quarta-feira, 27 de maio de 2015

Aula XII (6/6/2015) - Seminários - Workshop Exercícios

Aula XII - Seminários - Workshop Exercícios

Apresentação de Seminários:


Agenda Seminários sobre Pesquisas


Nome
Data
Titulo
Ana Carolina
06/jun
Estímulos Sonoros na incubação de ovos fertilizados
Felipe
24/jun
???
Luciana
06/jun




Elisângela - Gráficos de Controle (Media ou Mediana), IC, Bootstrapping, Box Plots, Correlação, regressão, Outliers. 7 Ferramentas


segunda-feira, 25 de maio de 2015

Aula XI (27/5) - Seminários? Exercícios - Graficos de Controle de Processos

Aula XI 

1) Seminários? Alguém vai apresentar, quando?
Quanto antes entrarmos no planejamento da pesquisa melhor serão os resultados. A Estatística é uma ciência nova, assim rígida,  com técnicas limitadas, pelo próprio desenvolvimento cientifico na Estatística ou por falta de software para determinadas técnicas. Assim não deverá ser a Estatística que se adéqua a os trabalhos científicos e sim os trabalhos científicos à Estatística. Esse impasse se resolve planejando estatisticamente as pesquisas (experimentais ou observacionais).

2) Exercícios: podem apresentar hoje ou álula que vem?

3) Gráficos de Controle de Processos ou Gráficos de Shewhart.

Base conceitual para os Gráficos de Controle







Controle Estatístico de Processos (CEP) é uma ferramenta da qualidade utilizada nos processos produtivos (e de serviços) com objetivo de fornecer informações para um diagnóstico mais eficaz na prevenção e detecção de defeitos/problemas nos processos avaliados e, consequentemente, auxilia no aumento da produtividade/resultados da empresa, evitando desperdícios de matéria-prima, insumos, produtos, etc.
Posteriormente o CEP trará menos retrabalho aproveitando melhor os recursos disponíveis e o bem estar dos funcionários que passarão a trabalhar melhor e com metas específicas para cada área, podendo assim implantar outros programas como o plano de remuneração variável (PRV).
Estes recursos podem ser usados tanto numa grande empresa como na mais simples delas, tendo como característica comum o uso de uma ferramenta gráfica e pessoas capacitadas para analisar criticamente os resultados obtidos para implementarem as melhorias possíveis.
Fonte: http://pt.wikipedia.org/wiki/Controle_estat%C3%ADstico_de_processos


Gráfico de Controle
O Gráfico de Controle é a ferramenta da qualidade mais conhecida e difundida. Muitas empresas já a utilizam há muito tempo, pois ela é muito útil no controle de processos e produtos.

A ferramenta é baseada em dados estatísticos e tem por princípio que todo processo tem variações estatísticas. A partir da determinação desta variação, são calculados   parâmetros que nos informam se o processo está ocorrendo dentro dos limites esperados ou se existe algum fator que está fazendo com que o mesmo saia fora de controle.

Nós não explicaremos neste tutorial, todas as informações que podem ser decorrentes de um controle estatístico como este, mas daremos a seguir algumas informações básicas, que não demonstraremos.

O gráfico de controle é construído da seguinte maneira:

1 - Primeiramente, faz-se um experimento para determinação dos parâmetros de controle, medindo-se a propriedade que se quer controlar em uma amostra com pelo menos 6 pontos.
2 - Determina-se a partir de então os valores de Média e Desvio Padrão.
3 - A seguir, os limites de controle são calculados da seguinte forma:
  • Limite Inferior de Controle:  é o valor da média menos três vezes o desvio padrão.
  • Limite Superior de Controle: é o valor da média mais três vezes o desvio padrão.
4 - Em seguida, os valores são colocados em um gráfico e uma linha cheia, que representa a linha média é desenhada por toda a extensão do gráfico.
5 - Os limites inferior e superior de controle também são desenhados, como uma linha tracejada, por toda a extensão do gráfico. Uma vez que os valores de média e desvio padrão foram traçados com base no experimento, tais valores são utilizados posteriormente para controlar as medidas do processo.


De tempos em tempos, faz-se necessária uma revisão dos valores de controle, que podem ser calculados a partir dos valores medidos no dia-a-dia, desde que tais valores não tenham sofrido nenhuma influência ou desvio gerado por fator externo e que tenham sido obtidos dentro das condições normais do processo.

Fonte: http://www.cedet.com.br/index.php?/Tutoriais/Gestao-da-Qualidade/ferramentas-da-qualidade.html


Arquivo para Download:




Estude a estrutura da planilha, crie dados para aplicar a ferramenta e aplique a tecnologia aprendida.

Se tiver duvidas siga os passos abaixo:


Passos para Elaborar o Gráfico de Controle

Passo 1 - Fazer Download do arquivo de dados;

Passo 2 - Seguir a sequencia:




Passo 3 - Faça o mesmo procedimento para calcular desvio padrão, opção: DESVPADA

Passo 4 - Calcule o Coeficiente de Variação:
                 Desvio / Média * 100
                 
                 Veja a formula na planilha de dados

Passo 5 - Copie a Média na Coluna C e Ancore a Formula:
                 Tem que colocar sinal monetário antes da letra (E) e do                      numero (13), deve ficar assim:
                  =$B$13
                
                  Dessa forma quebramos a copia inteligente, com                                 mudança relativa da posição de                                                               linha. Também chamado: Processo de Ancoragem 
                  ou Copia Burra

Passo 6 - Copie a Média para baixo na Coluna C (veja que copia a                       formula exatamente igual à célula superior).

Passo 7 - Calcule o Limite Superior de Controle:
                  Formula Estatística: LSC = Média + 2 * Desvio Padrão
                  O gráfico pode ser elaborado com 2 ou 3 desvios padrão.

                  Tem que ser digitado: =C3+2*$B$14 (veja que                                     a célula do desvio padrão está também ancorada)

Passo 9 - Copie a formula para baixo


Passo 10 - Calcule  o Limite Inferior de Controle:
            Formula Estatística: LSC = Média - 2 * Desvio Padrão
                 Tem que ser digitado: =C3-2*$B$14 (veja que                                      a célula do desvio padrão está também ancorada)

Passo 11 - Copie a formula para baixo


OK Os cálculos estão feitos agora devemos fazer o gráfico:

Passo I - Marque os dados desta forma:




Passo II 
               a) Escolha a opção Inserir
               b) Escolha a opção Linhas
               c) Escolha o gráfico que se encontra                                                            na primeira posição à esquerda na segunda linha

                Veja a copia da Tela:




Fim - Agora é somente a perfumaria (trabalhar lay out).


Exercício 9 - Elaborar um exemplo para aplicar Gráfico de Controle de Processos. DL: 10/6.




Trabalhar:


Discutir Depois: Gravado em pen drive Capacidade Vs Uniformidade




Reproduzir exemplo Lucas:
Repeticoes = 6
2 situacoes
nao diferenca em teste T
6 para baixo e 6 para cima

Colar banco de dados em SAS novo do Excel

Trocar virgula por ponto




Aula X - Replay aula IX (muitos alunos faltaram)

Aula X - Replay aula IX (muitos alunos faltaram)

quarta-feira, 13 de maio de 2015

Duvidas dos Alunos

Duvidas dos Alunos:

1) Rejeição ou não de Hipóteses:
     Ho: IMC Atletas = IMC Semi-atletas = IMC                Sedentários = IMC Prof.
     H1: Existe alguma diferença

    Situação 1 - Margem de erro <= 0,05
                          (Teste F na ANOVA ou Chi                                     Quadrado no Kruskal Wallis                               ou Roy e Hotellin Laurei em                                   MANOVA)
                         Rejeita-se Ho em favor de H1                                com mias do que                                                      95% de confiança (p<0,03 por                              exemplo).
    Situação 2 - Margem de erro > 0,05
                          (Teste F na ANOVA ou Chi                                     Quadrado no Kruskal Wallis)
                         Não existem argumentos para se                          rejeitar Ho (p>0,12 por exemplo)
                 
2) Coorelacao perfeita - Exemplo tese Gabriel

3)
        
               

Analise de Dados dos Alunos

Analise de Dados:


Quarta 13/5/2015

- Poliana : Sexta 15/5 as 16 horas

- Cahue : Sábado 16/5 as 15 horas

- Lilian: 13/5 as 17:15h

- Guilherme semana que vem

terça-feira, 5 de maio de 2015

Aula IX (13/5) - ANOVA dados brutos - Kruskal-Wallis

Aula IX - ANOVA dados brutos - Kruskal-Wallis


Rodar MANOVA dos Dados do Exemplo Anterior (aula passada)

Programa para Rodar MANOVA:

SAS Students Remoto Servidor LCE:
143.107.212.50:10080



data imc_dat;
input cat $ imc corr kcal;
cards;
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
;
proc print;
run;
proc glm;
 class cat;
 model imc corr kcal  = cat;
 contrast " Atl e Semiat Vs Seden e Prof"  cat 1 1 -1 -1;
 manova h=_all_ / printe printh;
run;
/* Se tirar o comando manova faz os contrastes univariados 
contrast " Se Vs Prof " cat 0 0 1 -1;

*/

Resultado do Programa de MANOVA:
Arquivo para Download (mht abrir no Wodr)
Arquivo Word de Resultados






- Análise Multivariada Exemplos: 
















Comparar resultados ANOVA com Kruskal-Wallis.


Criar programa de KruskalWallis para os dados da Manova com base nos Slides a Seguir








data imc_dat;
input cat $ imc corr kcal;
cards;
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
;
proc print;
run;
proc npar1way data=imc_dat wilcoxon dscf;
 class cat;
 var imc corr kcal = cat;
run;
Tem um erro nesse programa, onde esta? Compare com os slides apresentados antes do programa SAS (Dois slides de Kruskal Wallis com trechos de programa SAS).


 var imc corr kcal = cat; ==> ANOVA, GLM, MANOVA
 var imc corr kcal;          ==> Kruskal Wallis







Resultados de Kruskal Wallis

Arquivo Word para Download:




Resultados ANOVA dados brutos, transformados e da Estat. Robusta. Tese doutorado do Gabriel.








Aula VIII (6/5/2015) - Seminários - ANOVA e MANOVA para Dados de Aula VII.

Aula VIII (6/5/2015) - Seminários - Outro Exemplo de Tabela Dinámica - ANOVA  e MANOVA para Dados de Aula VII.



Passo 0Elaborar um seminário de 15 minutos sobre seu trabalho de pesquisa, mais 10 minutos de perguntas. Quanto antes apresentar mais tempo para discutirmos e encaminharmos (Ex. Guilherme, primeiro Cristian e Eu, depois Sonia e Tadeu).

Passo 1 - Rever aula anterior (problemas de eletricidade na sala de aulas)

Passo 2 - Outro exemplo:


Outro Exemplo de Tabela Dinâmica: 
Gestão de Custos

Exemplo do Gabriel em Excel:
Banco de Dados de Custo - Pivot Table

Siga os mesmos passos da aula anterior, somente não calcule as medias aritméticas.

Tecnologia: Pivot Table, Filtros, Ordenação e Consistência de Bancos de Dados (Listas de Verificação)
Dead Line: 


Mostrar diferença de utilização em estatística e 
gestão de custos:

Estatística:

Ver exemplo da aula anterior (Categorias=Tratamentos, Var_1=IMC , etc.

Observ. Trat. Repet. Var_1 Var_2 .... Var_n
1
2
...

Trat. serão as linhas
Medias de cada variável de resposta as colunas
Objetivo: analise estatística: Cluster An. ou PCA, etc.


Gestão:

Registro Més Dia Item Custo
1
2
....

Estes Campos Entrarão na Tabela Dinâmica:
Como linas
Como colunas
Como corpo da tabela
Objetivo: Elaborar totais parciais por linha (Item) e coluna (mês);


Passo 3 - Rodar ANOVA dos Dados do Exemplo Anterior (aula passada). 


data imc_dat;
input cat $ imc corr kcal;
cards;
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
;
proc print;
run;
proc glm;
 class cat;
 model imc corr kcal = cat;
 means cat / tukey lines;
run;


Resultado de Rodar o Programa Acima:
Arquivo para Download (Tipo Word) Arquivo de Resultados para Download




Passo 4 - Rodar MANOVA dos Dados do Exemplo Anterior (aula passada)

Programa para Rodar MANOVA:
data imc_dat;
input cat $ imc corr kcal;
cards;
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
;
proc print;
run;
proc glm;
 class cat;
 model imc corr kcal  = cat;
 contrast " Atl e Semiat Vs Seden e Prof"  cat 1 1 -1 -1;
 manova h=_all_ / printe printh;
run;
/* Se tirar o comando manova faz os contrastes univariados 
contrast " Se Vs Prof " cat 0 0 1 -1;

*/

Resultado do Programa de MANOVA:
Arquivo para Download (mht abrir no Wodr)
Arquivo de Resultados - Abrir com Word






- Análise Multivariada Exemplos: 















data imc_dat;
input cat $ imc corr kcal;
cards;
AT 20.475 54.35 3100
PR 25.175 2.55 2662.5
SE  25.575 2.925 2700
SEM 23.05 16.6 2950
;
proc cluster data=imc_dat outtree=tree method=average;
var imc corr kcal;
id cat;
run;
PROC TREE DATA=TREE;
RUN;


Inicio de Programa SAS para MANOVA

data imc_dat;
input cat $ imc corr kcal;
cards;
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
;
proc print;
run;
proc glm;
 class cat;
 model imc corr kcal  = cat;
 contrast " Atl e Semiat Vs Seden e Prof"  cat 1 1 -1 -1;
 manova h=_all_ / printe printh;
run;
/* Se tirar o comando manova faz os contrastes univariados 
contrast " Se Vs Prof " cat 0 0 1 -1;

*/



Próxima aula:

  • Comparar resultados ANOVA com Kruskal-Wallis.
  • Resultados ANOVA dados brutos, transformados e da Estat. Robusta,