quarta-feira, 22 de junho de 2016

Aula 15 - Semifinal - Cronograma e Regressão Multipla

Acerar Agendas - Cronograma (Diagrama de Gant)
- Disciplina Residencia em Analises Estatistificas: foco total nos projetos dos alunos. Tem, na sala de aulas 3 professores (Sonia, Tadeu e Gabriel) e alunos da PG de Estatistifica (mestrado, doutorado e pós-doutorado);
- Quem tem intenção de fazer a disciplina:
Foto e postar


Alunos Residencia Ano 2016:



Aluno
Etapa
D Lines
Trabalho
Carolina Bartol.
Defesa
16/jun
Verificar todas as analises
Carolina Bartol.
Defesa
24/jun
Banca
Nicolle Arruda
Planej.
15/jun
Elaborar cronograma detalhado, porque temos somente 30 dias
Nicolle Arruda
Análise
15/jun
Dados de análise em Google drive
Nicolle Arruda
Condu.
22/jun
Conseguir Aluno (MS, DR, PD)
Nicolle Arruda
Condu.
22/jun
Fechar Parceria até 22/06/16 (Conversar com a Nicollena aula - 22/06)
Andre Machi
Análise
19/ago
Verificação de todas as analises
Andre Machi
Qualif.
19/ago
Banca
Andre Machi
Paper
29/out
Verificar todas as analises do Paper
Mariano Bragion
Planej.
04/jul
Planejamento do projeto de pesquisa
Melina cruzado
Análise
30/jun
Verificar todas as analises do Paper
Melina cruzado
Análise
05/jul
Verificar todas as analises do Paper
Helen Krystine da Silva
Planej.
30/set
Planejamento do projeto de pesquisa
Erick Saldaña
Planej.
05/ago
Planejamento do projeto de pesquisa
Erick Saldaña
Análise
05/out
Análise de dados
Marcos Busanello
Análise
30/jul
Análise de dados
Marcos Busanello
Paper
30/set
Paper
Rafael Popin
Análise
01/nov
Verificar todas as analises do Paper
Rafael Popin
Paper
01/jan
Paper
Marcel Camargo
Planej.
30/jun
Planejamento do pré-projeto
Ivan Balcão
Planej.
01/jul
Plano de Dissertação





 Regressão Múltipla - Seminários


Seminários
            Os alunos que quiserem podem apresentar os seus trabalhos de pesquisa para começarmos a interagir.
            Já analisamos dados e publicamos com alunos desta turma (2016), estamos analisando dados de outros, não é indispensável apresentar os trabalhos de pesquisa nesta disciplina. 
           Se fizerem a próxima disciplina Residencia em Analises Estatistificas, no próximo semestre a apresentação será mandatória. 
           Essa disciplina é a unica de nossa pós-graduado que não tem programa definido, os assuntos abordados nessa disciplina são os problemas de pesquisa dos alunos, logicamente os aspectos estatísticos. 
           Essa disciplina é interessante por que tem três professores na sala de aulas: a Prof. Sonia especialista em Amostragem e Estatística Experimental, o Prof. Tadeu, especialista em Estatistifica Multivariada e Estatística Experimental e eu, Estatística Robusta para Pesquisa e Gestão.                 Alem dos professores participam alunos de mestrado, doutorado e pós-doutorado em estatistifica da ESALQ.



Regressão Múltipla

Exemplo em SAS (Todo o que está escrito em fonte azul é entrada os saída do SAS):


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 antidiarreico, as 3 variáveis anteriores as relacionaremos com a variável de resposta: Índice de Massa Corporal (IMC). 
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)


IMC = Bo + B1 * Kcal + B2 * Corr_s  +  B3 * Cha_Sol  +                        Erro do Modelo


IMC é a: 
 variável dependente (efeito)

Kcal_d Corr_s Cha_Sol:    
                          são as variáveis independentes (causa)


data multipl;
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 Read9
Number of Observations Used9




The SAS System


The GLM Procedure
Dependent Variable: IMC

SourceDFSum of SquaresMean SquareF ValuePr > F
Model3205.979516968.659839057.020.0003
Error56.02048311.2040966
Corrected Total8212.0000000


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-SquareCoeff VarRoot MSEIMC Mean
0.9720574.8485611.13335123.37500


SourceDFType I SSMean SquareF ValuePr > F
Kcal_d1169.2880791169.2880791131.790.0003
Corr_s18.47903478.47903476.600.0620
Cha_Sol10.96994620.96994620.760.4339


SourceDFType III SSMean SquareF ValuePr > F
Kcal_d143.6836446343.6836446334.010.0043
Corr_s18.653658428.653658426.740.0603
Cha_Sol10.969946180.969946180.760.4339

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.


ParameterEstimateStandard Errort ValuePr > |t|
Intercept0.11690925155.301741860.020.9835
Kcal_d0.01161837450.001992285.830.0043
Corr_s-.12291356000.04735485-2.600.0603
Cha_Sol-.10674221160.12283635-0.870.4339


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



Fotos do Calculo do Tamanho Ótimo de Amostra:










quarta-feira, 15 de junho de 2016

Aula 14 (15/6) - Gestão de Projetos dos Alunos

Projetos dos Alunos de Posgraduação



42536



Aluno
Etapa
D Lines
Trabalho
Carolina Bartol.
Defesa
16/jun
Verificar todas as analises
Carolina Bartol.
Defesa
24/jun
Banca
Nicolle Arruda
Planej.
15/jun
Elaborar cronograma detalhado, porque temos somente 30 dias
Nicolle Arruda
Análise
15/jun
Dados de análise em Google drive
Nicolle Arruda
Condu.
22/jun
Conseguir Aluno (MS, DR, PD)
Nicolle Arruda
Condu.
22/jun
Fechar Parceria até 22/06/16 (Conversar com a Nicollena aula - 22/06)
Andre Machi
Análise
19/ago
Verificação de todas as analises
Andre Machi
Qualif.
19/ago
Banca
Andre Machi
Paper
29/out
Verificar todas as analises do Paper
Mariano Bragion
Planej.
04/jul
Planejamento do projeto de pesquisa
Melina cruzado
Análise
30/jun
Verificar todas as analises do Paper
Melina cruzado
Análise
05/jul
Verificar todas as analises do Paper
Helen Krystine da Silva
Planej.
30/set
Planejamento do projeto de pesquisa
Erick Saldaña
Planej.
05/ago
Planejamento do projeto de pesquisa
Erick Saldaña
Análise
05/out
Análise de dados
Marcos Busanello
Análise
30/jul
Análise de dados
Marcos Busanello
Paper
30/set
Paper
Rafael Popin
Análise
01/nov
Verificar todas as analises do Paper
Rafael Popin
Paper
01/jan
Paper
Marcel Camargo
Planej.
05/jul
Planejamento do pré-projeto
Ivan Balcão
Planej.
01/jul
Plano de Dissertação
Ivan Balcão
Planej.
01/ago
Proposta de parcerias e planejamento das primeiras reuniões

quarta-feira, 8 de junho de 2016

Possíveis Parcerias Futuras - Watsapp

Possíveis Parcerias Futuras

-- Watsapp do Gabriel 019 - 988-627-438

-- Secretaria Estatistifica: 3429-4144
   - Luciane: R. 220
   - Rosni: 200
   - Mayara: 227
-- Outro EMail: gasarrie2@gmail.com
-- Skype: hc_gabriel







 Projeto GeSi - TI , Laboratório GIMMI e ERPG/LAE/USP


GeSi - TI: Gestão Sistêmica (Gestão pela Qualidade Total e Certificação Internacional da Qualidade) e Tecnologia da Informação.

GIMMI: Gestão, Inteligência de Negócios (BI e Intel. Antesipativa, Competitiva), Marketing (Analise), Metrologia (Medição, Quantificação, Big Data, Data Mining, etc.) e Inovação (Gestão da Inovação, Statups, empreendedorismo associativo, etc.)


ERPG/LAE/USP - Estatística Robusta para Gestão pela Qualidade Total (GQT), Inteligencia (BI), Cetificação Internacional da Qualidade (CIQ), Marketing e Pesquisa. Coautorias e parcerias em consultoria empresarial.


Oportunidade de:
- TCC ou Estagio para Todos os Cursos da ESALQ/USP: em GQT, CIQ e BI.

- PG
    • Desenvolver Ferramentas - Inteligencia Coletiva/Colaborativa com finalidade competitiva.

- Masa critica para discutir as mais de 100 ferramentas e sistemas, nas áreas de GQT, CIQ e BI.

- NIT/CNPq - Qualidade e Metrologia na Agropecuária: Arroz, feijão, soja, tomate, mel, leite, carne, rim, figado, cérebro, etc. Material de Referencia Laboratorial Certificado;



- Centro Colaborativo em Defessa Agropecuária - MAPA - Testes de Proficiência Laboratoriais;

- Centro Satélite da UNESCO (Segurança alimentar e do alimento)

- Remediação Ambiental junto ao BRICS

- Rastreabilidade: TI e Química.




Possíveis Assuntos para Desenvolver:


1.     5W-2H (What, Who, Where, When, Why and How, How Much it Costs).
2.     7 Ferramentas do Controle da Qualidade – Kaoru Ishikawa (7 FPQ)  (ISHIKAWA, 1982; SAS INSTITUTE INC, 1990)
3.     7 Ferramentas do Planejamento da Qualidade (7 FCQ)  ou Sete novas ferramentas da gestão..
4.     Administração Visível ou Gestão por Perambulação.
5.     Amostragem.
6.     Análise Crítica.
7.     Auditoria.
8.     Avaliação Invertida.
9.     Benchmarking (SARRIÉS, 2015).
10. Brainstorming – Brainwriting.
11. Célula Autogerencial ou Célula de Trabalho ou Unidade Gerencial Básica.
12. Círculo de Controle da Qualidade (CCQ).
13. Controle Estatístico de Processos (CEP).
14. Data Mining – Data Crunching.
15. Define, Measure, Analyze, Improve and Control (DMAIC).
16. Delineamento Ótimo de Experimentos - DOE (MONTGOMERY, 1991).
17. Diagnóstico de Clima Organizacional.
18. Endo marketing.
19. Failure mode and effects analysis / Failure Tri Analysis (FMEA/FTA).
20. Fluxograma.
21. Gravidade, Urgência, Tendência (GUT).
22. Grupo de Kaizen.
23. Hoshin Kanri - Sistema de Gerenciamento pelas Diretrizes – GPD.
24. Key Performance Indicators.
25. Lean Production (Just in Time).
26. Mapas de Processos.
27. Mapas Estratégicos.
28. Mapas Mentais.
29. Mapas Táticos.
30. Metrologia (CONGRESSO SUL-AMERICANO DE METROLOGIA, 1999).
31. Multivotação.
32. PDCA (Plan Do Check Act).
33. PERT/CPM (Program evaluation and review technique), (Critical Path Method).
34. Pesquisa de Mercado.
35. Pirâmide Maslow.
36. Plano de negócios.
37. Poka Yoke – Procedimentos Robustos ou à Prova de Erros.
38. Política Básica (missão, visão e valores).
39. Postura de Atendimento.
40. Procedimentos Operacionais e Instruções de Trabalho (PO – IT).
41. Programa de Educação para a Qualidade.
42. Qualidade de Vida dos Colaboradores da Organização Mundial de Saúde (OMS).
43. Quality function deployment (QFD).
44. Relatório de Não Conformidade (RNC).
45. Reunião Relâmpago.
46. Root Cause Analysis (RCA).
47. Simulação – Otimização Computacional.
48. Sistema Ringi de Negociação (Meta e -Método).
49. Sistemas de Informação (TURBAN, RAINER, POTTER, 2007)
50. Sistemas de Liderança XY de Douglas McGregor.
51. Standardized Do Check Act (SDCA).
52. SWOT (Strenght Weakness Opportunities Threats). SWOT_N (Neutral)
53. Testes de Hipótese (Inferência Estatística Indutiva).
54. Total Preventive Maintenance (TPM).
55. Workshop, Prestação de Contas de Planejamento (Reforço Positivo/Negativo, Ruptura e Punição).
56. Workplace Organization Method (5S – 10) (VICINO et al. 1999).
57.  OBEAS
58. ISO 22.000
59. Global-GAP
60. FSSC 22.000
61. DSS
62. ERP
63. MEP
64. CRM
65. Rastreabidade
66. Sistemas de Informações Estratégicos
67. Sistemas de Informações Táticos
68. Sistemas de Informações Operacionais
69. Inteligência Organizacional - Antecipativa - Competitiva
70. BPM - Business process management




71. Gestão Networking
72. Estrategia - Posicionamento de Mercado "Oceano Azul"
73. Tipologia de Myers–Briggs
74. Business process management (BPM) 
75. Business Model Canvas (Síntese do Plano de Negocio):

76. Intraempreendedorismo
77. Gestão do Conhecimento
78. Gestão de Projetos (PMBOK)








Slides que Permitem Observar Relacionamento (sinergia) Entre os Assuntos