Aula 4 (28/8/2014) - T PAreadas - Workshop de Exercícios (Ajudar sem cobrar)

Aula 4 (28/8/2014) 
- Workshop de Exercícios (Ajudar sem cobrar), voluntários para exercícios ainda não
apresentados.

- Segunda Situação para Tomada de Decisão Utilizando Inferência Indutiva

Teste T para Amostras Pareadas
Exemplo para Dowload:

Teste T para Amostras Pareadas

Exercício VIII - Tomada de Decisão em Inteligencia Organizacional, Teste T para Amostras Pareadas . DL: 19/9

- Explicação para Numero Magico de 30 pontos amostrais em marketing e inteligencia organizacional (Dialogo com Gerente de Inteligencia Antesipativa da Informa Economics, Marcelo:

Gabriel,

Conforme conversamos por telefone sobre :  QUAL A BASE TEÓRICA que Temos para fazer uma amostra de 30 entrevistas numa região, ou seja:  existe literatura que cita/comprove este número mágico?

Se sim, você pode me passar qual a base teórica e me encaminhar as referências?  Livros à respeito desse “número mágico “ de 30 entrevistas/região.

Um Abraço,

Marcelo

Oi Marcelo a justificativa para o tamanho de amostra 30 é que pelo Teorema do Limite Central à medida que o tamanho da amostra fica grande o suficiente, a distribuição de amostragem da media aritmética passa a ser distribuída aproximadamente nos moldes da Distribuição Normal. Isso é verdadeiro independentemente do formato da distribuição dos valores individuais da população.

Que tamanho de amostra é grande o suficiente? Quando o tamanho da amostra é pelo menos igual a 30.

Fonte: Estatística – Teoria e Aplicações

Levine – Stephan et all.

2008.

Um abraço.

Gabriel.

P S : Isso também contribui para que as estimativas sejam mais precisas (IC menores).

Teste-t: duas amostras em par para médias
	Antes	Depois da Regulagem
Média	9,833333333	10,53333333
Variância	8,8975	6,0175
Observações	9	9
Correlação de Pearson	0,964685505
Hipótese da diferença de média	0
gl	8
Stat t	-2,351548546
P(T<=t) uni-caudal	0,023284275	Inform. Previa (já somos clientes)
t crítico uni-caudal	1,859548033
P(T<=t) bi-caudal	0,04656855	Primeiro servico desses mecanicos
t crítico bi-caudal	2,306004133

Teste-t: duas amostras presumindo variâncias diferentes	Analise Errada	Não utiliza a estrutura dos dados
	Variável 1	Variável 2
Média	9,833333333	10,53333333
Variância	8,8975	6,0175
Observações	9	9
Hipótese da diferença de média	0
gl	15
Stat t	-0,543760512
P(T<=t) uni-caudal	0,297298309	Diminuímos aproximadamente 15 vesses a margem de erro
t crítico uni-caudal	1,753050356
P(T<=t) bi-caudal	0,594596617
t crítico bi-caudal	2,131449546

- Elaboração de blogs com arquivos anexados, voluntários

- Inicio Cadastro de Seminários, 
     assuntos:
       - SMG
       - CIQ
       - Inteligencia organizacional (competitiva, antesipativa, colaborativa, coletiva, etc.)
       - Interação itens anteriores e estatística 

Exercícios e Dead Lines

Exercícios e Dead Lines

Exercício I – Elaborar 4 slides de Sistemas Mundiais de Gestao (SMG), individual, apresentar DL:21/8

Exercício II – Exemplo de regressão linear, individual, apresentar DL:21/8

Exercício III - Elaborar uma apresentação das 7FCEQ, com 8 slides, um para apresentação do kit e um para cada ferramenta DL: 28/8

Exercício IV, Regressão com modelo não linear (curva) individual, apresentar DL:28/8

Exercício V  - Tomada de Decisão em Inteligencia Organizacional, Teste T para amostras independentes com variâncias desconhecidas. DL: 18/9

Exercício VI - Elaborar 7 slides de ESTRUTURA dos SMG ou CIQ. DL 4/9.

Exercício VII - Tomada de Decisão em Inteligencia Organizacional, Teste T para Amostras Pareadas . DL: 25/9

Exercício VIII - DL 18/9 - Elaborar uma apresentação com dicas para elaboração de uma palestra-seminário, protura corporal, apelo para lados do cérebro, etc.  
===========================================================
=========================================================
NAO PARA PROVA
===========================================================
========================================================


Exercício IX - ANOVA E TESTE DE COMPARACOES MULTIPLAS DE TUKEY NO SAS - DL 20/11

Exercício X - CLUSTER ANAYSIS NO SAS

EXERCICIO XI - MANOVA NO SAS

Aula 3 (21/8/201) - Tomada de Decisão em Inteligencia Organizacional

Aula 3
Primeira Parte:

Tomada de Decisão em Inteligencia Organizacional e Gestão e Certificação

- Utilização do Teste T de Student
- Utilização de macro analítica em Excel
- Utilização de Ordenação de Bancos de Dados (Replica)
- Estamos elaborando um Plano de Negocio para implantar determinada industria no Brasil, pesquisando custos de mão de obra.
- Arquivo para Download:

                 Tomada de Decisão em Inteligencia - T Student
      

• Ho: Hipótese de Nulidade ou Hip. Igualdade (empresas)
• Salario SP - Salario MS = 0
• Salario SP = Salario MS
• H1:  Hipótese de Alternativa
• H1a: Unicaudal ==> Salario SP > Salario MS
• H1b: Bicaudal ==> Salario SP ≠ Salario MS
• H1a: Unicaudal - Demanda Informação Previa Confiavel
• Publicação em revista de bom rannking
• Sumario executivo, relatório técnico interno
• H1b: Bicaudal - Sem Informação Previa Confiável

Dowload de livro sobre inferência estatística indutiva:
Arquivo para Download
   Livro Inferencia Estatsitica Indutiva

 


- Exercício V  - Tomada de Decisão em Inteligencia Organizacional DL: 4/9/2014

Segunda Parte:
Work shop de exercícios pendentes

Terceira Parte:
Estrutura dos SMG e CIQ

Exercício VI - Elaborar 7 slides de ESTRUTURA dos SMG ou CIQ

Aula 2 (14/08/2014) - 7FCEQ - Regr. Não Linear - Estrutura Sistemas de Gestão

Aula 2 (14/08/2014)

 - 7 Ferramentas do Controle Estatístico da Qualidade (7FCEQ). Exercício III - Elaborar uma apresentação das 7FCEQ, com 8 slides, um para apresentação do kit e um para cada ferramenta DL: 28/8.

- Mostrar dados não lineares (reta), modelo logarítmico, quebra de escala em gráficos:

                             Gordura do Gabriel
        Para Dorival ver

      Iniciar Exercício IV, Regressão com modelo não linear (reta) individual, apresentar DL:28/8;

- 

Próximas Aulas:
   - Implementação das 7FCEQ em computação;
   - Ferramentas para tomada de decisão;
   - Ferramentas de bancos de dados;
   - Ferramentas de Data Mining;
   - Definição de Seminários dos Alunos;

Estrutura de sistemas de Gestão. Exercício V - Escolher um sistema de gestão ou certificação e apresente sua estrutura. DL:28/8

- Mostrar experiência de trabalho em empresas. Exemplos de tomada de decisão.

- Mostrar articulação Sistemas de Informação e Inteligência (kaizen, kaikaku, DSS, ERP, MRP) e Sistemas de Gestão e Certificação.

Aula 1 (7/8/2014) - SMG - Regressão Linear

Gestão Certificação e Estatística

LCE 1270

Prof. Gabriel

Aula 1 – (7-8-2014) Primeira parte.

- 1. Nos apresentarmos trabalhando:

Marco de dialogo (discussão) - Sistemas de Gestão e Certificação;

a.    Iniciar Exercício I – Elaborar 4 slides de Sistemas Mundiais de Gestao (SMG), individual, apresentar DL:21/8;

b.   Quem quiser apresenta já, treina oratória, didática e MKT pessoal e ganha nota. Mandar o Exercício I para seu e-mail, futuramente será linkado no seu blog individual.

c.    Discutirmos SMG com mais informação;

Método Cientifico

Problema (P) à Hipótese (P) à Exper. Ou Observ. (Planejar (P)  Executar (D) PDD (C )) à Conclusões Previsões e Generalizações (A)

- 2. Lista de presença

- 3.Dados gerais: http://gabriel-lce-esalq.blogspot.com.br

- 4.Blog: copiar no e-mail de cada um

http://gest-certif-estat-lce1270.blogspot.com.br/

             

Aula 1 – (7-8-2014) Segunda parte.

- 1. Exemplo de Regressão no Excel: Propaganda Vs. Vendas

               Download:

             Exemplo Propaganda - Vendas

a.       Elaborar um exemplo individual de regressão na sua área de interesse profissional, dados reais ou fictícios: Exercício II 

b.   Iniciar Exercício II – Exemplo de regressão linear, individual, apresentar DL:21/8;

c.    Aprender a colocar títulos no gráfico

Explicação da Wikipedia:

O coeficiente de determinação, também chamado de R², é uma medida de ajustamento de um modelo estatístico linear generalizado, como a Regressão linear, em relação aos valores observados. O R² varia entre 0 e 1, indicando, em percentagem, o quanto o modelo consegue explicar os valores observados. Quanto maior o R², mais explicativo é modelo, melhor ele se ajusta à amostra.

Por exemplo, se o R² de um modelo é 0,8234, isto significa que 82,34% da variável dependente consegue ser explicada pelos regressores presentes no modelo.




Explicação Meia Boca mas que 

Funciona: se o Coef. de Derminação

     0 - 0,2  Modelo é muito ruim

            0,2 - 0,4     Modelo é ruim
             0,4 - 0,6    Modelo regular
             0,6 - 0,8    Modelo é bom
             0,8 - 1       Modelo é muito bom