Exercícios

 Exercícios

Enviar por Favor para o E-mail da Disciplina:

gestao.estat.cert@gmail.com

        Colocar o número do exercício e o nome do autor ou autores (máximo 3) no assunto do e-mail.

 

 

Exercícios Teóricos

- Exercício Teórico 1 – Elabore 7 slides sobre os assuntos

abordados nesta primeira aula. Ver postagem de Slides.

Qualquer coisa que tenha te interessado.

Assuntos

- IA

- CD

- Robótica

- Machine learning

- S Toyota de Gestão 4.0 = Sistema Porsche

- Rede Neural

Dead Line: 28/8/2025

 

- Exercício Teórico 2 – Elabore de 4 a 8 slides sobre tipos de IA Indutiva (Machine Learning).

Dead Line: 4/9/2025

 

 

Exercícios Práticos

 

Exercício Prático 1 -  Regressão Linear Simples em Excel ou LOffice Calc. Sem outlier.

Machine Learning Supervisionado para Predição, Introdução: Regressão Linear Simples

 Exemplo: X: Propaganda - Y: Vendas 

 

X	Y
30	4??
21	3??
35	520
42	490
37	470
2	210
8	195
17	270
35	400
25	480

 

Coloque seus últimos 2 dígitos do numero USP no lugar dos sinais de interrogação.

Elabore um relatório com os resultados, numa linguagem não acadêmica, como se estivesse relatando os resultados para a Dona Luiza, que não sabe estatística mas sabe muito de gestão de negócios.

Dead Line: 19/8/2025

 

Exercício Prático 2 -  Regressão Linear Simples em Excel ou LOffice Calc. Com outlier.

Machine Learning Supervisionado para Predição, Introdução: Regressão Linear Simples

 Exemplo: Propaganda - Vendas 

 

X	Y
30	4??
21	3??
35	520
42	490
37	470
2	210
8	195
17	270
35	400
25	480

3 800     (===> Outlier)

Coloque seus últimos 2 dígitos do numero USP no lugar dos sinais de interrogação.

Elabore um relatório com os resultados, numa linguagem não acadêmica, como se estivesse relatando os resultados para a Dona Luiza, que não sabe estatística mas sabe muito de gestão de negócios.

Dead Line: 19/8/2025

 

Exercício Prático 3 -  Regressão Linear Simples em SAS. Com  e sem outlier.

Machine Learning Supervisionado para Predição, Introdução: Regressão Linear Simples

 Exemplo: Propaganda - Vendas 

 

X	Y
30	4??
21	3??
35	520
42	490
37	470
2	210
8	195
17	270
35	400
25	480

3 800     (===> Outlier)

Coloque seus últimos 2 dígitos do numero USP no lugar dos sinais de interrogação.

Elabore um relatório com os resultados, numa linguagem não acadêmica, como se estivesse relatando os resultados para a Dona Luiza, que não sabe estatística mas sabe muito de gestão de negócios.

Programa SAS para Regressão Robusta

 

 

data propag; 

input X Y;

cards;

DADOS DO EXCEL DO BLOG

;

proc print;

run;

/* Y: Vendas e X:Propaganda */

proc robustreg;

   model Y = X;

run;

 

Dead Line: 26/8/2025

Resultados e D.

A analise com proc reg no sas, deu resultado errado, aconteceria mesma coisa no Excel e L.O. Calq. Assim nunca devemos utilizar prog reg ou as analises do Excel o LOCalq.

Com essa análise errada falaríamos para a CEO do Mag. Luiza (Dona Luiza) que a propaganda não está funcionando.

Agora analisando os dados com a procedure Robustreg, concluímos que a propaganda influencia a venda com 99,99% de confiança.

 Programa SAS feito durante a aula:

data regre;

input X Y;

datalines;

30 459

21 359

35 520

42 490

37 470

2 210

8 195

17 270

35 400

25 480

3 800

;

proc print; run;

/* Ciencia de Dados Robusta é a unica forma de tomada

   de d. na ciencia e tecnologia moderna */

proc robustreg;

    model Y = X;

run;

 Exercício Prático 4

Vamos analisar a satisfação de clientes, por exemplo do Mazine Luisa, essa satisfação será nossa variável resposta ou efeito.

Temos 5 variáveis preditoras (ou independentes ou causa).

Queremos saber quais variáveis preditoras impactam a satisfação do cliente e quantificar esse impacto.

Resolva no SAS com e sem outlier.

Troque os sinais de interrogação pelos últimos dois dígitos do seu número USP.

 Banco de Dados

Bu_Unit	Sales	Price	Qu_level	Claims	NPS	Satisfac
1	65,98	97,80	96,77	13,58	98,90	97,83
2	15,84	98,90	98,39	12,35	97,80	98,91
3	8,89	100,00	100,00	11,11	100,00	100,00
4	12,46	98,90	95,16	12,35	96,70	96,74
5	80,67	21,98	19,35	100,00	2,20	21,????
6	32,17	23,08	22,58	97,53	3,30	23,91
7	23,45	24,18	24,19	96,30	2,75	25,00
8	89,96	24,18	19,35	95,06	2,20	26,09
9	31,43	64,84	56,45	50,62	65,93	65,22
10	11,23	65,93	51,61	49,38	71,43	66,30
11	77,46	70,33	53,23	46,91	63,74	68,48
12	23,90	68,13	51,61	45,68	61,54	67,39
13	7,40	86,81	80,65	25,93	90,11	86,96
14	0,29	87,91	79,03	24,69	85,71	85,87
15	83,42	87,91	77,42	22,22	90,11	88,04
16	100,00	86,81	75,81	25,93	84,62	84,78
17	15,84	98,90	98,39	12,35	97,80	28,91

  Conventional and Robust Data Science for SML to Prediction or Regression 

SAS Program

Data Customer;

Input Bu_Unit  Sales  Price Qu_level Claims NPS Satisfac;

Cards;

DADOS DO EXCEL OU LIBRE OFFICE CALC

;

proc print; run;

/* Input Bu_Unit  Sales  Price Qu_level Claims NPS Satisfac; */

proc reg;

   model  Satisfac = Sales  Price Qu_level Claims NPS;

Run;

proc robustreg;

model Satisfac = Sales  Price Qu_level Claims NPS / diagnostic;

Run;