Agrupamento de Conjuntos de Instâncias: Uma Aplicação ao ENEM

O agrupamento de conjuntos de instâncias (observações) é um problema cujo objetivo é agrupar objetos que são representados por uma amostra. A abordagem adotada nesses casos é calcular alguma estatística dessas amostras, geralmente a média, e utilizá-la para representar o objeto. Assim, um algoritmo de agrupamento tradicional pode ser aplicado para resolver o problema, calculando a distância entre as estatísticas. Esta dissertação apresenta uma nova abordagem para este tipo de problema utilizando os conjuntos originais. A comparação entre os objetos para calcular a similaridade é feita a partir do teste de Kolmogorov-Smirnov para duas amostras. Este teste é utilizado quando se deseja decidir se duas amostras foram geradas da mesma população, a partir do cálculo do p-valor. Esta dissertação apresenta um estudo que indica ser viável a utilização do p-valor como uma medida de similaridade na aplicação de um método de agrupamento. Por fim, experimentos foram conduzidos para comparar os resultados obtidos entre o método proposto e a abordagem que calcula uma estatística das amostras. O problema abordado foi o agrupamento dos municípios do estado do Rio de Janeiro baseado nas notas de matemáticas do ENEM de 2011 e o experimento mostrou que o método proposto é viável e em alguns casos mais eficiente do que calcular alguma estatística.