Aula 13 - 31/5/2016 - Seminários e Exercicios

Número dos Assuntos para Seminário	Nome das Pessoas do Grupo	Data
34,38,39	Alice, Juliana e Luiza	10/mai
9;10;18;36	Luis, Isabela, Nícolas e Viviane	24/mai
27,71,45	Ana Julia, Flávia, Ana Carolina	03/mai
35, 28, 26,29, 1	Natália Aguiar, Ana Caroline, Caroline,Ferdynanda, Fernanda	31/mai
58, 59, 60	Igor, Andreia, Laura, Vinicius	17/mai
50, 37,21	jose edaurdo, joão victor ana luiza	31/mai
32,72,66,31	Amanda,Bruna,Lenise,Layfa	24/mai
20, 25	Tayane Gobbi, Natalia Freitas	10/mai

Técnicas de Elaboração de Slides, Didática, Oratória e MKT Pessoal.

Dicas Elaboração de Slides

Eu mostro mínimo de técnicas:

• Apresentar Técnicas de Elaboração de Slides, Didática, Oratória e MKT Pessoal.
  
  Arquivo para Download:
  
  Elaboração de Slides
  
  
  
  
        Numero de slides por pessoa e por grupo

        Referencia da USP - Prof. Cintra
        http://www.ted.com/speakers/jill_bolte_taylor : Dois cérebros, quando e como usalos.
• Deliberamos fazer:
• Número de slides por pessoa 5
• Tempo de 5 minutos por pessoa

Aula 11 - (17/5/2016) ISO 22.000 (Nome da colega que montou o pdf?)

Apostila em Quadrinhos da ISO 22.000

Sistema de Gestão da Segurança de Alimentos

Arquivo para Download:

Arquivo ISO 22.000

Nome da Colega que montou o pdf: Ana

       Nosso Muito Obrigado! 
                Palmas!!!







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 "AT e SEM Vs. PR e SE "  cat 1 -1 -1 1;
contrast " PR Vs. SE "  cat 0 1 -1 0;

 manova h=_all_ / printe printh;

run;

/* Se tirar o comando manova faz os contrastes univariados 

contrast " Se Vs Prof " cat 0 0 1 -1;

A ordem das categorias é a albafética, ver relatorio de proc glm

*/

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;

Próxima aula:

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

Aula 10 - (10/5/2016) - Lista de Exercícios e Seminários e ANOVA

Aula 10 (10/5/2016) -  Lista de Exercícios e Seminários.
Pegar do Tablet participação da semana passada.

 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

Modificação do Problema Colocando um Outlier no Banco de Dados:
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
SEM   24    70    3420
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;

Fotos da Louça Sobre Outliers e RANOVA

• 
  

Aula 9 (26/4/2016) - Cursos Inglés - Cluster An. - Workshop de ANOVA - Exemplos dos Alunos

Apresentação do Teste de Tukey da ANOVA

Cursos de Inglês Online Grátis (textos em inglês)

01 – English Online – é um curso bem estruturado. Traz conteúdo amplo para estudantes de nível básico, intermediário e avançado. Apresenta vídeos.

02 – Learn English Online – Este site apresenta um amplo conteúdo focado exclusivamente para estudantes de nível básico. É bem organizado.

03 – Learn American English Online – o foco do site é inglês americano. Há vídeos. Na seção de “reading”, você pode gravar sua voz para comparar sua leitura com a de um nativo.

04 – 1-Language – Curso de inglês com 70 lições para atender estudantes de nível básico e intermediário.

05 – BBC – Curso de inglês bem estruturado, com material de texto e vídeo excelentes.

06 – USA Learns – Curso de inglês americano voltado para o público adulto. Ele melhora sua habilidade de escrever, ler e falar em inglês.

Cursos de Inglês Online Grátis (textos em português)

07 – Curso de Inglês Grátis – esse site apresenta gramática inglesa para estudantes de nível básico e intermediário. Também há textos exclusivos para “phrasal verbs”, compreensão oral e expressões idiomáticas.

08 – Zap English – como os demais, esse site dá um foco em gramática. Como diferencial, ele dedica um espaço para traduzir músicas inglesas e ensina expressões idiomáticas. Há também uma seção exclusiva para pronúncia de palavras.

09 - livemocha

10 - Duolingo

11 - Busuu

Aula 9 - Pivot Tables (Tabela Dinâmica) e Analise Multivariada (Cluster Analysis)

Tabela Dinâmica e Cluster Analysis

Estatística Multivariada – Cluster Analysis

Vamos começar a “olhar” com a Estatística (algoritmos matemáticos), de forma multivariada.

Isso é muito familiar para a gente por que nosso cérebro (muito mais poderoso que qualquer computador) enxerga de forma multivariada.

Como reconhecemos os objetos ou as pessoas, por somente um item? Por exemplo, como reconhecemos uma pessoa: sexo, altura, cor do cabelo, formato do rosto, timbre da voz, sotaque, perfume que utiliza (ou que não utiliza), etc.

Na verdade utilizamos todos esses dados e muitos mais simultaneamente, ou seja, nosso sistema de reconhecimento natural é multivariado (como a Estatística Multivariada).

Como nosso cérebro processa toda essa informação em frações de segundo não sabemos. A neurociência está quebrando cabeça com isso. Podemos perguntar para Nicolelis (o neurocientista que dizem ter a maior chance de conseguir um Premio Nobel para o Brasil).

O que podemos fazer com a matemática, estatística e computação é simular de alguma forma primitiva o funcionamento do cérebro.

Esse tipo de abordagem é utilizado nas áreas de Inteligencia de Negócios (BI), Sistemas de Informação ( Data Mining, Data Crunching, Decision Support Systems-DSS e Big Data) e Pesquisa Cientifica.

No exemplo a ser apresentado (arquivo de Excel para download), temos 4 categorias de pessoas: Atletas, Semi-atletas, Sedentários e Professores da ESALQ. Nessas pessoas foram medidas 3 variáveis, Índice de Massa Corporal, Quantos quilômetros corre ou anda por semana e Quilocalorias que Ingere por Dia (modelo trivariado, se tem mais do que uma já é multivariado).

Exemplo para Download:

Exemplo Excel Download

Aqui apresentamos o nosso objetivo, elaborarmos um dendrograma, que é a representação gráfica da saída do procedimento Cluster Analysis do Programa SAS:

                      Tabela Dinâmica em Excel

Podemos ver nesse exemplo que temos vários representantes de cada categoria, são exatamente 4 (ou quatro repetições de cada categoria)

Para aplicarmos Cluster Analysis devemos calcular previamente as medias aritméticas de cada categoria, para cada uma das 3 variáveis de resposta.

Vamos colocar a sequencia de passos para obtermos essas medias utilizando um recurso muito poderoso de bancos de dados do Excel (tal vez o mais poderoso):

 Tabela Dinâmica ou Pivot Table ou Pivot.

Passo 1 – Marcar o banco de dados original

Passo 2 – Entrar em Inserir e Depois em Tabela Dinâmica.

Passo 3 – Dar OK. Entraremos no Ambiente de Trabalho da Tabela Dinâmica:

Passo 4 – Clicar em Categorias “Cat.”(sem soltar o mouse, operação “Drag”) e arrastar as categorias para o local Rótulos de Linha.

Passo 5 – Arrastar as 3 variáveis observadas: IMC, Corr e Kcal para o local Somatória de Valores (Σ valores). Veja que o protótipo da Tabela Dinâmica, já está pronto, no canto superior esquerdo.

Passo 6 – O problema é que temos somatória dos valores e precisamos de medias aritméticas para entrar no Programa de 

Cluster Analysis do SAS. Como fazer para trocar 

somatória para medias?:


Veja que os dados são de soma, um IMC de 100, praticamente não existe ( 81,9 ; 100,7 ...)

·       Colocar o cursor na célula “soma de IMC”

    ·   Pressionar o botão direito do mouse

·       Escolher a opção: “Configurações do Campo de Valor”

·       Veja que está em “Soma”, clicar em “Média”. 

Veja que agora temos Média de ICM para cada categoria.

·       Fazer mesma operação para Corr e Kcal.

Fim do calculo das medias de cada categoria.

Agora é somente copiar e colar no SAS.

Programa SAS para Cluster Analysis dos Dados Calculados no Excel:

data  pessoas;

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=pessoas outtree = arvore method = average;

var imc corr kcal;

id cat;

run;

PROC TREE DATA = arvore;

RUN;

Exemplo do Julio Natalino

data  alface;
input cat $ diam peso fibras;
cards;
crespa     30 210 2.5
lisa     27 160 1.7
americana 25 175 1.65
mimosa    28 180 2.0

;
proc cluster data=alface outtree = arvore method = average;
var diam peso fibras;
id cat;
run;
PROC TREE DATA = arvore;
RUN;

Exemplo do Helio Prado
data iusp; 
input Unidade $ FutCampo  Handebol Basquete Xadrez Natacao;
cards;
ESALQ 4 6 5 2 3
FARMA 3 2 3 4 4
ODONTO 3 3 4 6 5
FEA 5 4 5 3 4
POLI 5 5 3 5 4
;

proc cluster data=iusp outtree = arvore method = average;
var FutCampo  Handebol Basquete Xadrez Natacao;
id Unidade;
run;
PROC TREE DATA = arvore;

RUN;

Exemplo da Bia

data  alunos;
input alun $ hum exa bio;
cards;
BEATR    5 5 5
CARLOS 2 1 5
GABABR    2 1 3
ERIC 4 5 2
;
proc cluster data=alunos outtree = arvore method = average;
var hum exa bio;
id alun;
run;
PROC TREE DATA = arvore;
RUN;


Exemplo do Nícolas e da Viviane

data  feijoes;

input cat $ mdb lag ft;

cards;

PRETO   60  60  420

MANTEIGA  57  120 360

CARIOCA    49  45  450

ROXO   55   90  400

;

proc cluster data=feijoes outtree = arvore method = average;

var mdb lag ft;

id cat;

Exemplo para SAS- Natália e Tayane

data  Suco;

input cat $ Preco_I Preco_s Preco_FR;

cards;

norte  4.4          4.89 2

Sul  3.95         4.5 2.5

Sudeste 3.99         4.35     2.25

Centro 4.5          4.95 1.95

Nordest 3.7          4.05 2.45

;

proc cluster data=Suco outtree = arvore method = average;

var Preco_I Preco_s Preco_FR;  ;

id cat;

run;

PROC TREE DATA = arvore;

RUN;

run;

PROC TREE DATA = arvore;

RUN;

Exemplo da Juliana

data  bebidas;

input NUM cat $ cafeina gordura kcal;

cards;

1 EXPRESSO 33.541 10.21 450

2 CAPUCCIN 28.245 11.69 524

3 MOCHA     26.877 11.99 503

4 CAFÉ_LEI 29.124 12.01 512

;

proc cluster data=bebidas outtree = arvore method = average;

var cafeina gordura kcal;

id cat;

run;

PROC TREE DATA = arvore;

RUN;

Natalia

data marcas;

input marcas $ carbs prot sodio;

cards;

atlét      3     21    55

probio     1     28    105

mhp  2     25    190

AST  3     23    60

quest      5     22    170

max  1     49    132

;

proc cluster data=marcas outtree=tree method=average;

var carbs prot sodio;

id marcas;

run;

PROC TREE DATA=TREE;

RUN;