Aula 7/11/2024

Pauta:

- Flavio o que falaram de saber o SAS, CD e IA, em relação à sua empregabilidade. Principal habilidade do tomador de decisão em termos de linguagens e programas de computação.

- Fazer upload de 2 arquivos da aula de Cluster Analysis.

- Rodar PCA e Biplot. Exercício prático 4

- Rodar Anova. Exercício prático 5.

- Cuidado com e-mail de exercícios, enviar somete para esse e-mail.

- Faltas 5 total, até 8 tiro 3 se forem em horários de consulta em

 janeiro e fevereiro.

- Ver data da prova 5/12 ok? Vale 1 ponto na disciplina, mas vale muito no mercado de trabalho.

        - 019 - 988 - 627 - 438

- Entregar todos os exercícios e seminário até 28/11. Ficaremos todas as aulas trabalhando nisso.

 

 

 

 

Exercício Prático 3. Realizar Cluster Analysis - ML Não Supervisionado para Agrupamentos Multivariados.

Exercício Prático 3. Realizar Cluster Analysis - ML Não Supervisionado para Agrupamentos Multivariados.

 Exercício Prático 3. Realizar Cluster Analysis - ML Não Supervisionado para Agrupamentos Multivariados.

Dados:

    - Categoria: Variável Classificatória

    - IMC: Primeira Variável Preditora - Indice de Massa Corporal

    - Movim: Segunda Variável Preditora - Movimentação caminhando ou correndo por semana (Km)

    - KCal: Quilocalorias consumidas por dia. Terceira Variavel Preditora

Programa SAS - Rodaremos esse programa numa versão gratuita muito poderosa na Nuvem.

 

A linguagem de menor custo de aprendizagem para Ciência de Dados e Inteligência Artificial, também a mais respeitada e valorizada no mercado de trabalho. A mais importante para o tomador de decisão.

 

 

Codificação para rodar IA Indutiva Não Supervisionada para Classificação em Linguagem SAS

data  pessoas;

input cat $ imc corr kcal;

cards;

AT 20.5 54.4 3159

PR 25.3 2.7 2650

SE 25.6 2.9 2700

SEM 23.1 16.6 29??

;

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

var imc corr kcal;

id cat;

run;

PROC TREE DATA = arvore;

RUN;

 

Exercício Pratico 2. Regressão Multipla

   Exercício Pratico 2. Regressão Multipla em Excel ou LOffice Calc, SAS (proc reg e robustreg) e Weka. Dead Line 10/9.

Exemplos de Aplicações:

1. Análise de dados econômicos:
   • Previsão de inflação: Ao considerar diversos indicadores econômicos, a regressão robusta pode fornecer previsões mais precisas, mesmo na presença de choques econômicos que geram outliers.
   • Análise de consumo: Ao modelar o consumo em função da renda, taxas de juros e outros fatores, a regressão robusta pode identificar padrões mais robustos, mesmo na presença de consumidores com comportamentos atípicos.

Bu_Unit	Sales	Price	Qu_level	Claims	NPS	PV	Satisfac
1	65,98108	97,8022	96,77419	13,58025	98,9011	19	97,82???
2	15,8371	98,9011	98,3871	12,34568	97,8022	29	98,91???
3	8,885232	100	100	11,11111	100	21	100
4	12,46401	98,9011	95,16129	12,34568	96,7033	94	96,73913
5	80,66639	21,97802	19,35484	100	2,197802	34	21,73913
6	32,16783	23,07692	22,58065	97,53086	3,296703	64	23,91304
7	23,44714	24,17582	24,19355	96,2963	2,747253	61	25
8	89,96298	24,17582	19,35484	95,06173	2,197802	25	26,08696
9	31,4274	64,83516	56,45161	50,61728	65,93407	10	65,21739
10	11,22995	65,93407	51,6129	49,38272	71,42857	3	66,30435
11	77,45784	70,32967	53,22581	46,91358	63,73626	56	68,47826
12	23,89963	68,13187	51,6129	45,67901	61,53846	4	67,3913
13	7,40436	86,81319	80,64516	25,92593	90,10989	90	86,95652
14	0,287947	87,91209	79,03226	24,69136	85,71429	48	85,86957
15	83,42246	87,91209	77,41935	22,22222	90,10989	78	88,04348
16	100	86,81319	75,80645	25,92593	84,61538	88	84,78261

Outlier

17

8,885232

100

100

11,11111

100

21

20

Resultado do SAS Discutido - Arquivo pdf para download.

Clique no link abaixo:

Resutados sem outlier sas

Rsultados com outlier

Programa SAS 

data clientes;

input Bu_Unit Sales Price Qu_level Claims NPS PV Satisfac;

cards;

1 65.98108 97.8022 96.77419 13.58025 98.9011 19 97.8259

2 15.8371 98.9011 98.3871 12.34568 97.8022 29 98.9159

3 8.885232 100 100 11.11111 100 21 100

4 12.46401 98.9011 95.16129 12.34568 96.7033 94 96.73913

5 80.66639 21.97802 19.35484 100 2.197802 34 21.73913

6 32.16783 23.07692 22.58065 97.53086 3.296703 64 23.91304

7 23.44714 24.17582 24.19355 96.2963 2.747253 61 25

8 89.96298 24.17582 19.35484 95.06173 2.197802 25 26.08696

9 31.4274 64.83516 56.45161 50.61728 65.93407 10 65.21739

10 11.22995 65.93407 51.6129 49.38272 71.42857 3 66.30435

11 77.45784 70.32967 53.22581 46.91358 63.73626 56 68.47826

12 23.89963 68.13187 51.6129 45.67901 61.53846 4 67.3913

13 7.40436 86.81319 80.64516 25.92593 90.10989 90 86.95652

14 0.287947 87.91209 79.03226 24.69136 85.71429 48 85.86957

15 83.42246 87.91209 77.41935 22.22222 90.10989 78 88.04348

16 100 86.81319 75.80645 25.92593 84.61538 88 84.78261

17 8.885232 100 100 11.11111 100 21 20

;

proc print;

run;

/* input Bu_Unit Sales Price Qu_level Claims NPS PV Satisfac;*/

/* proc reg fornece os mesmos resultados que Excel e LO Calq */ 

proc reg;

  model Satisfac = Sales Price Qu_level Claims NPS PV;

run; 

/* proc robustreg fornece smpre os melhores resultados*/ 

proc robustreg; 

  model Satisfac = Sales Price Qu_level Claims NPS PV;

run; 

Exercícios

   Exercícios

 

Enviar por Favor para o E-mail da Disciplina:

gestao.estat.cert@gmail.com

Coloque seu nome o número do exercício e se se trata de exercício pratico ou teórico no assunto do e-mail, ou seminário.

                           Seminário

Escolha um assunto entre os exercícios teóricos e práticos e elabore um seminário com 14 slides, em português, inglês ou espanhol.

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

- I Artificial

- C de Dados

- Robótica

- Machine learning

- S Toyota de Gestão 4.0 = Sistema Porsche

- Rede Neural

Dead Line: 19/8/2024

- Exercício Teórico 2 – Elabore 7 slides sobre o Sistema Toyota de Gestão 4.0, Sistema Porsche de Gestão ou TQM 4.0. Dead Line: 10/9.

- Exercício Teórico 3 – Elabore 7 slides sobre Sociedade e Gestão 5.0. 17/9.

Exercício Teórico 4 – Elabore 7 slides sobre ISO 9001 4.0. 24/9.

Exercício Teórico 5 – Elabore 7 slides sobre Lean Startup. 1/10.

Exercícios Práticos

Exercício Prático 1. Regressão Linear Simples em Excel ou LOffice Calc e SAS (proc reg e robustreg). Dead Line 4/9.

 

Exercício Prático 2. Regressão Multipla em Excel ou LOffice Calc, SAS (proc reg e robustreg) e Weka. Dead Line 10/9.

 

Exercício Prático 3. Realizar Cluster Analysis - ML Não Supervisionado para Agrupamentos Multivariados.

Dados:

    - Categoria: Variável Classificatória

    - IMC: Primeira Variável Preditora - Indice de Massa Corporal

    - Movim: Segunda Variável Preditora - Movimentação caminhando ou correndo por semana (Km)

    - KCal: Quilocalorias consumidas por dia. Terceira Variavel Preditora

Programa SAS - Rodaremos esse programa numa versão gratuita muito poderosa na Nuvem.

 

A linguagem de menor custo de aprendizagem para Ciência de Dados e Inteligência Artificial, também a mais respeitada e valorizada no mercado de trabalho. A mais importante para o tomador de decisão.

 

 

Codificação para rodar IA Indutiva Não Supervisionada para Classificação em Linguagem SAS

data  pessoas;

input cat $ imc corr kcal;

cards;

AT 20.5 54.4 31??

PR 25.3 2.7 2650

SE 25.6 2.9 2700

SEM 23.1 16.6 29??

;

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

var imc corr kcal;

id cat;

run;

PROC TREE DATA = arvore;

RUN;

 

Exercício Prático 4.  Realizar PCA com Biplot. ML Não Supervisando para Redução de Dimensão.

Exercício Prático 5. ANOVA para seleção de variáveis preditoras em SAS, exemplo do dinheiro falso.  Dead Line 15/10.