Exercícios
Prazo final 1/7
também para o Seminário
Enviar todos os exercícios para e-mail de Exercícios: gestao.estat.cert@gmail.com
Colocar o número e tipo (teórico ou pratico) do exercício e o nome do autor no assunto do e-mail.
Vamos fazer em sala de aula todos os práticos, eu resolverei como se fosse um aluno. Colocando meu número de RG, vocês colocam os seus e fica tudo resolvida na sala de aulas.
Exercícios Práticos
Exercício Pratico 1 Obrigatório - Fazer Data Cruching - Pivot Table do exemplo do blog com os últimos dígitos de seu RG. Elaborar gráficos equalizados e com lay out adequado.
Dead Line: 13/5/2024
Categ | IMC | Km_Seman | Kcal_Dia |
ATL | 20,? | 60,? | 32?? |
ATL | 21,3 | 54,8 | 3100 |
ATL | 19,3 | 49,6 | 2800 |
ATL | 21,1 | 52,3 | 3300 |
SEMI | 22,4 | 14,9 | 2600 |
SEMI | 21,9 | 17,8 | 2700 |
SEMI | 23,8 | 18,6 | 3200 |
SEMI | 24,1 | 15,1 | 3300 |
SEDE | 27,3 | 2,5 | 2700 |
SEDE | 23,4 | 4,3 | 2300 |
SEDE | 25,2 | 2,3 | 2600 |
SEDE | 26,4 | 2,6 | 3200 |
PROF | 26,2 | 4,1 | 2600 |
PROF | 24,2 | 2,1 | 2700 |
PROF | 25,4 | 1,9 | 2650 |
Exercício Pratico 2 - Criar um sistema de almoxarifado utilizando Pivot Tables. Optativo.
Dead Line: 20/5/2024
Exercício Pratico 3 Obrigatório - Rodar IA Não S para Classificação. Somente trocar os sinais de interrogação por ultimos digitos do RG. DL: 27/5
data pessoas;
input cat $ imc corr kcal;
cards;
AT 20.? 54.? 31??
PR 25.3 2.7 2650
SE 25.6 2.9 2700
SEM 23.1 16.6 2950
;
/* Observar que os dados são a saída da operação Tabela Dinâmica do Exercício Prático 1 */
proc cluster data=pessoas outtree = arvore method = average;
var imc corr kcal;
id cat;
run;
PROC TREE DATA = arvore;
RUN;
Exercício Pratico 4 - Rodar ANOVA para seleção de variáveis preditoras, trocando sinais de interrogação. DL: 3/6. Optativo
data People;
/* BMI: body mass index --> Índice de M. Corporal = Peso / (Altura * Altura)
Movm: Movement (Km por semana)
KCal : Kilocalories (ingeridas por dia)
ATL: Athletes
SEMI: Semi-athletes
SEDE: Sedentary
PROF: Professor
*/
input Categ $ IMC Movim Kcal;
cards;
ATL 20.? 60.? 32??
ATL 21.3 54.8 3100
ATL 19.3 49.6 2800
ATL 21.1 52.3 3300
SEMI 22.4 14.9 2600
SEMI 21.9 17.8 2700
SEMI 23.8 18.6 3200
SEMI 24.1 15.1 3300
SEDE 27.3 2.5 2700
SEDE 23.4 4.3 2300
SEDE 25.2 2.3 2600
SEDE 26.4 2.6 3200
PROF 26.2 4.1 2600
PROF 24.2 2.1 2700
PROF 25.4 1.9 2650
;
Proc ANOVA;
Class Categ;
Model IMC Movim Kcal = Categ;
Means Categ / Duncan Lines;
Run;
Exercício Pratico 5 Obrigatório - Rodar o exemplo de propaganda e vendas com seu número de RG. DL: 10/6/2024.
X | Y |
30 | 4?? |
21 | 3?? |
35 | 520 |
42 | 490 |
37 | 470 |
8 | 195 |
17 | 270 |
35 | 400 |
25 | 480 |
12 | 258 |
10 | 205 |
X Y
2 858 Cuiabá
Exercício Pratico 6 Obrigatório – resolva o exercício de regressão múltipla com seu RG. DL: 17/6
Conventional and Robust Data Science for SML to Prediction or Regression
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;
1 6?.??107775 97.8021978 96.77419355 13.58024691 98.??10989 97.82608696
2 15.83710407 98.9010989 98.38709677 12.34567901 97.8021978 98.91304348
3 8.885232415 100 100 11.11111111 100 100
4 12.46400658 98.9010989 95.16129032 12.34567901 96.7032967 96.73913043
5 80.66639243 21.97802198 19.35483871 100 2.197802198 21.73913043
6 32.16783217 23.07692308 22.58064516 97.5308642 3.296703297 23.91304348
7 23.44714109 24.17582418 24.19354839 96.2962963 2.747252747 25
8 89.9629782 24.17582418 19.35483871 95.0617284 2.197802198 26.08695652
9 31.42739613 64.83516484 56.4516129 50.61728395 65.93406593 65.2173913
10 11.22994652 65.93406593 51.61290323 49.38271605 71.42857143 66.30434783
11 77.45783628 70.32967033 53.22580645 46.91358025 63.73626374 68.47826087
12 23.89962978 68.13186813 51.61290323 45.67901235 61.53846154 67.39130435
13 7.404360346 86.81318681 80.64516129 25.92592593 90.10989011 86.95652174
14 0.287947347 87.91208791 79.03225806 24.69135802 85.71428571 85.86956522
15 83.42245989 87.91208791 77.41935484 22.22222222 90.10989011 88.04347826
16 100 86.81318681 75.80645161 25.92592593 84.61538462 84.7826087
17 15.83710407 98.9010989 98.38709677 12.34567901 97.8021978 28.91304348
;
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;
Run;
Ate o final do mês de junho tiraremos dúvidas sobre exercícios práticos.
Exercícios Teóricos
Exercício Teórico 1 – Elabore 7 slides sobre tipos de Inteligencia Artificial (IA) e a influencia da IA em sua profissão.
Dead Line: 11/3/2024
Exercício Teórico 2 - Elaborar 5 slides sobre ML Não Supervisionado para Clasificação - Cluster Analysis
Dead Line: 18/3/2024
Exercício Teórico 3 - Gestão da Inovação, 10 slides. DL 22/04
Exercício Teórico 4 - Gestão 4.0 é 5.0, 5 slides. DL: 29/04
Exercício Teórico 5 - TQM Vs BSC, 10 Slides. DL: 6/05
Exercício Teórico 6 - Leanstartup (MVP) vs Leancanvas Vs. Lean 6 sigma, 10 Slides. DL: 13/05
Fechamos os teóricos cedo para poder dedicar mais tempo aos práticos.
