Giter Site home page Giter Site logo

aed_trabpratico1's Introduction

AED_TrabPratico1

Atividade de Aula – Primeiro Trabalho Prático Disciplina AED – Análise Estatística de Dados

Contexto Neste trabalho, teremos a oportunidade de interagir com software estatístico, exercitando práticas similares àquelas apresentadas no Capítulo 7 da disciplina. Inicialmente, iremos exercitar os conceitos de Regressão Linear. E, na sequência, os conceitos de Controle Estatístico de Processos. Para isso, os grupos buscarão uma base de dados própria sobre a qual serão aplicadas as técnicas.

Atividades

  1. Prática de Regressão Linear

Passo A) Selecionar uma base de dados – cada grupo deverá pesquisar uma base de dados com no mínimo 100 (cem) ocorrências e que contenha pelo menos duas variáveis linearmente correlacionadas entre si, ou seja, a variação de uma delas depende linearmente da variação da outra. Cada grupo deve organizar estes dados em uma planilha Excel, preferencialmente.

Passo B) Selecionar o software estatístico com o qual prefere desenvolver o trabalho (sugestão: R Studio).

Passo C) Seguir o seguinte roteiro de Regressão Linear: Inspeção visual nos dados. Carregar os dados na ferramenta estatística; Plotar o gráfico de dispersão entre as duas variáveis; Comandar a regressão linear; Avaliar o coeficiente de determinação r2; Plotar a reta de regressão, juntamente com os pontos originais; Fazer pelo menos 3 (três) predições e comentar.

Passo D) Documentar a atividade – documentação deve conter: Contexto dos dados – a que utilização prática se referem; Planilha de dados; Gráficos gerados, com comentários; Coeficiente de determinação r2; Comandos/código utilizado.

  1. Prática de Controle Estatístico de Processos

Passo A) Selecionar uma base de dados – cada grupo deverá pesquisar uma base de dados com no mínimo 100 (cem) ocorrências e que contenha pelo menos uma variável com comportamento gaussiano, ou seja, com variações aleatórias em torno de um valor alvo. Cada grupo deve organizar estes dados em uma planilha Excel, preferencialmente.

Passo B) Selecionar o software estatístico com o qual prefere desenvolver o trabalho (sugestão: Excel ou R Studio).

Passo C) Seguir o seguinte roteiro de Controle Estatístico de Processos: Inspeção visual nos dados; Carregar os dados na ferramenta estatística; Plotar o gráfico da variável versus tempo; Plotar o histograma da variável e comentar sobre o comportamento Normal (ou Gaussiano); Especificar o tamanho dos subgrupos e montar o vetor de médias (X_bar) e o vetor de ranges (R); Calcular os limites de controle LSC (limite superior de controle), LC (linha central) e LIC (limite inferior de controle); Montar a carta de controle plotando os limites e as amostras.

Passo D) Documentar a atividade – documentação deve conter: Contexto dos dados – a que utilização prática se referem; Planilha de dados; Vetores de média (X_bar) e range (R); Gráficos gerados, com comentários; Tamanho escolhido para os subgrupos; Fórmulas e valores dos limites de controle calculados; Comandos/códigos utilizados (quando aplicável).

aed_trabpratico1's People

Contributors

carloscariello avatar fsvxavier avatar

Watchers

James Cloos avatar  avatar

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.