quarta-feira, 15 de março de 2017

Aula 3 - (22/3) ANOVA em SAS



- ANOVA em SAS - Exemplo e Ex. 3.




Quando temos mais de duas categorias para comparar (No Teste T tínhamos somente 2 categorias)



- Tarefa montar um banco de dados para rodar ANOVA – Rodar e elaborar um relatório.
Anexos do Teste ANOVA na Linguagem SAS:


Programa SAS :

data SUCOS;
input suco $ NaOH;
cards;
Maca    8
Maca    11
Maca    10
Maca    8
Maca    9
Uva 8
Uva 6
Uva 7
Uva 9
Laranja 5
Laranja 4
Laranja 5
Manga   2
Manga   1
Manga   1
;
proc ANOVA;
class suco;
model NaOH=suco;
means suco/ tukey lines;
run;







Resultado da Análise:






Dependent Variable: NaOH
Source
DF
Sum of Squares
Mean Square
F Value
Pr > F
Model
3
129.8000000
43.2666667
36.24
<.0001
Error
11
13.1333333
1.1939394


Corrected Total
14
142.9333333





O número em vermelho é a margem de erro da ANOVA, em termos proporcionais, chamado nas publicações de p valor (p value).
No âmbito corporativo se utiliza (1- p valor) * 100 = Margem de confiança para se rejeitar a hipótese Ho: Hipótese nula (ou Hipotese de Nulidade) ou Hipótese de Igualdade, ou seja que todos os sucos contem igual quantidade (concentração) de OHNa. Se tivermos p valor < 0,05 ou margem de confiança > 95%, então rejeita-se Ho, em favor de H1: Hipótese Alternativa, assim existe alguma diferença de concentração de OHNa entre os sucos.
Assim os sucos tem diferenças na quantidade de NaOH.
Mas onde estão as diferenças?
Temos que ver os Box Plot de cada suco e a comparação de medias efetuada neste casso pelo Teste de Comparações Múltiplas de Tukey.




Box and wisker plot - Wikipedia











Relatório de ANOVA (SAS):

Resultados e Discussão
O quadro de análise da variância mostra que existem diferenças entre o teor de Na OH dos sucos analisados (p<0,0001), com mais do que 99,99% de confiança (ou menos de 0,01% de erro). Assim o experimento mostra diferenças altamente significativas (quando o p valor e < 0,01) (se estive-se o p valor entre 0,01 e 0,05, as diferenças seriam simplesmente significativas) e por ultimo se o p valor for > do que 0,05 então não se rejeita a hipótese de igualdade.
O suco que apresentou maior teor de Na OH foi o de maça (9,2 mg/kg) que não diferiu significativamente (pelo Teste de Comparações Múltiplas de Tukey ao nível de 95% de confiança) do suco de uva (7,5 mg/kg), por que as medias dos 2 sucos são precedidas pela letra "A". Esses dois sucos diferiram estatisticamente dos sucos de laranja (letra "B") e manga que apresentaram as menores medias aritméticas de Na OH (letra "C").
Por sua vez os suco de laranja apresentou uma média aritmética superior estatisticamente (4,7mg/kg) em relação ao suco de manga (1,3 mg/kg).
O texto em verde é somente para esclarecimentos, na o deve ser colocado na tese.









 Estrutura Programa SAS






Diferentes Cores de Letras Atribuídas pelo SAS




Veja que você poderá mudar o que esta em fonte cor preta, as palavras em azul, são palavras reservadas do SAS, isso não poderá ser mudado. Tambem veja que o banco de dados, que seguramente você digitou no Excel esta com uma sobra cor amarelo-marrão.





 Fim Estrutura Programa SAS


Como Gravar os 2 Arquivos Gerados pelo SAS
1) O arquivo de programa SAS e dados tem exetencao ".sas"
2) O arquivo de resultados tem extencao " .mht".
Esse dois arquivos podem ser lidos pelo Word, clicando no nome do arquivo com o botão direito do mouse e escolhendo a opção "Abrir com" do Microsoft Explorer.


Exercício na Aula

  • Digitar no SAS  para refletir em cada linha digitada. 
  • Perguntar qualquer duvida, todo deve fazer sentido, pode não ser fácil por que estamos trabalhando numa linguagem de computação (de alto nível, quarta geração) e na língua inglesa.
  • Discutir os resultados com base em postagem da aula anterior. Reescreva ou copie interpretando cada paragrafo.
Programa SAS com Problemas de Prerrequisitos de ANOVA:
data SUCOS_B;
/* Outlier e Escala (homocedasticidade) */
input suco $ NaOH;
cards;
Maca    8
Maca    50
Maca    7
Maca    60
Maca    7
Uva 2
Uva 4
Uva 12
Uva 13
Laranja 14
Laranja 2
Laranja 3
Manga   2
Manga   3
Manga   89
;
proc ANOVA;
class suco;
model NaOH=suco;
means suco/ tukey lines;
run;

Arquivo de Telas SAS para Diagnostico ANOVA:

Telas_Dianostico



SAS Students Remoto Servidor LCE:
143.107.212.50:10080



terça-feira, 14 de março de 2017

Aula 2 de 2017 (15/2/2017)



Regressão com Curvatura: Peso do Gabriel

Arquivo para Download:


- Exercício 2 - Crie um exemplo para aplicar regressão curva. Individual. DL: 29/3.


Exemplo Criado em Sala de Aulas


% Prot
Aumento de Peso
20
1
30
1,5
40
1,2
50
0,8

quarta-feira, 8 de março de 2017

Exercícios 2017 ate 15/3/2017

Exercícios 2017


Por favor manda os exercícios para o e-mail da disciplina no prazo estipulado no Dead Line (DL), podemos renegociar esses DL, porem tem que ser antes do vencimento:



informa.c.alim.esalq@gmail.com




Colocar no assunto do email:
- Seu nome completo e o numero do exercício que está sendo enviado



Exercício 1

Criar um exemplo para medir relação causa – efeito, análogo ao apresentado em sala de aulas, utilizando Excel. Tem que ser elaborado um exemplo para cada aluno.
Dead Line: 22/3/2017.


Exercício 2

Crie um exemplo para aplicar regressão com curvatura. Individual. DL: 29/3/2017.

domingo, 5 de março de 2017

Aula 1de 2017 - Apresentação da Disciplina e Professor

Oi Gente, muito bem vindos!!!

 Disciplina LCE 134:


Sistemas de Informação, Banco de Dados e Inteligência para Ciências dos Alimentos


Sequência da Primeira Aula:

    - A - Eu sou o Gabriel, responsável pela disciplina. O blog da disciplina é:

http://inteligencia-alim-esalq.blogspot.com.br

    email Gabriel: gasarrie@usp.br
    Whatsapp: 988-627-438
    e-mail Danilo: danilo.estat@gmail.com
    Assunto colocar a palavra "monitoria"

Pesquisador de Aprendizagem: Pierluiggi Piazzi


    - B – Tem alguma pessoa de algum outro curso da ESALQ?

    - C – Quem conhece programação de computadores ou bancos de dados


[ As 20:20 iniciamos uma dinâmica pratica, seguimos conversando um pouco em cada aula ] 

    
Análise de Regressão


Vamos analisar conjuntos de dados para exemplificar como fazer e interpretar uma analise de regressão.
A analise de regressão é utilizada para estimar a relação estatística entre duas variáveis, a variável no Eixo X é denominada variável independente, considerada “a causa”, a variável do Eixo Y é denominada variável dependente ou variável “resposta”.



Exemplo 1
Trata-se de um conjunto de dados que contem, para a Variável X: Investimento em Propaganda de Uma Rede de Supermercados. A variável Y: Vendas Após Veiculação da Propaganda.
Conjunto de Dados a Ser Analisado (digitar esses dados em Excel):

X : Investimento em Propaganda
Y:  Resultado em Vendas
  
X
Y
30
430
21
335
35
520
42
490
37
470
2
210
8
195
17
270
35
400
25
480

Veja o vídeo, anexado em seguida, explicando como realizar a analise no Excel.

Vídeo que explica como fazer analise de regressão. Fazer download do  arquivo padrao FLV:







Análise de Resultados:








O resultado gráfico mostra uma tendência crescente da reta de regressão, indicando que quando aumenta o investimento em propaganda também aumenta o resultado em vendas.
Analiticamente podemos observar que a qualidade de ajuste da reta foi muito boa R² = 0,8251, Coeficiente de Determinação (0-0,2 Muito Ruim; 0,2 – 0,4 Ruim; 0,4 – 0,6 Regular; 0,6-0,8 Boa; 0,8-1 Muito boa, critério montado utilizando Escala de Likert).
A equação da reta de regressão estimada foi:
y = 8,3023x + 170,78
assim vemos que o Coeficiente Linear foi 170,78; como a s unidades do gráfico são Reais * 1000, podemos concluir que o que seria vendido com X=0, ou seja sem propaganda seria Y=170.780 R$.

O coeficiente de regressão foi 8,30, o que indica que para cada unidade de aumento na propaganda temos um aumento de 8,3 R$ em vendas, ou que para cada 1000 R$ investidos em propaganda temos 8.300 R$ a mais em vendas.


Exercício 1

Criar um exemplo para medir relação causa – efeito, análogo ao apresentado em sala de aulas, utilizando Excel. Tem que ser elaborado um exemplo para cada aluno.
Dead Line: 22/3/2017..
Mandar para o e-mail da disciplina:

informa.c.alim.esalq@gmail.com










 - D - Apresentação mais ampla do Gabriel:

         
- D1 - Trabalhos 3 slides ( trabalhos na área da disciplina)
         - D2 - Foco próximos ano em  produção, industrialização, inteligência, GQT, CIQ, exportação e qualidade de alimentos. Um pouco de mineração e ambiência.
         - D3 - Prof. LCE 25 anos ( Gestão, Certificação, Inteligência (BI, antesipativa, competitiva, colaborativa, coletiva, etc.), Computação, Estatística para Gestão e Pesquisa - mais Estatística Robusta (Responsável no LAE/ESALQ), pesquisa na área de produção, análise e industrialização de alimentos, elaborando Material de Referencia Certificado, área de Metrologia, para vários alimentos: arroz,  feijão, carne , tomate, soja, etc. Foram investidos aproximadamente 2,5 *10^6 de reais provenientes do: MAPA, CNPq, AIEA, FAPESP, NIST e iniciativa privada ).Testes de Proficiência (NIT Qualidade e Metrologia na Agropecuária (CNPq e iniciativa privada), Rastreabilidade Química de Carne no BR, Segurança Alimentar e do Alimento, Resgate de PANCs (UNASUL, CNPq e iniciativa privada, Conservação de Alimentos (química e com radiação,  mineração (minerais portadores de futuro, para alta tecnologia, ambiente BRICS -CNPq, Mariana,
            Orientando com muito sucesso Pratica Profissionalizante (2 concluídas e  4 em andamento), que melhoram sensivelmente a  empregabilidade, competitividade (pensando em não contratação prestação de serviço para realizar PG, sponsor) também aumentando networking e habilidades de mercado). Infalível não mas aumenta chances especialmente na crise, sofisticar a sofisticação, Hermann Hesse (Premio Nobel de Literatura). Dos 6, 4 conseguiram emprego em função da PG e 2 já estavam empregados antes de começar.
        - D4 - Analista de sistemas sênior CIAGRI, chefe do Setor de Apoio à Pesquisa, analisando dados, USP, UNICAMP, Shell, INB, Nestlé, Cargill, etc. Também produzindo software estatístico. Durante 6 anos.
         - D5 - Prof. Universidad Federal de Buenos Aires 5 anos, na capital federal, área de estatística e zootecnia.
         - D6 - Especialização MBA Gestão da Qualidade.
         - D7 - Doutorado no CENA em Estatística para Gestão.
         - D8 - Mestrado em Estatística Aplicada na ESALQ
         - D9 - Graduação em Medicina  Veterinária com  orientação em Estatística e  Zootecnia.
         - D10 – Trabalhou dos 9 a 17 anos com galinhas de postura, frangos de corte e ovelhas, negócios familiares. Na Patagônia Argentina.




Exercício 1

Criar um exemplo para medir relação causa – efeito, análogo ao apresentado em sala de aulas, utilizando Excel. Tem que ser elaborado um exemplo para cada aluno.
Dead Line: 22/3/2017.




Colocar no assunto do email:
- Seu nome completo e o numero do exercicio que está sendo enviado







Anexo para Próxima Aula (Aula II)

- E - Estamos realizando pesquisas amostrais por internet, muito utilizadas em TCCs do Curso de Ciência dos Alimentos 
  - E1 - Criando sites no domínio USP
  - E2 - Utilizando programas prontos como Google e outros.


- F - Objetivos da Disciplina

Fornecer subsídios para os alunos acompanharem disciplinas de graduação que demandam conhecimento em sistemas de informação e para colaborar significativamente na empregabilidade e competitividade dos egressos.

- G - Método de Trabalho da Disciplina

- G1 - Apresentação básica de cada assunto

- G2 - Pesquisa em Internet, toda aula terá um exercício, técnica da Finlândia, Japão e Coréia do Sul (aprendizagem Pierluigi Piazzi)

- G3 - Apresentação de Exercícios solicitados em aulas anteriores (Apresentação e alguns relatórios: projeto, sumario executivo, memorando, etc.)

- G4 -Solicitaremos a elaboração e apresenta. de um seminário em equipes de 2 a 5 pessoas, vou colocar uma lista de assuntos (mais de 100), vocês podem escolher outros relacionados com o objetivo da disciplina

- G5 - Nota: Para quem entregar os exercícios no prazo, apresenta seminário e tem freqüência >= 70% nota entre 7 e 10
Composição da Nota:
Podemos abolir a prova se vocês toparem.
Nota = ( 4*Exercícios + 2,5 * Seminário + 3,5 * Participação na Aula ) / 10
ou se não tiver participação na aula
Nota = ( 7 * Exercícios + 3 * Seminário ) / 10
Se não gostarem da nota podem fazer uma prova optativa encima dos exercícios, apos saberem a nota final (presencial por videoconferência, o pior é perder um ponto encima da nota final, o mais provável é que subam ou fiquem com a mesma nota.

- H - Resultados Esperados (Minimo)

- H1 – Conhecimento básico de Planilha Eletrônica (Excel).
- H2 – Conhecimento de Bancos de Dados e Funções Lógicas.
- H3 – Elaboração de Gráficos.
- H4 – Conhecimento de Data Crunching (Pivot tables, filtros, gráficos dinâmicos, etc. ) e Mining (utilização de técnicas da inteligência de negócios, utilizando margem de erro e margem de confiança).
- H5 – Relação Sistemas de Informação e Sist. De Gestão.
- H6 – Estrutura de Informação e Sist. De Gestão.
- H7 – Elaboração de Blogs.
- H8 – Elaboração de Mapas Mentais.
- H9 – Técnicas de pesquisa em Internet, elaboração de slides, relatórios, sumários executivos.
- H10 – Técnicas de oratória, didática, apresentações multimidia e marketing pessoal.

- I - Programa da Disciplina
1) Uso avançado de planilhas eletrônicas; 2) Elaboração de palestras, seminários e videoconferências utilizando hipermídias; 3) Noções de redes locais e remotas de computadores; 4) Internet, pesquisa avançada, downloads, web spaces e computação ubíqua ; 5) Acesso a informações e serviços on line bancos de dados, planilhas e documentos elaborados/consultados simultaneamente desde vários pontos de acesso livre; 6) Conceitos básicos, ferramentas de apoio e gerenciamento de banco de dados (SIG, GPS, etc); 7) Sistemas informatizados de inteligência empresarial e rastreabilidade (DSS, ERP, MRP, CRM, Benchmarking, QFD, etc.); 8) Sistemas de Informação para certificação internacional da qualidade 9) Programas que rodam gratuitamente na “nuvem” de processamento. 10) Ferramentas para elaborar mapas de processos, para posterior informatização. Ferramentas para análise e projeto de sistema. 11) Aprendizado eletrônico (E-Learning). 12) Sistema operacional Android, desenvolvimento de aplicativos para controle de produção. 13) Elaboração de sites e blogs.

segunda-feira, 11 de julho de 2016

Possíveis Parcerias Futuras e Whatsapp do Gabriel

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