Identificação de Outliers para detectar riscos de gestão

dc.contributor.advisorMonteiro, Cleviton Vinicius Fonsêca
dc.contributor.advisor-coLima, Rinaldo José de
dc.contributor.advisor-coLatteshttp://lattes.cnpq.br/7645118086647340
dc.contributor.advisorLatteshttp://lattes.cnpq.br/9362573782715504
dc.contributor.authorBrizeno, Raissa Costa
dc.contributor.authorLatteshttp://lattes.cnpq.br/1672154276438369
dc.date.accessioned2023-03-10T16:40:31Z
dc.date.available2023-03-10T16:40:31Z
dc.date.issued2018-08-17
dc.degree.departamentEstatística e Informática
dc.degree.graduationBacharelado em Sistemas de Informação
dc.degree.grantorUniversidade Federal Rural de Pernambuco
dc.degree.levelGraduacao
dc.degree.localRecife
dc.description.abstractOs outliers são valores que não convergem com o restante dos dados de uma série. Estes valores quando surgem no contexto financeiro podem representar problemas que influenciam diretamente na saúde de um empreendimento e na tomada de decisão pelos gestores. Diante disto pretendeu-se com este trabalho identificar anomalias em lançamentos financeiros advindos contas contábeis de empresas reais. Para isto, realizou-se análises estatísticas dos lançamentos para que técnicas de detecção de outliers pudessem ser escolhidas e, posteriormente, comparadas com a detecção de outliers de avaliadores. Dentre a grande variedade de técnicas foram escolhidos os métodos de Boxplot, Boxplot ajustado, MAD e desvio padrão. Os resultados obtidos mostram que a maioria das séries não seguiam uma distribuição normal, e os resultados experimentais das comparações entre os métodos automáticos e os avaliadores demonstraram diferenças substanciais.
dc.description.abstractxOutliers are values that doesn’t converge with the rest of the data series. These values when they arise in financial context can represent problems that have a direct influence on the health of an enterprise and the decision-making by the managers. In view of this, it was intended with this work identify anomalies in financial launches arising from the accounts of real companies. For this, statistical analyzes of the launches were fulfilled in order that outliers detection techniques could be chosen and then compared with the outliers detection of evaluators . Among the great variety of techniques were chosen the methods of Boxplot, Boxplot adjusted, MAD and standard deviation. The results show that most of the series didn’t follow a normal distribution, and the experimental results of the comparisons between the automatic methods and the evaluators showed substantial differences.
dc.format.extent52 f.
dc.identifier.citationBRIZENO, Raissa Costa. Identificação de Outliers para detectar riscos de gestão. 2018. 52 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Departamento de Estatística e Informática, Universidade Federal Rural de Pernambuco, Recife, 2018.
dc.identifier.darkflstrmvhttps://n2t.net/ark:/57462/001300000jf4h
dc.identifier.urihttps://repository.ufrpe.br/handle/123456789/4118
dc.language.isopor
dc.publisher.countryBrasil
dc.rightsopenAccess
dc.rights.licenseAtribuição-NãoComercial-SemDerivações 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/deed.pt_BR
dc.subjectOutliers (Estatística)
dc.subjectValores atípicos
dc.subjectEstatística - Métodos gráficos
dc.subjectDecisão estatística
dc.subjectProcesso decisório
dc.titleIdentificação de Outliers para detectar riscos de gestão
dc.typebachelorThesis

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
tcc_raissacostabrizeno.pdf
Tamanho:
2.67 MB
Formato:
Adobe Portable Document Format
Descrição:

Licença do pacote

Agora exibindo 1 - 1 de 1
Nenhuma Miniatura Disponível
Nome:
license.txt
Tamanho:
1.87 KB
Formato:
Item-specific license agreed upon to submission
Descrição: