Pauta segunda 24/8 Regr. Multipla e PCA

 Pauta segunda 24/8 Regr. Multipla e PCA 

OK Sumários Executivos dos exercicios 4 e 5

Se tempo fazer o Ex Prat. 6 - alunos procuram exemplos nas suas areas de interesse e aplicam regressão multipla e pca biplot

Ex. Pratico 7 acho que nao tempo - Cluster

Vídeos da Disciplina - Introdução à Disciplina - Exercícios Práticos 1-2-3-4 - Prático 5

Vídeos da Disciplina

 

 

Introdução à Disciplina 

https://youtu.be/TowCM1RN29E?si=Qf6kLIKXReeRUNFm  (14_08)

 

 

Exercícios Práticos 1-2-3-4

https://youtu.be/rNWqWCN68c8?si=WvTJTFMQd3U3D2qN      (17_08 pt.1)

https://youtu.be/y-4Wsjytxhs?si=R-mNV_TlWl2-ew7v     (17_08 pt.2)

Exercício Prático 5 (PCA da Regr. Múltipla)

https://youtu.be/oZhUDgEriyo   (20_08_2026)

Laboratórios de IA e Tecnologias Disruptivas da USP e CNPq

Coordenador Gabriel

 https://sites.google.com/usp.br/lia

Pauta 20/8 Quinta

 Pauta 20/8 Quinta

- Ex 4 e PCA Biplot

Ata 17/8

 

Resolvi os exercícios 1-2-3-4

  Anexei no blog – exercícios

 Gravei 2 videos

Próxima aula pca da regressão

  ok

 

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 

 

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: 31/8/2026

 

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

Dead Line: 7/9/2026

 

- 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: 31/8/2026

Resolução do Exercício 1 em parceria com os alunos, pdf para download:

clicar aqui !

 

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

Sumario Executivo Ex. 2 -  Arquivo para Download

Clique Aqui !

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: 31/8/2026

 

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)

Sumario executivo do exercício pratico 3 para Download

Clicar aqui !

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

Sumário Executivo

Clique Aqui !!!

  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-Biplot - IA Indutiva Não Supervisionada para Redução de Dimensão e Associação, 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.