Exercícios Práticos Lista Final

 Exercícios Práticos Lista Final

Enviar os exercícios para o e-mail da disciplina.

E-Mail da Disciplina:

gestao.estat.cert@gmail.com

 

Colocar no Assunto do e-mail o Nome Completo e Colocar Exercício Prático No. ?

 Exercício 1 - Pratico

Teste quais variáveis preditoras devem ir para a IA para discriminar dinheiro falso. Utilize as funções analíticas do Excel. DL: 30/5.

Utilize o exemplo da aula, colocando dígitos de seu número USP ou invente um exemplo próprio (se inventar exemplo próprio envie-o também para gasarrie@usp.br)

obs.	Status	length	Left	Rigth	Bottom	Top	Diagonal	Transpar.
1	FALSO	214,8	131	131,1	9	9,7	141	8,345353
2	FALSO	214,6	129,7	129,7	8,1	9,5	141,7	9,005343
3	FALSO	214,8	129,7	129,7	8,7	9,6	142,2	4,293085
4	FALSO	214,8	129,7	129,6	7,5	10,4	142	5,281225
5	FALSO	215	129,6	129,7	10,4	7,7	141,8	1,513307
6	FALSO	215,7	130,8	130,5	9	10,1	141,4	5,739582
7	FALSO	215,5	129,5	129,7	7,9	9,6	141,6	3,58029
8	FALSO	214,5	129,6	129,2	7,2	10,7	141,7	8,620212
9	FALSO	214,9	129,4	129,7	8,2	11	141,9	6,128928
10	FALSO	215,2	130,4	130,3	9,2	10	140,7	1,225479
11	FALSO	215,3	130,4	130,3	7,9	11,7	141,8	0,442973
12	FALSO	215,1	129,5	129,6	7,7	10,5	142,2	9,165131
13	FALSO	215,2	130,8	129,6	7,9	10,8	141,4	3,034573
14	FALSO	214,7	129,7	129,7	7,7	10,9	141,7	4,929624
15	FALSO	215,1	129,9	129,7	7,7	10,8	141,8	3,996129
16	FALSO	214,5	129,8	129,8	9,3	8,5	141,6	5,107183
17	FALSO	214,6	129,9	130,1	8,2	9,8	141,7	3,666467
18	FALSO	215	129,9	129,7	9	9	141,9	4,605725
19	FALSO	215,2	129,6	129,6	7,4	11,5	141,5	6,26076
20	FALSO	214,7	130,2	129,9	8,6	10	141,9	6,538608
21	FALSO	215	129,9	129,3	8,4	10	141,4	0,450759
22	FALSO	215,6	130,5	130	8,1	10,3	141,6	3,106727
23	FALSO	215,3	130,6	130	8,4	10,8	141,5	2,091035
24	FALSO	215,7	130,2	130	8,7	10	141,6	0,093906
25	FALSO	215,1	129,7	129,9	7,4	10,8	141,1	7,069552
26	FALSO	215,3	130,4	130,4	8	11	142,3	6,143458
27	FALSO	215,5	130,2	130,1	8,9	9,8	142,4	2,899919
28	FALSO	215,1	130,3	130,3	9,8	9,5	141,9	3,056647
29	FALSO	215,1	130	130	7,4	10,5	141,8	7,640232
30	FALSO	214,8	129,7	129,3	8,3	9	142	0,911595
31	FALSO	215,2	130,1	129,8	7,9	10,7	141,8	9,286659
32	FALSO	214,8	129,7	129,7	8,6	9,1	142,3	1,654785
33	FALSO	215	130	129,6	7,7	10,5	140,7	9,087692
34	FALSO	215,6	130,4	130,1	8,4	10,3	141	3,066002
35	FALSO	215,9	130,4	130	8,9	10,6	141,4	9,669812
36	FALSO	214,6	130,2	130,2	9,4	9,7	141,8	7,152279
37	FALSO	215,5	130,3	130	8,4	9,7	141,8	5,814042
38	FALSO	215,3	129,9	129,4	7,9	10	142	8,451992
39	FALSO	215,3	130,3	130,1	8,5	9,3	142,1	8,270316
40	FALSO	213,9	130,3	129	8,1	9,7	141,3	2,374091
41	FALSO	214,4	129,8	129,2	8,9	9,4	142,3	7,882688
42	FALSO	214,8	130,1	129,6	8,8	9,9	140,9	8,628963
43	FALSO	214,9	129,6	129,4	9,3	9	141,7	6,522981
44	FALSO	214,9	130,4	129,7	9	9,8	140,9	6,203108
45	FALSO	214,8	129,4	129,1	8,2	10,2	141	6,605354
46	FALSO	214,3	129,5	129,4	8,3	10,2	141,8	4,43922
47	FALSO	214,8	129,9	129,7	8,3	10,2	141,5	1,899184
48	FALSO	214,8	129,9	129,7	7,3	10,9	142	8,704295
49	FALSO	214,6	129,7	129,8	7,9	10,3	141,1	2,990982
50	FALSO	214,5	129	129,6	7,8	9,8	142	0,571166
51	FALSO	214,6	129,8	129,4	7,2	10	141,3	6,407039
52	FALSO	215,3	130,6	130	9,5	9,7	141,1	0,235993
53	FALSO	214,5	130,1	130	7,8	10,9	140,9	3,450459
54	FALSO	215,4	130,2	130,2	7,6	10,9	141,6	1,381513
55	FALSO	214,5	129,4	129,5	7,9	10	141,4	1,621623
56	FALSO	215,2	129,7	129,4	9,2	9,4	142	7,640185
57	FALSO	215,7	130	129,4	9,2	10,4	141,2	1,496712
58	FALSO	215	129,6	129,4	8,8	9	141,1	5,754074
59	FALSO	215,1	130,1	129,9	7,9	11	141,3	0,169488
60	FALSO	215,1	130	129,8	8,2	10,3	141,4	4,48128
61	FALSO	215,1	129,6	129,3	8,3	9,9	141,6	0,338244
62	FALSO	215,3	129,7	129,4	7,5	10,5	141,5	6,148626
63	FALSO	215,4	129,8	129,4	8	10,6	141,5	3,799348
64	FALSO	214,5	130	129,5	8	10,8	141,4	6,141745
65	FALSO	215	130	129,8	8,6	10,6	141,5	5,479944
66	FALSO	215,2	130,6	130	8,8	10,6	140,8	3,914293
67	FALSO	214,6	129,5	129,2	7,7	10,3	141,3	0,979716
68	FALSO	214,8	129,7	129,3	9,1	9,5	141,5	0,416134
69	FALSO	215,1	129,6	129,8	8,6	9,8	141,8	4,493104
70	FALSO	214,9	130,2	130,2	8	11,2	139,6	8,433149
71	FALSO	213,8	129,8	129,5	8,4	11,1	140,9	3,194225
72	FALSO	215,2	129,9	129,5	8,2	10,3	141,4	7,989399
73	FALSO	215	129,6	130,2	8,7	10	141,2	9,189951
74	FALSO	214,4	129,9	129,6	7,5	10,5	141,8	8,151371
75	FALSO	215,2	129,9	129,7	7,2	10,6	142,1	1,175441
76	FALSO	214,1	129,6	129,3	7,6	10,7	141,7	9,425796
77	FALSO	214,9	129,9	130,1	8,8	10	141,2	0,608648
78	FALSO	214,6	129,8	129,4	7,4	10,6	141	8,879565
79	FALSO	215,2	130,5	129,8	7,9	10,9	140,9	3,996958
80	FALSO	214,6	129,9	129,4	7,9	10	141,8	2,213717
81	FALSO	215,1	129,7	129,7	8,6	10,3	140,6	8,99883
82	FALSO	214,9	129,8	129,6	7,5	10,3	141	7,949556
83	FALSO	215,2	129,7	129,1	9	9,7	141,9	4,350476
84	FALSO	215,2	130,1	129,9	7,9	10,8	141,3	6,683159
85	FALSO	215,4	130,7	130,2	9	11,1	141,2	5,799778
86	FALSO	215,1	129,9	129,6	8,9	10,2	141,5	4,722314
87	FALSO	215,2	129,9	129,7	8,7	9,5	141,6	8,674677
88	FALSO	215	129,6	129,2	8,4	10,2	142,1	9,273823
89	FALSO	214,9	130,3	129,9	7,4	11,2	141,5	5,012061
90	FALSO	215	129,9	129,7	8	10,5	142	5,42594
91	FALSO	214,7	129,7	129,3	8,6	9,6	141,6	8,5421
92	FALSO	215,4	130	129,9	8,5	9,7	141,4	4,943298
93	FALSO	214,9	129,4	129,5	8,2	9,9	141,5	8,712418
94	FALSO	214,5	129,5	129,3	7,4	10,7	141,5	4,579332
95	FALSO	214,7	129,6	129,5	8,3	10	142	7,852574
96	FALSO	215,6	129,9	129,9	9	9,5	141,7	7,481017
97	FALSO	215	130,4	130,3	9,1	10,2	141,1	1,91562
98	FALSO	214,4	129,7	129,5	8	10,3	141,2	1,603
99	FALSO	215,1	130	129,8	9,1	10,2	141,5	4,368422
100	FALSO	214,7	130	129,4	7,8	10	141,2	9,289701
101	VERDAD	214,4	130,1	130,3	9,7	11,7	139,8	2,529576
102	VERDAD	214,9	130,5	130,2	11	11,5	139,5	5,231355
103	VERDAD	214,9	130,3	130,1	8,7	11,7	140,2	1,099865
104	VERDAD	215	130,4	130,6	9,9	10,9	140,3	9,704009
105	VERDAD	214,7	130,2	130,3	11,8	10,9	139,7	2,097141
106	VERDAD	215	130,2	130,2	10,6	10,7	139,9	4,749958
107	VERDAD	215,3	130,3	130,1	9,3	12,1	140,2	6,332
108	VERDAD	214,8	130,1	130,4	9,8	11,5	139,9	8,013084
109	VERDAD	215	130,2	129,9	10	11,9	139,4	7,333819
110	VERDAD	215,2	130,6	130,8	10,4	11,2	140,3	7,465903
111	VERDAD	215,2	130,4	130,3	8	11,5	139,2	1,776527
112	VERDAD	215,1	130,5	130,3	10,6	11,5	140,1	1,927405
113	VERDAD	215,4	130,7	131,1	9,7	11,8	140,6	2,87569
114	VERDAD	214,9	130,4	129,9	11,4	11	139,9	4,18792
115	VERDAD	215,1	130,3	130	10,6	10,8	139,7	1,133199
116	VERDAD	215,5	130,4	130	8,2	11,2	139,2	4,949746
117	VERDAD	214,7	130,6	130,1	11,8	10,5	139,8	2,076851
118	VERDAD	214,7	130,4	130,1	12,1	10,4	139,9	4,341875
119	VERDAD	214,8	130,5	130,2	11	11	140	6,873291
120	VERDAD	214,4	130,2	129,9	10,1	12	139,2	7,361863
121	VERDAD	214,8	130,3	130,4	10,1	12,1	139,6	6,160784
122	VERDAD	215,1	130,6	130,3	12,3	10,2	139,6	0,820162
123	VERDAD	215,3	130,8	131,1	11,6	10,6	140,2	8,199925
124	VERDAD	215,1	130,7	130,4	10,5	11,2	139,7	8,767972
125	VERDAD	214,7	130,5	130,5	9,9	10,3	140,1	4,518555
126	VERDAD	214,9	130	130,3	10,2	11,4	139,6	1,264342
127	VERDAD	215	130,4	130,4	9,4	11,6	140,2	8,712286
128	VERDAD	215,5	130,7	130,3	10,2	11,8	140	3,805659
129	VERDAD	215,1	130,2	130,2	10,1	11,3	140,3	1,132005
130	VERDAD	214,5	130,2	130,6	9,8	12,1	139,9	7,05902
131	VERDAD	214,3	130,2	130	10,7	10,5	139,8	0,147254
132	VERDAD	214,5	130,2	129,8	12,3	11,2	139,2	5,340653
133	VERDAD	214,9	130,5	130,2	10,6	11,5	139,9	1,035768
134	VERDAD	214,6	130,2	130,4	10,5	11,8	139,7	4,329426
135	VERDAD	214,2	130	130,2	11	11,2	139,5	7,190976
136	VERDAD	214,8	130,1	130,1	11,9	11,1	139,5	7,86245
137	VERDAD	214,6	129,8	130,2	10,7	11,1	139,4	6,169232
138	VERDAD	214,9	130,7	130,3	9,3	11,2	138,3	2,104685
139	VERDAD	214,6	130,4	130,4	11,3	10,8	139,8	1,850182
140	VERDAD	214,5	130,5	130,2	11,8	10,2	139,6	5,755739
141	VERDAD	214,8	130,2	130,3	10	11,9	139,3	0,750656
142	VERDAD	214,7	130	129,4	10,2	11	139,2	2,389343
143	VERDAD	214,6	130,2	130,4	11,2	10,7	139,9	6,203088
144	VERDAD	215	130,5	130,4	10,6	11,1	139,9	8,330734
145	VERDAD	214,5	129,8	129,8	11,4	10	139,3	8,650829
146	VERDAD	214,9	130,6	130,4	11,9	10,5	139,8	1,40345
147	VERDAD	215	130,5	130,4	11,4	10,7	139,9	7,332753
148	VERDAD	215,3	130,6	130,3	9,3	11,3	138,1	2,913333
149	VERDAD	214,7	130,2	130,1	10,7	11	139,4	4,863921
150	VERDAD	214,9	129,9	130	9,9	12,3	139,4	4,211332
151	VERDAD	214,9	130,3	129,9	11,9	10,6	139,8	0,956579
152	VERDAD	214,6	129,9	129,7	11,9	10,1	139	1,418857
153	VERDAD	214,6	129,7	129,3	10,4	11	139,3	6,479153
154	VERDAD	214,5	130,1	130,1	12,1	10,3	139,4	9,565215
155	VERDAD	214,5	130,3	130	11	11,5	139,5	8,19004
156	VERDAD	215,1	130	130,3	11,6	10,5	139,7	3,340708
157	VERDAD	214,2	129,7	129,6	10,3	11,4	139,5	4,539931
158	VERDAD	214,4	130,1	130	11,3	10,7	139,2	0,907883
159	VERDAD	214,8	130,4	130,6	12,5	10	139,3	5,111025
160	VERDAD	214,6	130,6	130,1	8,1	12,1	137,9	7,33093
161	VERDAD	215,6	130,1	129,7	7,4	12,2	138,4	5,010356
162	VERDAD	214,9	130,5	130,1	9,9	10,2	138,1	5,802157
163	VERDAD	214,6	130,1	130	11,5	10,6	139,5	1,915
164	VERDAD	214,7	130,1	130,2	11,6	10,9	139,1	4,298098
165	VERDAD	214,3	130,3	130	11,4	10,5	139,8	1,175106
166	VERDAD	215,1	130,3	130,6	10,3	12	139,7	8,925967
167	VERDAD	216,3	130,7	130,4	10	10,1	138,8	6,511685
168	VERDAD	215,6	130,4	130,1	9,6	11,2	138,6	5,318178
169	VERDAD	214,8	129,9	129,8	9,6	12	139,6	7,626296
170	VERDAD	214,9	130	129,9	11,4	10,9	139,7	9,92289
171	VERDAD	213,9	130,7	130,5	8,7	11,5	137,8	8,070468
172	VERDAD	214,2	130,6	130,4	12	10,2	139,6	3,852542
173	VERDAD	214,8	130,5	130,3	11,8	10,5	139,4	2,069325
174	VERDAD	214,8	129,6	130	10,4	11,6	139,2	0,986407
175	VERDAD	214,8	130,1	130	11,4	10,5	139,6	5,908994
176	VERDAD	214,9	130,4	130,2	11,9	10,7	139	7,349364
177	VERDAD	214,3	130,1	130,1	11,6	10,5	139,7	0,511428
178	VERDAD	214,5	130,4	130	9,9	12	139,6	5,119145
179	VERDAD	214,8	130,5	130,3	10,2	12,1	139,1	3,432399
180	VERDAD	214,5	130,2	130,4	8,2	11,8	137,8	8,753596
181	VERDAD	215	130,4	130,1	11,4	10,7	139,1	1,992127
182	VERDAD	214,8	130,6	130,6	8	11,4	138,7	9,226528
183	VERDAD	215	130,5	130,1	11	11,4	139,3	7,312417
184	VERDAD	214,6	130,5	130,4	10,1	11,4	139,3	6,073818
185	VERDAD	214,7	130,2	130,1	10,7	11,1	139,5	4,021342
186	VERDAD	214,7	130,4	130	11,5	10,7	139,4	7,331403
187	VERDAD	214,5	130,4	130	8	12,2	138,5	9,405799
188	VERDAD	214,8	130	129,7	11,4	10,6	139,2	7,806663
189	VERDAD	214,8	129,9	130,2	9,6	11,9	139,4	8,270527
190	VERDAD	214,6	130,3	130,2	12,7	9,1	139,2	6,934555
191	VERDAD	215,1	130,2	129,8	10,2	12	139,4	7,897621
192	VERDAD	215,4	130,5	130,6	8,8	11	138,6	1,874828
193	VERDAD	214,7	130,3	130,2	10,8	11,1	139,2	1,775244
194	VERDAD	215	130,5	130,3	9,6	11	138,5	2,938067
195	VERDAD	214,9	130,3	130,5	11,6	10,6	139,8	1,023377
196	VERDAD	215	130,4	130,3	9,9	12,1	139,6	0,022059
197	VERDAD	215,1	130,3	129,9	10,3	11,5	139,7	7,854284
198	VERDAD	214,8	130,3	130,4	10,6	11,1	140	3,595969
199	VERDAD	214,7	130,7	130,8	11,2	11,2	139,4	7,97424
200	VERDAD	21?,?	12?,?	12?,?	10,?	11,?	13?,?	0,2??731

Trocar os sinais de interrogação pelos últimos dígitos do seu Numero USP

Exercício 2 - Pratico

Resolva o Exemplo do Exercício 1 no R. DL: 11/5.

Duvidas R Prof. Cristian, e-mail:

clobos@usp.br

Exercício 3 – Pratico

Aplique Machine Learning Supervisionado para Classificação no Exercício 1, utilizando o Weka.

Utilize o exemplo da aula, colocando dígitos de seu número USP ou invente um exemplo próprio (se inventar exemplo próprio envie-o também para gasarrie@usp.br).

Exercício 4 – Pratico

Aplique Regressão Múltipla no R, Regressão Múltipla Robusta em SAS e Machine Learning S. para Predição em Weka, no exemplo da aula, colocando dígitos de seu numero USP. ou invente um exemplo próprio (se inventar exemplo próprio envie-o também para gasarrie@usp.br).

Também rode o exemplo no Excel.

 

Banco de Dados para Desenvolver Algoritmo de MLS para Previsão e Regressão Múltipla (convencional ou robusta)

 

DBO	ICobV	ICArb	Bcont	Dis_Pl	IBD_A
1,604	89	60	11	9	90
0,385	90	61	10	8,9	91
0,216	91	62	9	9,1	92
0,303	90	59	10	8,8	89
1,961	20	12	81	0,2	20
0,782	21	14	79	0,3	22
0,57	22	15	78	0,25	23
2,187	22	12	77	0,2	24
0,764	59	35	41	6	60
0,273	60	32	40	6,5	61
1,883	64	33	38	5,8	63
0,581	62	32	37	5,6	62
0,18	79	50	21	8,2	80
0,???	8?	4?	2?	7,?	7?
2,028	80	48	18	8,2	81
2,431	79	47	21	7,7	78

 Trocar os sinais de interrogação pelos últimos dígitos do seu Número USP

Modelo Arquivo ARFF:

Arquivo para Weka (.arff)

@RELATION biodiv_Animal

@ATTRIBUTE dbo REAL

@ATTRIBUTE  ICob_V REAL

@ATTRIBUTE ICArb REAL

@ATTRIBUTE BCont REAL

@ATTRIBUTE Dist_Pla REAL

@ATTRIBUTE Ibd_A REAL

@DATA

6.416555198,60,99,99,5,90

1.538176272,61,98,99,6,91

...

Saida do Weka

Ibd_A =

      0.3192 * ICob_V +

      0.1462 * ICArb +

     -0.4409 * BCont +

      1.0349 * Dist_Pla +

     48.0187

 Dead Line: 30/5/2022

Exercício 5 – Pratico

Utilize Pivot Table e Cluster Analysis (M. L. Não Supervisionado) no exemplo abaixo ou crie um exemplo. Também rode ANOVA em R e SAS.

Cat.	IMC	Corr	Kcal
AT	20,2	60,7	3200
AT	21,3	54,8	3100
AT	19,3	49,6	2800
AT	21,1	52,3	3300
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	24,?	2,?	27??

Trocar os sinais de interrogação pelos últimos dígitos do seu Numero USP

Dead line: 13/6/2022