c a o 2 = [ 0 ,
1 ] ; S i t u a c a o 3 = [ 0 , 1 ] } ; Desemprego = [ 0 , 776 ] ; A c t i v i d a d e
= [ 0 , 89 ] )
146
Apendice E
Classes formadas Dados Emprego
E.1 Classes formadas pelo metodo Implementado
Classe 1: 37 grupos
Feminino/25-34/Doutoramento
Feminino/45-64/Doutoramento
Feminino/35-44/Bacharelato
Feminino/25-34/Bacharelato
Masculino/35-44/Mestrado
Feminino/35-44/Pos-Secundario
Feminino/15-24/Pos-Secundario
Feminino/15-24/Mestrado
Feminino/15-24/Licenciatura
Feminino/25-34/Pos-Secundario
Masculino/15-24/Licenciatura
Masculino/15-24/Pos-Secundario
Masculino/25-34/Pos-Secundario
Masculino/15-24/Bacharelato
Masculino/25-34/Doutoramento
Feminino/25-34/Mestrado
Masculino/35-44/Pos-Secundario
Feminino/35-44/Doutoramento
147
Masculino/35-44/Pos-Graduacao
Feminino/25-34/Pos-Graduacao
Feminino/35-44/Mestrado
Masculino/≥65/Mestrado
Masculino/45-64/Pos-Graduacao
Masculino/35-44/Doutoramento
Feminino/45-64/Pos-Graduacao
Feminino/45-64/Mestrado
Masculino/45-64/Mestrado
Masculino/25-34/Pos-Graduacao
Feminino/35-44/Pos-Graduacao
Masculino/35-44/Licenciatura
Masculino/35-44/Bacharelato
Masculino/25-34/Mestrado
Masculino/25-34/Bacharelato
Masculino/45-64/Doutoramento
Feminino/35-44/Licenciatura
Masculino/25-34/Licenciatura
Feminino/25-34/Licenciatura
Classe 2: 17 grupos
Feminino/≥65/Nenhum
Masculino/≥65/Nenhum
Feminino/≥65/Basico1
Masculino/≥65/Basico1
Masculino/≥65/Basico3
Masculino/≥65/Secundario
Feminino/≥65/Basico2
Feminino/≥65/Basico3
Masculino/≥65/Licenciatura
Masculino/≥65/Basico2
148
Feminino/≥65/Pos-Graduacao
Feminino/≥65/Pos-Secundario
Masculino/≥65/Pos-Secundario
Feminino/≥65/Bacharelato
Feminino/≥65/Licenciatura
Feminino/≥65/Secundario
Masculino/≥65/Bacharelato
Classe 3: 38 grupos
Masculino/25-34/Nenhum
Masculino/15-24/Basico1
Masculino/15-24/Secundario
Feminino/15-24/Basico2
Feminino/15-24/Basico3
Feminino/15-24/Secundario
Masculino/15-24/Basico3
Masculino/15-24/Basico2
Feminino/15-24/Nenhum
Feminino/<15/Basico1
Masculino/<15/Basico1
Masculino/<15/Basico2
Masculino/<15/Nenhum
Masculino/15-24/Nenhum
Feminino/15-24/Bacharelato
Feminino/<15/Nenhum
Masculino/<15/
Feminino/<15/Basico2
Feminino/<15/
Feminino/25-34/Nenhum
Feminino/15-24/Basico1
Feminino/45-64/Pos-Secundario
149
Masculino/35-44/Nenhum
Feminino/35-44/Nenhum
Feminino/25-34/Secundario
Feminino/25-34/Basico3
Masculino/25-34/Basico3
Masculino/25-34/Secundario
Masculino/25-34/Basico2
Masculino/25-34/Basico1
Masculino/35-44/Basico3
Masculino/35-44/Secundario
Feminino/35-44/Basico1
Feminino/35-44/Basico3
Feminino/35-44/Basico2
Feminino/35-44/Secundario
Feminino/25-34/Basico2
Feminino/25-34/Basico1
Classe 4: 17 grupos
Masculino/45-64/Licenciatura
Masculino/45-64/Bacharelato
Feminino/45-64/Licenciatura
Masculino/45-64/Pos-Secundario
Feminino/45-64/Bacharelato
Masculino/45-64/Secundario
Masculino/45-64/Basico3
Feminino/45-64/Secundario
Feminino/45-64/Basico3
Masculino/45-64/Basico2
Masculino/35-44/Basico2
Masculino/35-44/Basico1
Masculino/45-64/Basico1
150
Masculino/45-64/Nenhum
Feminino/45-64/Nenhum
Feminino/45-64/Basico1
Feminino/45-64/Basico2
E.2 Classes formadas pelo metodo SCLUST
Classe 1: 26 grupos
Feminino/15 - 24/Basico3
Masculino/25 - 34/Basico3
Feminino/15 - 24/Secundario
Feminino/25 - 34/Secundario
Masculino/15 - 24/Secundario
Masculino/25 - 34/Basico2
Masculino/35 - 44/Basico3
Masculino/15 - 24/Basico3
Feminino/25 - 34/Basico3
Feminino/25 - 34/Basico2
Feminino/25 - 34/Nenhum
Masculino/25 - 34/Secundario
Masculino/25 - 34/Nenhum
Masculino/35 - 44/Secundario
Masculino/15 - 24/Basico2
Masculino/25 - 34/Basico1
Masculino/15 - 24/Basico1
Feminino/15 - 24/Basico2
Feminino/15 - 24/Pos-Secundario
Feminino/35 - 44/Pos-Secundario
Feminino/25 - 34/Basico1
Feminino/25 - 34/Pos-Secundario
151
Feminino/15 - 24/Bacharelato
Feminino/15 - 24/Basico1
Masculino/15 - 24/Pos-Secundario
Feminino/15 - 24/Mestrado
Classe 2: 22 grupos
Masculino/35 - 44/Bacharelato
Feminino/15 - 24/Licenciatura
Feminino/35 - 44/Pos-Graduacao
Masculino/45 - 64/Pos-Graduacao
Feminino/45 - 64/Pos-Graduacao
Masculino/35 - 44/Doutoramento
Masculino/45 - 64/Mestrado
Feminino/25 - 34/Pos-Graduacao
Masculino/25 - 34/Mestrado
Feminino/45 - 64/Mestrado
Masculino/35 - 44/Pos-Secundario
Masculino/25 - 34/Pos-Secundario
Masculino/15 - 24/Bacharelato
Masculino/45 - 64/Pos-Secundario
Feminino/35 - 44/Mestrado
Masculino/25 - 34/Pos-Graduacao
Feminino/25 - 34/Mestrado
Feminino/35 - 44/Doutoramento
Masculino/≥ 65/Mestrado
Masculino/35 - 44/Pos-Graduacao
Feminino/15 - 24/Nenhum
Masculino/25 - 34/Doutoramento
Classe 3: 12 grupos
Feminino/35 - 44/Licenciatura
152
Masculino/25 - 34/Licenciatura
Feminino/25 - 34/Licenciatura
Feminino/25 - 34/Bacharelato
Masculino/35 - 44/Mestrado
Feminino/35 - 44/Bacharelato
Masculino/25 - 34/Bacharelato
Feminino/45 - 64/Doutoramento
Masculino/15 - 24/Licenciatura
Masculino/35 - 44/Licenciatura
Masculino/45 - 64/Doutoramento
Feminino/25 - 34/Doutoramento
Classe 4: 49 grupos
Masculino/≥ 65/Nenhum
Feminino/45 - 64/Secundario
Feminino/35 - 44/Basico3
Feminino/≥ 65/Basico1
Masculino/45 - 64/Basico1
Feminino/45 - 64/Basico1
Masculino/≥ 65/Basico1
Masculino/45 - 64/Basico3
Feminino/35 - 44/Basico2
Feminino/< 15/Basico1
Feminino/< 15/Nenhum
Feminino/45 - 64/Basico3
Feminino/45 - 64/Basico2
Masculino/35 - 44/Basico2
Feminino/35 - 44/Secundario
Feminino/< 15/Basico2
Masculino/< 15/Basico2
Feminino/≥ 65/Nenhum
153
Feminino/45 - 64/Nenhum
Feminino/< 15/
Feminino/45 - 64/Bacharelato
Masculino/< 15/Nenhum
Masculino/45 - 64/Basico2
Masculino/35 - 44/Basico1
Masculino/35 - 44/Nenhum
Masculino/45 - 64/Nenhum
Masculino/< 15/
Masculino/45 - 64/Secundario
Feminino/≥ 65/Bacharelato
Feminino/35 - 44/Basico1
Masculino/< 15/Basico1
Masculino/45 - 64/Licenciatura
Feminino/≥ 65/Basico2
Feminino/≥ 65/Basico3
Feminino/45 - 64/Licenciatura
Masculino/≥ 65/Basico3
Feminino/35 - 44/Nenhum
Masculino/45 - 64/Bacharelato
Masculino/≥ 65/Secundario
Masculino/≥ 65/Licenciatura
Masculino/≥ 65/Basico2
Feminino/≥ 65/Licenciatura
Masculino/15 - 24/Nenhum
Feminino/≥ 65/Secundario
Masculino/≥ 65/Bacharelato
Feminino/≥ 65/Pos-Graduacao
Feminino/45 - 64/Pos-Secundario
Feminino/≥ 65/Pos-Secundario
154
Masculino/≥ 65/Pos-Secundario
E.3 Classes formadas pelo metodo HIPYR
Classe 1: 16 grupos
Masculino/≥ 65/Nenhum
Feminino/≥ 65/Nenhum
Feminino/≥ 65/Basico1
Masculino/≥ 65/Basico1
Feminino/≥ 65/Basico2
Masculino/≥ 65/Secundario
Masculino/≥ 65/Basico3
Masculino/≥ 65/Basico2
Masculino/≥ 65/Licenciatura
Feminino/≥ 65/Bacharelato
Feminino/≥ 65/Licenciatura
Feminino/≥ 65/Basico3
Feminino/≥ 65/Secundario
Masculino/≥ 65/Bacharelato
Feminino/≥ 65/Pos-Secundario
Masculino/≥ 65/Pos-Secundario
Classe 2: 20 grupos
Feminino/45 - 64/Basico2
Feminino/45 - 64/Basico1
Feminino/45 - 64/Nenhum
Masculino/45 - 64/Basico1
Masculino/45 - 64/Nenhum
Masculino/45 - 64/Basico3
Feminino/45 - 64/Basico3
155
Feminino/45 - 64/Secundario
Feminino/45 - 64/Pos-Secundario
Masculino/45 - 64/Basico2
Feminino/35 - 44/Basico3
Feminino/35 - 44/Secundario
Feminino/25 - 34/Basico2
Feminino/25 - 34/Basico1
Feminino/35 - 44/Basico2
Feminino/35 - 44/Basico1
Masculino/35 - 44/Basico1
Masculino/35 - 44/Nenhum
Masculino/35 - 44/Basico2
Feminino/35 - 44/Nenhum
Classe 3: 24 grupos
Masculino/25 - 34/Basico2
Masculino/25 - 34/Basico1
Masculino/45 - 64/Doutoramento
Masculino/45 - 64/Mestrado
Masculino/25 - 34/Pos-Graduacao
Masculino/45 - 64/Pos-Graduacao
Masculino/35 - 44/Doutoramento
Feminino/25 - 34/Pos-Graduacao
Feminino/35 - 44/Mestrado
Feminino/≥ 65/Pos-Graduacao
Masculino/≥ 65/Mestrado
Masculino/45 - 64/Pos-Secundario
Feminino/25 - 34/Mestrado
Feminino/45 - 64/Bacharelato
Masculino/45 - 64/Bacharelato
Masculino/45 - 64/Secundario
156
Masculino/45 - 64/Licenciatura
Feminino/45 - 64/Licenciatura
Classe 4: 15 grupos
Feminino/25 - 34/Bacharelato
Masculino/35 - 44/Bacharelato
Masculino/35 - 44/Licenciatura
Feminino/35 - 44/Licenciatura
Masculino/25 - 34/Licenciatura
Feminino/15 - 24/Basico3
Masculino/15 - 24/Basico3
Masculino/15 - 24/Secundario
Masculino/15 - 24/Basico2
Feminino/15 - 24/Secundario
Feminino/15 - 24/Basico2
Feminino/25 - 34/Secundario
Feminino/25 - 34/Licenciatura
Feminino/25 - 34/Basico3
Masculino/25 - 34/Secundario
Classe 5: 34 grupos
Feminino/35 - 44/Bacharelato
Masculino/15 - 24/Basico1
Feminino/25 - 34/Doutoramento
Feminino/45 - 64/Doutoramento
Feminino/35 - 44/Pos-Secundario
Feminino/25 - 34/Pos-Secundario
Feminino/15 - 24/Mestrado
Masculino/15 - 24/Bacharelato
Masculino/25 - 34/Doutoramento
Feminino/< 15/
157
Feminino/< 15/Basico2
Masculino/< 15/Nenhum
Masculino/< 15/Basico2
Feminino/< 15/Nenhum
Masculino/< 15/
Masculino/< 15/Basico1
Masculino/15 - 24/Nenhum
Feminino/< 15/Basico1
Masculino/25 - 34/Pos-Secundario
Feminino/15 - 24/Bacharelato
Feminino/15 - 24/Pos-Secundario
Feminino/15 - 24/Nenhum
Masculino/25 - 34/Bacharelato
Masculino/15 - 24/Pos-Secundario
Masculino/15 - 24/Licenciatura
Masculino/35 - 44/Mestrado
Masculino/35 - 44/Pos-Secundario
Feminino/35 - 44/Pos-Graduacao
Masculino/25 - 34/Mestrado
Feminino/45 - 64/Mestrado
Feminino/35 - 44/Doutoramento
Masculino/35 - 44/Pos-Graduacao
Feminino/15 - 24/Licenciatura
Feminino/45 - 64/Pos-Graduacao
158