Contatos
Futuros
Dois blogs:
1.
USP
– Se4leçao Emprego Estagio e Venda Técnica (Empreendedorismo)
2.
USP
– Gestão Certificação Internacional – BI – Computação
segunda-feira, 27 de novembro de 2017
Bancos de Dados Relacionais - Access e SQL
11/12/2017 e 12/12/2017 as14h - Bancos de Dados Relacionais - Access e SQL
Professor Eduardo Bonilla - TI/ESALQ/USP
Grande Experiencia de Mercado no Setor Produtivo. Softwares corporativos.
Grande experiencia teórico-pratica com bancos de dados e software para Web.
Aula on line por canal de Youtube.
Professor Eduardo Bonilla - TI/ESALQ/USP
Grande Experiencia de Mercado no Setor Produtivo. Softwares corporativos.
Grande experiencia teórico-pratica com bancos de dados e software para Web.
Aula on line por canal de Youtube.
Banco de dados relacional
Um banco de dados relacional é um banco de dados que modela os dados de uma forma que eles sejam percebidos pelo usuário como tabelas, ou mais formalmente relações.
O termo é aplicado aos próprios dados, quando organizados dessa forma, ou a um Sistema Gerenciador de Banco de Dados Relacional (SGBDR) – do inglês Relational database management system (RDBMS) – um programa de computador que implementa a abstração.
tructured Query Language, ou Linguagem de Consulta Estruturada ou SQL, é a linguagem de pesquisa declarativa padrão para banco de dados relacional (base de dados relacional). Muitas das características originais do SQL foram inspiradas na álgebra relacional.
O SQL foi desenvolvido originalmente no início dos anos 70 nos laboratórios da IBM em San Jose, dentro do projeto System R, que tinha por objetivo demonstrar a viabilidade da implementação do modelo relacional proposto por E. F. Codd. O nome original da linguagem era SEQUEL, acrônimo para "Structured English Query Language" (Linguagem de Consulta Estruturada, em Inglês)[1], vindo daí o facto de, até hoje, a sigla, em inglês, ser comumente pronunciada "síquel" ao invés de "és-kiú-él", letra a letra. No entanto, em português, a pronúncia mais corrente é letra a letra: "ésse-quê-éle".
A linguagem é um grande padrão de banco de dados. Isto decorre da sua simplicidade e facilidade de uso. Ela se diferencia de outras linguagens de consulta a banco de dados no sentido em que uma consulta SQL especifica a forma do resultado e não o caminho para chegar a ele. Ela é uma linguagem declarativa em oposição a outras linguagens procedurais. Isto reduz o ciclo de aprendizado daqueles que se iniciam na linguagem.
Embora o SQL tenha sido originalmente criado pela IBM, rapidamente surgiram vários "dialectos" desenvolvidos por outros produtores. Essa expansão levou à necessidade de ser criado e adaptado um padrão para a linguagem. Esta tarefa foi realizada pela American National Standards Institute (ANSI) em 1986 e ISO em 1987.
O SQL foi revisto em 1992 e a esta versão foi dado o nome de SQL-92. Foi revisto novamente em 1999 e 2003 para se tornar SQL:1999 (SQL3) e SQL:2003, respectivamente. O SQL:1999 usa expressões regulares de emparelhamento, queriesrecursivas e gatilhos (triggers). Também foi feita uma adição controversa de tipos não-escalados e algumas características de orientação a objeto. O SQL:2003 introduz características relacionadas ao XML, sequências padronizadas e colunas com valores de auto-generalização (inclusive colunas-identidade).
Tal como dito anteriormente, embora padronizado pela ANSI e ISO, possui muitas variações e extensões produzidos pelos diferentes fabricantes de sistemas gerenciadores de bases de dados. Tipicamente a linguagem pode ser migrada de plataforma para plataforma sem mudanças estruturais principais.
Outra aproximação é permitir para código de idioma procedural ser embutido e interagir com o banco de dados. Por exemplo, o Oraclee outros incluem Java na base de dados, enquanto o PostgreSQL permite que funções sejam escritas em Perl, Tcl, ou C, entre outras linguagens.
Seleção p. Estágios - Empregos
Aula 22/11 - Ultima:
- Thierry Discute Seleção p. Estágios:
- Thierry Fuger Reis Couto
- Áudio de Gabriel comentando a apresentação do Thierry, a partir do mapa mental elaborado pelo Gabriel na sua apresentação:
- Arquivos de Áudio para Download:
- Seminário
- Atenção a data de curso on line por canal de Youtube sobre Bancos de Dados Relacionais:
- Access/MS e SQL
segunda-feira, 13 de novembro de 2017
Regressão Múltipla
Regressão Múltipla
Exemplo em SAS (Todo o que está escrito em fonte azul é entrada os saída do SAS):
data multipl;
Estamos testando a influencia das variáveis: Quilocalorias ingeridas por dia (Kcal_d), dos Quilômetros que as pessoas correm por semana (Corr_s) e das Xícaras de Chá do Sol (Cha_Sol), que é recomendado para emagrecer, anticancerígeno, antienvelhecimento e anti-infarto. As 3 variáveis anteriores as relacionaremos com a variável de resposta: Índice de Massa Corporal (IMC)?
Veja o comando SAS para testar esse modelo:
Veja o comando SAS para testar esse modelo:
model IMC = Kcal_d Corr_s Cha_Sol;
O Modelo Estatístico é:
Assim voces o acharao na literatura (Douglas Montgomery Introduction to Linear Regression Analysis)
Assim voces o acharao na literatura (Douglas Montgomery Introduction to Linear Regression Analysis)
IMC = Bo + B1 * Kcal + B2 * Corr_s + B3 * Cha_Sol + Erro do Modelo
IMC é a:
Kcal_d Corr_s Cha_Sol:
variável dependente (efeito)
Kcal_d Corr_s Cha_Sol:
são as variáveis independentes (causa)
input IMC Kcal_d Corr_s Cha_Sol;
cards;
28 2500 1 20
19 2100 34 19
22 2300 12 18
29 2600 . 22
20 2200 17 25
18 2100 32 25
29 2780 0.5 28
31 2890 1 27
20 2000 10 25
;
proc glm;
model IMC = Kcal_d Corr_s Cha_Sol;
run;
Resultados:
| The SAS System |
The GLM Procedure
| Number of Observations Read | 9 |
|---|---|
| Number of Observations Used | 9 |
| The SAS System |
The GLM Procedure
Dependent Variable: IMC
| Source | DF | Sum of Squares | Mean Square | F Value | Pr > F |
|---|---|---|---|---|---|
| Model | 3 | 205.9795169 | 68.6598390 | 57.02 | 0.0003 |
| Error | 5 | 6.0204831 | 1.2040966 | ||
| Corrected Total | 8 | 212.0000000 |
Aqui podemos ver que se rejeita a Hipótese:
Rejeita-se Ho: B1 = B2 = B3 = 0 (ou seja que não ha nenhuma relação de causa --> efeito) com (1-0,0003) * 100 = 99,97 % de confiança rejeita-se Ho. Então existe alguma relação causas efeito.
Quando a confiança para se rejeitar Ho for menor do que 95%, ou a margem de erro menor do que 0,05 = 5%, então nenhuma variável independente esta influenciado o IMC (variável dependente). Não foi esse o caso deste exemplo.
| R-Square | Coeff Var | Root MSE | IMC Mean |
|---|---|---|---|
| 0.972057 | 4.848561 | 1.133351 | 23.37500 |
| Source | DF | Type I SS | Mean Square | F Value | Pr > F |
|---|---|---|---|---|---|
| Kcal_d | 1 | 169.2880791 | 169.2880791 | 131.79 | 0.0003 |
| Corr_s | 1 | 8.4790347 | 8.4790347 | 6.60 | 0.0620 |
| Cha_Sol | 1 | 0.9699462 | 0.9699462 | 0.76 | 0.4339 |
| Source | DF | Type III SS | Mean Square | F Value | Pr > F |
|---|---|---|---|---|---|
| Kcal_d | 1 | 43.68364463 | 43.68364463 | 34.01 | 0.0043 |
| Corr_s | 1 | 8.65365842 | 8.65365842 | 6.74 | 0.0603 |
| Cha_Sol | 1 | 0.96994618 | 0.96994618 | 0.76 | 0.4339 |
Sempre na Regressão Múltipla Temos que utilizar Soma de Quadrados Tipo III. Também quando tivermos parcela perdida e ANOVA e MANOVA, temos que utilizar Soma de Quadrados Tipo III.
| Parameter | Estimate | Standard Error | t Value | Pr > |t| |
|---|---|---|---|---|
| Intercept | 0.1169092515 | 5.30174186 | 0.02 | 0.9835 |
| Kcal_d | 0.0116183745 | 0.00199228 | 5.83 | 0.0043 |
| Corr_s | -.1229135600 | 0.04735485 | -2.60 | 0.0603 |
| Cha_Sol | -.1067422116 | 0.12283635 | -0.87 | 0.4339 |
Podemos ver que a estimativa dos parâmetros
Bo, B1, B2 e B3 foi:
Parameter
|
Estimate
|
Bo = Intercept
|
0.1169092515
|
B1 = Kcal_d
|
0.0116183745
|
B2 = Corr_s
|
-.1229135600
|
B3 = Cha_Sol
|
-.1067422116
|
Podemos observar que:
B1 > 0
B2 <0
B3 <0
assim as variáveis independentes (causa) ainda sem pensar em significância estatistifica atuaram em relação a IMC da seguinte forma:
B1 positivamente ou seja quando aumentam as quilocalorias por dia aumenta o IMC,
B2 negativamente ou seja quando aumenta corrida diminuí o IMC
B3 negativamente ou seja quando aumentam as xícaras de chá por sema diminui o IMC
Agora temos que observar para quais variáveis independentes o coeficiente foi estatisticamente diferente de O (zero), para isso temos que observar a margem de erro do teste de cada coeficiente:
Parameter
|
Estimate
|
Pr > |t|
|
Bo = Intercept
|
0.1169092515
|
0.9835
|
B1 = Kcal_d
|
0.0116183745
|
0.0043
|
B2 = Corr_s
|
-.1229135600
|
0.0603
|
B3 = Cha_Sol
|
-.1067422116
|
0.4339
|
Assim:
O Intersepto foi igual a zero (Bo = Intercept), o que tem muito poco valor pratico, seria o valor do IMC se todas as variáveis independentes fossem zeradas, logicamente se a ingestão diária de calorias fosse zero o individuo estaria morto.
O coeficiente da variável independente Quilocalorias Ingeridas por Dia (B1 = Kcal_d) foi diferente de zero, assim com 99,57 % de confiança podemos afirmar que a quantidade de quilocalorias ingeridas por dia impacta positivamente no IMC.
O coeficiente a variável independente Quilômetros que as pessoas correm por semana (B2 = Corr_s) não foi diferente de zero se utilizarmos o critério de 95% de confiança (ou 5% de margem de erro), porem esta muito perto da significância, rejeitaríamos a hipótese de ser igual a zero com 94% de confiança. Assim poderíamos entrar na discussão da suficiência do tamanho amostral, foi igual a 9 pontos amostrais. Esse tamanho amostral é insuficiente para todos os critérios que o professor conhece:
- Teorema do Limite Central da Estatística ( o mais importante da Estatística) requer no minimo 30 pontos amostrais;
- Recomendação da Estatística Experimental, minimo 10 graus de liberdade do resíduo e 20 do total ajustado, assim deveríamos ter no minimo 21 pontos amostrais,
- Recomendação das normas ISO, minimo 9 graus de liberdade do resíduo, deveríamos ter 13 pontos amostrais.
Vemos que não conseguimos satisfazer nenhum dos 3 critérios, assim uma significância de 94% é uma evidencia forte de que a variável Quilômetros que as pessoas correm por semana (Corr_s) tem influencia significativa no IMC, uma relação inversamente proporcional, assim quando aumenta a corrida diminui o IMC. Seguramente se aumentarmos o tamanho amostral chegaremos a uma significância maior do que 95%.
O coeficiente a variável independente Xícaras de Chá do Sol por semana ( B3 = Cha_Sol) foi não significativa (p < 0,4339), assim o Chá do Sol não influenciou no IMC ou não tivemos argumentos estatisticamente significativos para rejeitar Ho: B3 = 0.
Temos um problema de Tamanho Amostral, isso impacta na significância da Variável Independente Corrida por Semana.
Assim utilizamos o Algoritmo de Cochran, para pesquisarmos o Tamanho Ótimo da Amostra.
Observamos que para uma população de tamanho N=25, o Tamanho Ótimo da Amostra é: 23 (por que a variação é muito grande, CV%= 100,3 %).
Assim deveríamos aumentar o tamanho da amostra para chegarmos em n = 23, deveríamos tomar dados de 23 - 8 = 15 pessoas mais.
Assim muito provavelmente a variável Corrida por Semana passara a ser estatisticamente significativa.
Obs
|
IMC
|
Kcal_d
|
Corr_s
|
Cha_Sol
|
1
|
28
|
2500
|
1
|
20
|
2
|
19
|
2100
|
34
|
19
|
3
|
22
|
2300
|
12
|
18
|
4
|
29
|
2600
|
22
| |
5
|
20
|
2200
|
17
|
25
|
6
|
18
|
2100
|
32
|
25
|
7
|
29
|
2780
|
0,5
|
28
|
8
|
31
|
2890
|
1
|
27
|
9
|
20
|
2000
|
10
|
25
|
Media=
|
13,4375
| |||
Desvio=
|
13,47335
| |||
CV%=
|
100,2668
| |||
Tamanho Otimo
| ||||
da Amostra:
| ||||
Pop. Infinita =
|
401,7877
| |||
Pop. Finita=
|
23,53557
|
Macros Analíticas do Excel - Teste T Principal Ferramenta de BI para Tomar Decisão .
Macros Analíticas do Excel
Teste T de Student – A segunda ou primeira ferramenta de BI (Intel. De Negócios) mais utilizada pelo gestor
Data Compara;
Input Cidade Estado $ Salario;
Cards;
17 RJ 1870
16 RJ 2030
8 SP 1800
11 MS 1700
6 SP 2150
19 RJ 1910
10 MS 1890
18 RJ 2200
14 SP 2180
4 MS 1890
3 MS 1650
20 RJ 1890
12 MS 1950
7 SP 2320
15 RJ 1990
2 SP 1850
1 MS 1678
9 MS 1789
5 SP 1950
13 SP 2150
;
/*
proc print data=Compara;
run;
Quando o programa esta em fonte
cor verde, indica que é um
comentario, nao será interpretado
pelo SAS
*/
proc anova data=Compara;
Class Estado;
Model Salario = Estado;
Means Estado / tukey lines;
run;
Queremos comparar medias salariais de 3 estados brasileiros, banco de dados:
Numero
|
Estado
|
Salario
|
11
|
MS
|
1700
|
10
|
MS
|
1890
|
4
|
MS
|
1890
|
3
|
MS
|
1650
|
12
|
MS
|
1950
|
1
|
MS
|
1678
|
9
|
MS
|
1789
|
17
|
RJ
|
1870
|
16
|
RJ
|
2030
|
19
|
RJ
|
1910
|
18
|
RJ
|
2200
|
20
|
RJ
|
1890
|
15
|
RJ
|
1990
|
8
|
SP
|
1800
|
6
|
SP
|
2150
|
14
|
SP
|
2180
|
7
|
SP
|
2320
|
2
|
SP
|
1850
|
5
|
SP
|
1950
|
13
|
SP
|
2150
|
Ativando Macros Analíticas:
https://www.youtube.com/watch?v=nOCjtZ54v-I
Comparação SP Vs. MS
Teste-t: duas amostras presumindo variâncias diferentes
| |||||
Salario MS
|
Salario SP
| ||||
Média
|
1792
|
2057
| |||
Variância
|
14301
|
36990
| |||
Observações
|
7
|
7
| |||
Hipótese da diferença de média
|
0
| ||||
gl
|
10
| ||||
Stat t
|
-3,092469414
| ||||
P(T<=t) uni-caudal
|
0,005697959
|
Margem de Erro COM Inf. Previa Confiavel
| |||
t crítico uni-caudal
|
1,812461123
| ||||
P(T<=t) bi-caudal
|
0,011395918
|
Margem de Erro SEM Inf. Previa
| |||
t crítico bi-caudal
|
2,228138852
|
Comparação SP Vs. RJ
Teste-t: duas amostras presumindo variâncias equivalentes
| ||
RJ
|
SP
| |
Média
|
1982
|
2057
|
Variância
|
15217
|
36990
|
Observações
|
6
|
7
|
Variância agrupada
|
27093,29004
| |
Hipótese da diferença de média
|
0
| |
gl
|
11
| |
Stat t
|
-0,824198971
| |
P(T<=t) uni-caudal
|
0,213668226
| |
t crítico uni-caudal
|
1,795884819
| |
P(T<=t) bi-caudal
|
0,427336452
| |
t crítico bi-caudal
|
2,20098516
| |
Assinar:
Postagens (Atom)