An implementation of a mathematical-computational method for the detection and treatment of financial outliers in higher education.

Freitas, Nathan Cavalcante

Use este identificador para citar ou linkar para este item: https://repository.ufrpe.br/handle/123456789/5558

Registro completo de metadados

Campo DC	Valor	Idioma
dc.contributor.advisor	Gouveia, Roberta Macêdo Marques	-
dc.contributor.author	Freitas, Nathan Cavalcante	-
dc.date.accessioned	2024-01-31T12:18:11Z	-
dc.date.available	2024-01-31T12:18:11Z	-
dc.date.issued	2023-09-06	-
dc.identifier.citation	FREITAS, Nathan Cavalcante. An implementation of a mathematical-computational method for the detection and treatment of financial outliers in higher education. 2023. 15 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Departamento de Estatística e Informática, Universidade Federal Rural de Pernambuco, Recife, 2023.	pt_BR
dc.identifier.uri	https://repository.ufrpe.br/handle/123456789/5558	-
dc.description	O Censo da Educação Superior ocorre anualmente, coletando dados de Instituições de Ensino Superior (IES) no Brasil. Diferentes fatores podem levar a anomalias ou outliers em alguns destes dados coletados. Este trabalho propõe um método matemático-computacional para detectar e tratar valores financeiros atípicos das IES. Para tanto, adota-se as análises univariadas e bivariadas dos dados. Foram analisados dados de despesas e receitas das IES do Censo de 2016 a 2019. Esta análise revelou que 204 de 2.224 IES, aproximadamente 10%, reportaram algum dado atípico.	pt_BR
dc.description.abstract	The Higher Education Census occurs annually, collecting data from public and private Higher Educational Institutions (HEI) in Brazil. Different factors can lead to anomalies or outliers in some of these collected data. This work proposes a mathematical-computational method to detect and treat atypical HEI’s financial values. Both univariate and bivariate analysis to that end. We analyzed the expenses and incomes of HEI in the census from 2016 to 2019. This analysis revealed that 204 out of 2,224 HEI, approximately 10%, reported some atypical data.	pt_BR
dc.format.extent	15 f.	pt_BR
dc.language.iso	por	pt_BR
dc.rights	openAccess	pt_BR
dc.rights.uri	https://creativecommons.org/licenses/by/4.0/deed.pt_BR	pt_BR
dc.subject	Ensino superior	pt_BR
dc.subject	Universidades e faculdades - Finanças	pt_BR
dc.subject	Valores discrepantes (Estatística)	pt_BR
dc.subject	Mineração de dados (Computação)	pt_BR
dc.title	An implementation of a mathematical-computational method for the detection and treatment of financial outliers in higher education.	pt_BR
dc.type	bachelorThesis	pt_BR
dc.rights.license	Atribuição 4.0 Internacional (CC BY 4.0)	pt_BR
dc.contributor.authorLattes	http://lattes.cnpq.br/1613649528791400	pt_BR
dc.contributor.advisorLattes	http://lattes.cnpq.br/2024317361355224	pt_BR
dc.degree.level	Graduacao	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.degree.local	Recife	pt_BR
dc.degree.grantor	Universidade Federal Rural de Pernambuco	pt_BR
dc.degree.graduation	Bacharelado em Sistemas de Informação	pt_BR
dc.degree.departament	Departamento de Estatística e Informática	pt_BR
Aparece nas coleções:	TCC - Bacharelado em Sistemas da Informação (Sede)

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
tcc_art_nathancavalcantefreitas.pdf		801,06 kB	Adobe PDF	Visualizar/Abrir

Mostrar registro simples do item Visualizar estatísticas

Este item está licenciada sob uma Licença Creative Commons