quinta-feira, 27 de novembro de 2025

Prova lce1270 27/11/2025


Por favor colocar o seu nome completo e seu numero USP no relatorio da prova (elaborado no processador de texto)

gestao.estat.cert@gmail.com

 Similar a Ex. Prático 10 -  IAI Não Supervisionada para Agrupamentos e Distâncias Multivariados, seleção de variáveis preditoras, equalização e detecção de outliers. ANOVA, RobustANOVA, Box and Wisker Plot.


Dados em Planilha Eletrônica:

 

Categ

IMC

Movim

Kcal

AT

20,2

53,7

2859

AT

21,3

54,8

2700

AT

19,3

49,6

2800

AT

21,1

52,3

2900

AT

24,1

30,3

2700

SEM

22,4

14,9

2600

SEM

21,9

17,8

2700

SEM

23,8

18,6

3200

SEM

24,1

15,1

3300

SE

27,3

2,5

2700

SE

23,4

4,3

2300

SE

25,2

2,3

2600

SE

26,4

2,6

3200

PR

26,2

4,1

2600

PR

24,2

2,1

2700

PR

25,4

1,9

2650

PR

21,1

20

2650

PR

25,2

3,1

2650

PR

24,8

2

26??


Link com o Gabriel - Acadêmico e Profissional

 Link com o Gabriel - Acadêmico e Profissional



Prezados Colegas do LCE,

espero que estejam muito bem. Escrevo para convidá-los a participar da fundação de laboratórios de Inteligência Artificial (IA), Ciência de Dados (CD), Aplicativos (A) e Bots (B) e outras atividades e projetos. As ideias que apresento podem servir para o planejamento de algumas atividades futuras.

Recebemos várias demandas de setores diferentes para os laboratórios, como: Administração, Alimentos, Ambiente, etc. Coloco todos os setores interessados no Anexo 1. Temos que criar laboratórios para atender subconjuntos compatíveis de setores, percebemos que treinar e atender setores muito diferentes conjuntamente gera conflitos e insatisfação, por exemplo Ecologia-Biologia juntamente com Gestão de Negócios, os exemplos abordados precisam ser completamente diferentes e a ênfase em ferramentas de IA, CD, A e B também. Por exemplo, Gestão de Negócios é compatível com Administração, Economia, Sistemas Mundiais de Gestão, Certificação Internacional da Qualidade, BI, Auditoria, Inovação Disruptiva (BOS), Hipercompetitividade, Benchmarking etc. Essa lógica de segmentação justifica a criação de vários laboratórios, achamos que as chances de sucesso são muito maiores.

Estamos começando a criação de laboratórios pelas áreas de  Comunicação e Ambiente, nos reunimos nas segundas feiras, das 18:30 às 20 horas no prédio das Ciências Humanas da ESALQ, no Laboratório de IA Ambiente e Comunicação da ESALQ (LAC/ESALQ), já em funcionamento, subordinado ao Grupo de Pesquisa IA+/CNPq (IA e Tecnologias Disruptivas), coordenado pelo Prof. Antônio Almeida e na Internet no link:  https://meet.google.com/zbs-jonk-chr. Se houver alguma dúvida ou desencontro por favor me liguem no WhatsApp: 019-988-627-438, sempre participo das reuniões. Às vezes fazemos a reunião somente pela Internet. Planejamos montar laboratórios interdisciplinares, interinstitucionais e internacionais, temos contato com mais de 40 organizações ou parceiros para atingir esses requisitos.

Dois laboratórios se encontram em estágio de protótipos funcionais (MVP), quando se mostrarem viáveis os submeteremos a aprovação pelo LCE, são o LIA Eco/LCE, Laboratório de IA para Ecologia, Sociedade, Ambiente, Qualidade de Vida, Saúde e Economia Circular (priorizamos os pilares do FSC) e o LIA Gest/LCELaboratório de IA para Gestão Organizacional, de Negócios, Projetos, Inovação Disruptiva, Hipercompetitividade, BI, Benchmarking, Inteligência (Antesipativa, Competitiva, Colaborativa etc.), Desenvolvimento de Produtos, Auditoria e Certificação Internacional. Os inauguraremos possivelmente em 2026, nesses dois protótipos temos parceria com ICMC/USP, IMECC/UNICAMP, UFSCAR, SIESALQ, Centro de Comput. do Campus LQ, Biblioteca Central/ESALQ, LZT, CENA, EMBRAPA, Polícia Federal, NIST, INMETRO, LES, CENA e IPEN. O LIA Eco/LCE está vinculado principalmente ao Programa de Pós-graduação Interunidades ESALQ-CENA/USP em Ecologia Aplicada e o LIA Gest/LCE ao Programa de pós-graduação em Administração da ESALQ, dupla diplomação USP-CAU (China) e Pós-graduação em Economia Aplicada. Para trabalharmos nesses protótipos nos reunimos às segundas feiras das 20 às 21 horas, no LAC/ESALQ e sextas das 15 às 16 no LCE, salas 315 ou 311, e/ou no link:

 https://meet.google.com/xgf-jman-pyv

Colocamos mais detalhes sobre como estamos estruturando os laboratórios no site:

https://sites.google.com/usp.br/labs-ia-cd-a-b

 

Temos no LCE a maior massa crítica e senso crítico de Piracicaba, também somos pioneiros nas áreas envolvidas, porém estão surgindo organizações que investem nas áreas de IA, CD, A e B como: LES, Solos, Genética, SIESALQ, Centro de Computação do Campus, Zootecnia, Biologia, Ciências Florestais e CENA. Talvez existam outras. Penso que poderíamos consolidar nossa liderança fundando e trabalhando nos laboratórios.

Antes da IA tínhamos um índice de aprovação de projetos menor a 20%, nos últimos anos esse índice foi para mais de 70% e com projetos muito maiores, também conseguimos publicar em revistas de maior impacto ou exclusivas na área de IA. Podemos planejar projetos para serem incluídos no plano de metas da USP. Coloco mais informações sobre publicações no Anexo 2.

Estamos aumentando o número de projetos em que somos coordenadores gerais, nesses projetos podemos incluir pessoas do LCE. Em vários projetos coordenamos somente as áreas de IA, CD, A e/ou B. Podemos criar novos projetos em parceria com integrantes do LCE, não é necessário sermos coordenadores. No momento somos cinco professores do LCE trabalhando nos projetos, podemos aumentar a participação de docentes e não docentes, temos projetos interessantes que não iniciamos por falta de massa crítica. Participamos de vários projetos aprovados como temático de FAPESP, INCT/CNPq, Universais/CNPq, MAPA, MCTI, NIT/CNPq, Grupo de Pesquisa do CNPq IA+  e agora submetemos um CEPID/FAPESP,  mas somente como responsáveis de nossas áreas de atuação, ou seja com participação parcial, temos esses compromissos ate 2030 ou mais, mas podemos empreender outros projetos, e nossa vontade é que o LCE seja a organização coordenadora. Nesses projetos trabalhamos com o CENA, EMRAPA, IPEN, UFSCAR, Policia Federal, Delft (NDL) etc. Eles podem ser parceiros em nossos projetos.

Posso conversar sobre os laboratórios todos os dias de tarde ou segundas e terças de noite. Podemos marcar por WhatsApp.

Nos sábados temos um projeto de IA para m e qv Qualidade de Vida, Saúde, Imunidade (Sol), no campo de esportes da USP e Ginastica para o Cérebro e Gerenciamento do Estresse por Internet. Nos domingos temos uma atividade de vivência em inglês com IA, coordeno presencialmente e por Internet as atividades nos sábados e por Internet nos domingos. Em 2026 estaremos submetendo o projeto de um NACE denominado IA para Qualidade de Vida (QV), Saúde e Trabalho, temos o NACE QV aprovado desde 2005. Coloco informações sobre essas atividades no Anexo 3, todas nossas atividades são gratuitas.

Planejamos uma Prática Profissionalizante (pós-graduação) nas áreas em que trabalhamos, IA, CD, A e B, aplicadas à Gestão Organizacional, de Negócios, Inovação Disruptiva, Certificação Internacional e Auditoria, será nosso quarto programa, no ultimo tivemos 65 inscritos e depois e 2 anos aprovamos 19. Também planejamos criar em 2026 ou 2027 uma inteligência coletiva internacional denominada: Inteligência Coletiva Internacional em IA e CD para Pesquisa e Gestão, convidando organizações e profissionais de países que falam português ou espanhol (LATAM, África, Ásia, Europa, USA tem 42 milhões), manteremos as parcerias com USA, China e países de Europa, mas elas não são nosso foco, mais informação no Anexo 4. Nos reunimos nas quartas feiras das 12 às 13 horas no LCE e por Internet, o horário é complicado mas estamos tentando que possam entrar pessoas de África, Europa e Oeste de América no link:  https://meet.google.com/xgf-jman-pyv .

Podemos trabalhar juntos nesses projetos, não faço questão de ser coordenador.

 

Muito obrigado pela atenção!

Espero que trabalhemos em equipe, montando laboratórios de sucesso e projetos interessantes.

Felicidades!

Gabriel.

 

 

 Anexo 1: Áreas que manifestaram interesse em trabalhar com IA, CD, A e B

Temos várias demandas de setores diferentes como: Administração, Alimentos, Ambiente, Biologia, Certificação Internacional da Qualidade, Comunicação, Ecologia (do natural, artificial e humana), Economia, Indústria, Logística, Matemática, Matérias Primas, Medicina, Metrologia, Mídia, Mineração, Primeiro Setor, Qualidade de Vida (coordenamos o NACE QV/USP), Segundo Setor, Serviços, Sociedade (IA para surdos e cegos), Técnicas Nucleares, Terceiro Setor e Terras Raras.

 

 

 

Anexo 2:  Publicações de artigos e livros

Estamos conseguindo publicar artigos em revistas exclusivamente de IA (como Advances in Artificial Intelligence and Machine Learning, de Harvard e Cincinnati), o rigor dos revisores nos permite evoluir em IA. Também publicamos em revistas de alto impacto, sempre aplicando IA e CD, como Food Chemistry, fator de impacto 9,8 e classificada como nível A da CAPES, tivemos um artigo, com foco em IA, premiado por essa revista e a Editora Elsevier em 2019 na Europa (primeiro prêmio em rastreabilidade de autenticidade de alimentos), em 2025 publicamos mais um artigo. Em 2025 publicamos um capítulo de livro na Europa e estamos elaborando um livro completo de IA, o projeto foi aprovado pela Editora Spriguer, porém podemos publicá-lo por outra editora por que o contrato nos limita em outras publicações.

 

Anexo 3: Detalhes sobre as atividades de qualidade de vida e vivência em inglês.

Nos sábados temos um projeto de IA para Qualidade de Vida (metodologia da OMS), atividade do NACE NQV (que fundamos há mais de 20 anos) no ginásio da ESALQ das 16 às 18 horas, incluindo atividades como tênis de campo, de mesa alongamento e fortalecimento. Das 18:15 às 20 horas praticamos mindfulness e treinamento do cérebro, integrar o trabalho dos dois hemisférios cerebrais, a IA colabora na personalização dinâmica do treino (Adaptabilidade) e ajuda a tornar o treinamento cognitivo mais divertido e envolvente.

Nos domingos temos uma atividade de IA para estudo de inglês (GPT, Gemini, Perplexity, Teacher Alícia, Talkpal, Praktika, ELSA Speak, Reading Coach-Microsoft etc.), por exemplo IA para conversação com avatares inteligentes, customização especifica para cada aluno, etc.  Priorizamos a motivação, nos reunimos das 17:30 à 18:30, incluindo inglês com música e apresentações científicas dos participantes em inglês, utilizamos um curso de 400 horas que também serve como instrumento de vivência (seguramente o curso melhor estruturado do Mundo), temos esse grupo há 18 anos, estamos no nível intermediário, fundamos o grupo com o Sr. Ariovaldo Carvalho da SIESALQ, falecido em julho deste ano, nos reuníamos nos primeiros anos no Laboratório A. As atividades acontecem por Internet no link:

https://meet.google.com/xgf-jman-pyv

 Anexo 4: Inteligência Coletiva Internacional em IA e CD para Pesquisa e Gestão.

Pretendemos priorizar as línguas portuguesa e espanhola, quando tivermos interações em inglês procuraremos ter tradução simultânea (dois Google Meet, um traduzindo em português e um em espanhol, para não criar barreiras). Estamos planejando, se der certo o projeto, evoluir para a prototipação de um Instituto Internacional de IA e CD para Pesquisa e Gestão. Estamos iniciando os contatos, com boa aceitação, contatando professores do ICMEC/USP, IME/USP, LCE/ESALQ, LES/ESALQ, CENA/USP, PPGI-EA/ESALQ-CENA, ICET/UNIP, DTCD/FGV, UFSCAR, ICEx/ UFMG e IMECC/UNICAMP, FC/UEM (MOZ), FCN/UAN (ANG), FIyT/ UNGE (GNQ), FCE/ UCM (ESP),  FCEyN/UBA (ARG), UNCo (ARG), FC/ UNAM (MEX), FMFQ/PUC (CHL), CIÊNCIAS ULisboa (PRT), IM/ UdelaR, (URU), FCEN/ UNAL (COL), UPMacau (CHN), CAU (CHN, temos a dupla diplomação em ADM, USP-CAU, oferecemos a disciplina ADM6001 da USP), Harvard (USA, coordenamos o convenio USP-Harvard, trabalhamos com dados do Banco Mundial), Delft (NLD, temos parceria há mais de 30 anos), OIEA (AUT, Nações Unidas, temos parceria há décadas),  SNHU (USA), UPR (PRI-USA), UNTL (TLS). Aceitamos recomendações de contatos.

 

 

 

 

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.

 

Seminário

Escolha um assunto entre os exercícios teóricos e práticos e elabore um seminário com 14 slides, em português, inglês ou espanhol. DL: 20/11. Enviar o seminário no e-mail de exercícios com seu nome, trabalho individual.

 Exercícios teóricos e seminário são atividades individuais, tentar fazer em ingles ou espanhol.

Exercícios Práticos podem ser feitos em dois ou três pessoas.

 

 

 

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

 

Exercício Teórico 3 - Enumere e explique os parâmetros que são obtidos a partir da matriz de confusão na IAI Supervisionada para Classificação. Apresente um exemplo. De 8 a 12 slides.

DL: 6/10

Exercício Teórico 4 – O que é Gestão Estratégica (Kakushin), Tática (Kaikaku) e Operacional (Kaizen). Qual é o salário de cada função, em grandes, medias e pequenas empresas. Qual é a remuneração para consultoria externa? DL: 9/10

-  Exercício Teórico 5  - O que é gestão Data Driven? Quais recursos podemos gerenciar? 3 grandes categorias de recursos de uma empresa DL:19/10. 6 slides.

 Exercício Teórico 6 - Quanto vocês ganhariam trabalhando com auditoria da ISO, GlobalGAP e FSC? 8 slides

Quanto com consultoria em gestão estratégica tática e operacional

Quanto com consultoria em IA e Ciência de Dados?

Em 3 níveis de conhecimento:

·     Junior

·     Pleno

·     Sênior

 - Exercício Teórico 7 – Descreva os tipos de auditoria em geral (2 slides). Quais tipos de auditoria tem no sistema ISO (2 slides)? DL: 29/10

- Exercício Teórico 8 – Qual é a estrutura do TQM e da ISO 9.001. Quais são as vantagens de aplica-los. DL: 29/10. 6 slides.

- Exercício Teórico 9 – Qual é a estrutura e o beneficio de se utilizar BSC (2 slides) e Lean Startup (2 slides). DL: 29/10. 

- Exercício Teórico 10 - O que é Gestão de KPIs? 3 slides. DL: 29/10. 3 slides.

 Exercício Teórico 11 - Quanto custa uma hora de aula particular do SAS no Brasil? 3 slides, DL: 30/10

    - Exercício Teórico 12 - Como impacta o conhecimento de IA e CD em sua profissão? 5 slides, DL: 30/10

    - Exercício Teórico 13 - Como impacta o conhecimento de SAS na empregabilidade e competitividade de profissionais universitários no Brasil? 5 slides , DL: 30/10


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: 3/9/2025

Arquivo para Download de Resultados e Discussão:

Arquivo Elaborado Durante a Aula




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.

Dead Line - Prazo : 10/9/2025

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;


Resolução do Exercicio Pratico 4

Clicar aqui !!!



 Ex. Pratico 5 - Rodar PCA com os dados da regressão múltipla. DL: 16/9

 

Visualização 6d com IAI Não S para Redução de Dimensão

 



 data pca_reg;

input Sales Price Qu_level Claims NPS Satisfac;

cards;

65.98 97.8 96.77 13.58 98.9 97.83

15.84 98.9 98.39 12.35 97.8 98.??

8.89 100 100 11.11 100 100

12.46 98.9 95.16 12.35 96.7 96.74

80.67 21.98 19.35 100 2.2 21.59

32.17 23.08 22.58 97.53 3.3 23.91

23.45 24.18 24.19 96.3 2.75 25

89.96 24.18 19.35 95.06 2.2 26.09

31.43 64.84 56.45 50.62 65.93 65.22

11.23 65.93 51.61 49.38 71.43 66.3

77.46 70.33 53.23 46.91 63.74 68.48

23.9 68.13 51.61 45.68 61.54 67.39

7.4 86.81 80.65 25.93 90.11 86.96

0.29 87.91 79.03 24.69 85.71 85.87

83.42 87.91 77.42 22.22 90.11 88.04

100 86.81 75.81 25.93 84.62 84.78

15.84 98.9 98.39 12.35 97.8 28.91

;

proc print; run;

proc prinqual plots=(MDPref)

   transform identity(Sales Price Qu_level Claims NPS Satisfac);  

   ods select MDPrefPlot;

run;


Resolução do Exercicio Pratico 5

Download

Arquivo de Resultados e Discussão  - Feito pelo Gabriel como se fosse um aluno

Arquivo para Download:

Clicar Aqui !!!



Ex. Pratico 6 - Alunos procuram exemplo de repressão múltipla, e IAI Não Superv. para Redução de Dimenssão. IBGE, IA, Kaggle, outros repositórios.

Resolver e fazer relatório. DL: 23/9




Ex. Pratico 7 - IAI Não Supervisionada para Agrupamentos e Distancias Multivariados

Cluster e Dendrograma de todas as cidades, programa SAS: ver banco de dados

data cidades;

input Cid_reg $ IDH Rend_Cap Cap_Empr Teci_Emr Org_Prod Ins_Comp;

cards;

Pir_SE 0.785 1.14 0.54 0.695 0.598 0.761??

SC_SE 0.805 1.08 0.686 0.653 0.564 0.788

SJ_SE 0.797 1.17 0.613 0.73 0.597 0.769

MC_SE 0.77 0.65 0.481 0.651 0.549 0.666

Ron_CO 0.755 0.84 0.452 0.509 0.567 0.651

Ana_CO 0.737 0.79 0.481 0.645 0.562 0.708

CG_NE 0.72 0.63 0.458 0.565 0.571 0.59

Pet_NE 0.697 0.61 0.419 0.43 0.528 0.57

RB_Norte 0.727 0.74 0.342 0.47 0.486 0.503

BV_Norte 0.752 0.79 0.338 0.458 0.502 0.585

Mar_S 0.808 1.2 0.652 0.753 0.611 0.765

CS_S 0.75 0.95 0.446 0.715 0.559 0.715

;

proc print;

run;

proc cluster data=cidades outtree = arvore method = average;

var IDH Rend_Cap Cap_Empr Teci_Emr Org_Prod Ins_Comp;

id Cid_reg;

run;

PROC TREE DATA = arvore;

RUN;

Arquivo para Download: Sumario Executivo do Ex. 7

Clicar Aqui !!!




 Ex. Pratico 8 Optativo - Alunos procuram exemplo de aplicação de IAI Não Superv. para Agrupamentos e Distâncias Multivariados – Cluster Analysis. Fontes: IBGE, IA, Kaggle, outros repositórios.

Resolver e fazer relatório. DL: 30/9


 Ex. Pratico 9 -  PCA e Cluster Analysis no mesmo banco de dados. 

PCA com Identificação de Classes

data pira;

input Perfil $ Habitantes IDH Rend_Cap Cap_Empr Teci_Emr

      Gov_Descn Org_Prod Ins_Compet Edu_Empr Geral;

cards;     

Bovino 0.021575 0.6845 0.6425 0.27825 0.4505 0.62075 0.41225 0.50 0.0135 0.454??

Cafe 0.007518421 0.711710526 0.676578947 0.466684211 0.489184211 0.582368421 0.469763158 0.487 0.017421053 0.498947368

Cana_Acu 0.0156 0.753 0.8675 0.268 0.618 0.57 0.42475 0.47325 0.01325 0.47075

Frango 0.014175 0.735 0.8125 0.29175 0.60925 0.56375 0.39975 0.487 0.018 0.4705

Industria 0.083625 0.75275 0.8475 0.43475 0.62025 0.70475 0.56625 0.742 0.03325 0.614

Milho 0.007075 0.74825 0.945 0.281 0.60425 0.5925 0.39125 0.43325 0.005 0.46075

Servicos 0.292975 0.81875 1.6925 0.5335 0.7295 0.739 0.67175 0.77225 0.13925 0.688

Soja 0.01454 0.725 0.788 0.4444 0.5126 0.6618 0.5094 0.5516 0.0008 0.536

Piracicaba 0.0439 0.785 1.14 0.54 0.695 0.796 0.598 0.761 0.004 0.664875

;

proc print;

run;

/* input Perfil $ Habitantes IDH Rend_Cap Cap_Empr Teci_Emr

      Gov_Descn Org_Prod Ins_Compet Edu_Empr Geral; */

proc prinqual plots=(MDPref)

                 /* project onto Prin1 and Prin2 */

              ; /* use COV scaling */

   transform identity(Habitantes IDH Rend_Cap Cap_Empr Teci_Emr

      Gov_Descn Org_Prod Ins_Compet Edu_Empr Geral);  /* identity transform */

   id Perfil;

   ods select MDPrefPlot;

run;

 

Cluster Analysis correspondente a PCA com Identificação de Classes

 

data pira;

input Perfil $ Habitantes IDH Rend_Cap Cap_Empr Teci_Emr

      Gov_Descn Org_Prod Ins_Compet Edu_Empr Geral;

cards;     

Bovino 0.021575 0.6845 0.6425 0.27825 0.4505 0.62075 0.41225 0.5085 0.0135 0.454??

Cafe 0.007518421 0.711710526 0.676578947 0.466684211 0.489184211 0.582368421 0.469763158 0.487 0.017421053 0.498947368

Cana_Acu 0.0156 0.753 0.8675 0.268 0.618 0.57 0.42475 0.47325 0.01325 0.47075

Frango 0.014175 0.735 0.8125 0.29175 0.60925 0.56375 0.39975 0.487 0.018 0.4705

Industria 0.083625 0.75275 0.8475 0.43475 0.62025 0.70475 0.56625 0.742 0.03325 0.614

Milho 0.007075 0.74825 0.945 0.281 0.60425 0.5925 0.39125 0.43325 0.005 0.46075

Servicos 0.292975 0.81875 1.6925 0.5335 0.7295 0.739 0.67175 0.77225 0.13925 0.688

Soja 0.01454 0.725 0.788 0.4444 0.5126 0.6618 0.5094 0.5516 0.0008 0.536

Piracicaba 0.0439 0.785 1.14 0.54 0.695 0.796 0.598 0.761 0.004 0.664875

;

proc print;

run;

/* input Perfil $ Habitantes IDH Rend_Cap Cap_Empr Teci_Emr

      Gov_Descn Org_Prod Ins_Compet Edu_Empr Geral; */

 

proc cluster outtree = arvore method = average;

var Habitantes IDH Rend_Cap Cap_Empr Teci_Emr

      Gov_Descn Org_Prod Ins_Compet Edu_Empr Geral;

id Perfil;

run;

PROC TREE DATA = arvore;

RUN;

 

Ex. Pratico 9 Optativo - Cuidados para analises de PCA e Cluster com muitos dados. Mesmos dados do Ex. 8, mas sao dados brutos no Ex. 9 .

Exemplo de Piracicaba e outras cidades com perfil econômico com repetições de cidades com o mesmo perfil.

ANOVA, NPANOVA, para selecionar variáveis preditoras.

Equalização.


Perfil - Cidade

Habitan

IDH

Rend_Cap

Cap_Empr

Teci_Emr

Gov_Desenv.

Org_Prod

Ins_Compet

Edu_Empr

Geral

Cafe

 

 

 

 

 

 

 

 

 

 

Varginha

136

0,778

0,9

0,522

0,638

0,7

0,538

0,7??

0,002

0,629

Três Pontas

57

0,731

0,68

0,469

0,484

0,533

0,513

0,559

0,003

0,516

Poços de Caldas

167

0,779

0,95

0,501

0,615

0,687

0,56

0,797

0,006

0,632

Alfenas

81

0,761

0,78

0,507

0,535

0,522

0,46

0,617

0,003

0,528

Guaxupé

52

0,751

0,75

0,482

0,513

0,745

0,526

0,642

0

0,582

Patrocínio

91

0,729

0,72

0,474

0,525

0,598

0,503

0,512

0

0,522

Serra do Salitre

12

0,696

0,72

0,49

0,36

0,506

0,475

0,396

0

0,445

Campos Gerais

29

0,682

0,5

0,414

0,448

0,434

0,411

0,337

0

0,409

Manhuaçu

90

0,689

0,59

0,443

0,476

0,56

0,453

0,555

0

0,497

Caratinga

92

0,706

0,61

0,459

0,528

0,73

0,485

0,493

0

0,539

Manhumirim

23

0,697

0,55

0,408

0,392

0,553

0,42

0,43

0

0,441

Alto Caparaó

6

0,661

0,51

0,436

0,317

0,309

0,422

0,275

0

0,352

Linhares

174

724

0,71

0,438

0,523

0,592

0,526

0,568

0

0,529

Jaguaré

30

0,678

0,54

0,39

0,394

0,574

0,468

0,364

0

0,438

São Mateus

131

0,735

0,7

0,409

0,456

0,631

0,508

0,477

0

0,496

Franca

353

0,78

0,85

0,593

0,631

0,747

0,574

0,731

0,1

0,655

Patrocínio Paulista

15

0,73

0,61

0,51

0,509

0,517

0,464

0,514

0

0,503

Batatais

63

0,761

0,94

0,52

0,511

0,617

0,523

0,599

0

0,554

Espírito Santo do Pinhal

44

0,787

1,05

0,502

0,564

0,607

0,506

0,602

0

0,556

Santo Antônio do Jardim

6

0,714

0,64

0,727

0,493

0,335

0,384

0,432

0

0,474

São João da Boa Vista

91

0,797

1

0,589

0,627

0,644

0,528

0,684

0,005

0,614

Ourinhos

114

0,778

0,87

0,537

0,575

0,659

0,51

0,612

0

0,579

Avaré

91

0,767

0,85

0,508

0,545

0,647

0,535

0,615

0

0,57

Barra do Choça

32

0,551

0,27

0,258

0,237

0,433

0,352

0,228

0

0,301

Vitória da Conquista

338

0,678

0,56

0,427

0,496

0,672

0,493

0,634

0

0,544

Planalto

26

0,56

0,26

0,253

0,302

0,44

0,381

0,19

0

0,313

Nova Canaã

16

0,545

0,25

0,162

0,291

0,279

0,323

0,104

0

0,232

Cacoal

85

0,718

0,74

0,462

0,546

0,696

0,428

0,506

0,301

0,527

Rolim de Moura

55

0,7

0,66

0,434

0,627

0,627

0,42

0,443

0,014

0,51

Ji-Paraná

129

0,714

0,74

0,414

0,532

0,723

0,487

0,553

0,009

0,542

Ariquemes

108

0,702

0,69

0,388

0,558

0,718

0,448

0,487

0,201

0,52

Jacarezinho

39

0,743

0,77

0,425

0,508

0,657

0,525

0,623

0,012

0,547

Ribeirão Claro

11

0,716

0,64

0,652

0,445

0,664

0,492

0,421

0,006

0,535

Carlópolis

14

0,713

0,61

0,541

0,497

0,573

0,432

0,287

0

0,463

Ibaiti

31

0,71

0,79

0,513

0,521

0,6

0,459

0,55

0

0,529

Abatiá

7

687

0,54

0,449

0,502

0,512

0,47

0,259

0

0,438

Joaquim Távora

12

0,7

0,62

0,615

0,449

0,534

0,446

0,434

0

0,496

Pinhalão

6

0,697

0,55

0,413

0,419

0,555

0,403

0,227

0

0,403

 

 

 

 

 

 

 

 

 

 

 

 

Habitantes

IDH

Rend_Cap

Cap_Empr

Teci_Emr

Gov_Desenv.

Org_Prod

Ins_Compet

Edu_Empr

Geral

INDÚSTRIA

 

 

 

 

 

 

 

 

 

 

Manaus

2183

0,737

0,79

0,352

0,613

0,714

0,587

0,752

0,108

0,604

Joinville

590

0,809

1,13

0,584

0,706

0,809

0,606

0,843

0,024

0,71

Camaçari

299

0,694

0,55

0,34

0,586

0,635

0,531

0,676

0,001

0,554

Volta Redonda

273

0,771

0,92

0,463

0,576

0,661

0,541

0,697

0

0,588

 

 

 

 

 

 

 

 

 

 

 

SERVIÇOS

 

 

 

 

 

 

 

 

 

 

Brasília

3015

0,824

1,72

0,492

0,659

0,548

0,677

0,707

0,137

0,617

Rio de Janeiro

6719

0,799

1,49

0,494

0,798

0,762

0,761

0,767

0,014

0,716

Florianópolis

501

0,847

1,8

0,637

0,688

0,8

0,599

0,811

0,201

0,703

Porto Alegre

1484

0,805

1,76

0,511

0,773

0,846

0,65

0,804

0,205

0,716

 

 

 

 

 

 

 

 

 

 

 

GADO

 

 

 

 

 

 

 

 

 

 

São Félix do Xingu

128

0,594

0,42

0,111

0,461

0,49

0,275

0,287

0

0,325

Corumbá

111

0,7

0,63

0,309

0,417

0,652

0,44

0,608

0

0,485

Porto Velho

530

0,736

0,93

0,342

0,471

0,669

0,466

0,647

0,054

0,519

Cáceres

94

0,708

0,59

0,351

0,453

0,672

0,468

0,492

0

0,487

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

SOJA

 

 

 

 

 

 

 

 

 

 

Sorriso

90

0,744

0,99

0,474

0,518

0,683

0,537

0,578

0

0,558

Formosa do Rio Preto

26

0,618

0,29

0,27

0,352

0,587

0,368

0,319

0

0,379

Rio Verde

236

0,754

0,94

0,514

0,598

0,639

0,554

0,639

0,004

0,589

Sinop

143

0,754

0,88

0,512

0,586

0,774

0,521

0,571

0

0,593

Rondonópolis

232

755

0,84

0,452

0,509

0,626

0,567

0,651

0

0,561

 

 

 

 

 

 

 

 

 

 

 

CANA-DE-AÇÚCAR

 

 

 

 

 

 

 

 

 

 

Uberaba

340

0,772

0,98

0,264

0,693

0,651

0,487

0,555

0,014

0,53

Morro Agudo

34

0,712

0,69

0,222

0,547

0,468

0,379

0,394

0,002

0,402

Quirinópolis

51

0,74

0,76

0,244

0,526

0,55

0,366

0,415

0,005

0,42

Araçatuba

199

0,788

1,04

0,342

0,706

0,611

0,467

0,529

0,032

0,531

 

 

 

 

 

 

 

 

 

 

 

FRANGO

 

 

 

 

 

 

 

 

 

 

Cascavel

336

0,782

1

0,311

0,687

0,622

0,502

0,566

0,015

0,538

Itaberaí

44

0,719

0,77

0,272

0,536

0,501

0,331

0,403

0,003

0,409

Santa Maria de Jetibá

42

0,671

0,6

0,264

0,557

0,513

0,314

0,439

0,049

0,417

Toledo

145

0,768

0,88

0,32

0,657

0,619

0,452

0,54

0,005

0,518

 

 

 

 

 

 

 

 

 

 

 

MILHO

 

 

 

 

 

 

 

 

 

 

Sorriso

95

0,744

0,99

0,28

0,622

0,61

0,425

0,483

0,002

0,484

Nova Mutum

48

0,758

0,98

0,278

0,591

0,508

0,382

0,389

0,002

0,43

Campo Novo do Parecis

37

0,734

0,82

0,287

0,56

0,63

0,338

0,388

0,002

0,441

Jatai

103

0,757

0,99

0,279

0,644

0,622

0,42

0,473

0,014

0,488

 

Ex. Pratico 10 - IAI Não Supervisionada para Agrupamentos e Distâncias Multivariados, seleção de variáveis preditoras, equalização e detecção de outliers. ANOVA, RobustANOVA, Box and Wisker Plot. DL: 23/10


Relatorio para download:

Clicar Aqui 2025_10_30

Dados em Planilha Eletrônica:

 

Categ

IMC

Movim

Kcal

AT

20,2

53,7

28??

AT

21,3

54,8

2700

AT

19,3

49,6

2800

AT

21,1

52,3

2900

AT

24,1

30,3

2700

SEM

22,4

14,9

2600

SEM

21,9

17,8

2700

SEM

23,8

18,6

3200

SEM

24,1

15,1

3300

SE

27,3

2,5

2700

SE

23,4

4,3

2300

SE

25,2

2,3

2600

SE

26,4

2,6

3200

PR

26,2

4,1

2600

PR

24,2

2,1

2700

PR

25,4

1,9

2650

PR

21,1

20

2650

PR

25,2

3,1

2650

PR

24,8

2

2675


Ex. Pratico 11 Optativo - IAI Não Sperv. procurar na Internet um exemplo de seu interesse similar ao do Exercício 10. Para aplicar IAI Não Supervisionada para Agrupamentos e Distâncias Multivariados (Cluster Analysis). Tambem ANOVA, Robust ANOVA e Box Plot. DL: 5/11.