Curso: Estatística Aplicada à Administração II (Diurno 2017)

Programação

Geral
STOA - Estatística Aplicada à Administração II - Diurno
- Fórum de notícias
- --------------------------------------------------------------------------
- Notas Finais Arquivo
- Reavaliação 2017: Prova dia 12/dezembro/2017, sala 1, B2. Horário: 10:00 - 11:40.
- Notas em Listas de exercícios Arquivo
- Notas em Análise de Dados (Apresentações) Arquivo
- Notas da Prova Escrita Arquivo
- --------------------------------------------------------------------------
- Cronograma da disciplina - 2017 Arquivo
- Resumo do conteúdo (arquivo word)
- Resumo do conteúdo (arquivo pdf)
1 - Material
- Disciplina
- Resumo RAD1509 - para software Minitab Arquivo
- Softwares
- Passo-a-passo do RStudio até Apresentação 1. Arquivo
- SPSS - Instalação de Free Trial (14 dias) Arquivo
- Apostilas...
- Apostila Excel Arquivo
- Arquivo para apostila Excel
- Introdução ao Knime Arquivo
- Arquivo para Knime
- SPSS: Vídeos
- A - Importando dados do Excel para o SPSS. URL
- B - Estatísticas descritivas, histogramas, boxplot. URL
- C - Matrizes de Correlação e Covariância. URL
- D - Análise Fatorial. URL
- E - Análise de Agrupamentos - Hierárquico. URL
- F - Análise de Agrupamentos: K-means. URL
- G - Análise Discriminante. URL
- H - Regressão Logística. URL
- Estatística no R
- A (very) short introduction to R Arquivo
- Apostila R, Estatística I Arquivo
- Cap01_Corrar_etal_2007 Arquivo
- Apostila Completa (BioEstatística) Arquivo
- Textos de Livros
- Lattin: James Lattin, J. Douglas Carrol, Paul E. Green; Análise de dados multivariados, CENGAGE Learning, 2011.
- Lattin_04_ComponentesPrincipais.pdf Arquivo
- Lattin_05_AnaliseFatorial.pdf Arquivo
- Lattin_08_AnaliseDeAgrupamentos.pdf Arquivo
- Malhotra: Naresh K. Malhotra; Pesquisa de marketing - uma orientação aplicada, Bookman, 20
- Malhotra_19_AnaliseFatorial.pdf Arquivo
- Malhotra_18_AnaliseDiscriminante.pdf Arquivo
- Malhotra_20_AnaliseDeAgrupamentos.pdf Arquivo
- Fávero: Luiz P. Fávero, Patrícia Belfiore, Fabiana L. da Silva, Betty L. Chan; Elsevier-CAMPUS, 2009.
- Favero_07_AnaliseFatorial.pdf Arquivo
- Favero_06_AnaliseDeAgrupamentos.pdf Arquivo
- Favero_11_AnaliseDiscriminante.pdf Arquivo
- Favero_12_RegressãoLogística.pdf Arquivo
2 - Material aulas
- TED Talk: Hans Rosling mostra estatísticas jamais vistas. URL
- Gapminder URL
- 01 - Teoria: Matrizes Estatistica Arquivo
- -----------------------------------------------------------------------------------------
- 02 - Componentes Principais Arquivo
- Exemplo CP - Script para R Arquivo
- Exemplo CP - Dados do exemplo Arquivo
- 03 - Análise Fatorial: Exemplo Arquivo
- Exemplo AF - Dados do exemplo Arquivo
- 04 - Análise Fatorial: Teoria Arquivo
- -----------------------------------------------------------------------------------------
- TED Talk - Malcolm Gladwell: Choice, happiness and spaghetti sauce. URL
- 05 - Análise de Agrupamentos: Teoria. Arquivo
- Arquivo csv com exemplo para cluster
- 06 - Análise de Agrupamentos no R Arquivo
- Script em R: Cluster Hierárquico Arquivo
- 07 - Agrupamentos: K-means no R Arquivo
- Script em R: K-means Arquivo
- -----------------------------------------------------------------------------------------
- TED Talk - Fei-Fei Li: How we're teaching computers to understand pictures. URL
- 08 - Análise Discriminante Arquivo
- exemplo_discriminante_Excel.csv Arquivo
- exemplo_discriminante_SPSS.sav Arquivo
- 09 - Regressão Logística Arquivo
- 10_RegressaoLogistica_R.pdf Arquivo
- Discrim_RegrLogistica_2017.R Arquivo
- ClientesConcessionaria.csv Arquivo
3 - Bases de dados
4 - Listas de Exercícios
5 - Apresentações
- Bases de dados atribuídas por aluno Arquivo
- Apresentação 1: Análise de Componentes Principais e Análise Fatorial:
  Considere a base de dados definida no tópico "3 - Bases de dados" no item "Definição da base para apresentações".
  Entregue no link a seguir um arquivo pdf ou powerpoint com resultados obtidos para os itens numerados a baixo.
  1 - (1,0) Apresentação da base de dados contendo estatísticas descritivas para as variáveis (médias, desvio padrão e/ou tabela de frequências)
  2 - (1,0) Matriz de Correlação entre as variáveis
  3 - (1,0) Autovalores e o Scree Plot
  4 - (1,0) Variância Explicada
  5 - (1,0) Quantos fatores "extrair" pelo critério Kaiser
  6 - (1,0) Comunalidades
  7 - (1,5) Coeficientes dos Scores Fatoriais (pesos) para os dois primeiros fatores
  8 - (1,5) Scores Fatoriais de para dois fatores mais relevantes
  9 - (1,0) Análise da aplicação da técnica na base de dados
- Script em R para apresentação (base da Lista 01). Arquivo
- Entregar apresentação 1 aqui Tarefa
  Postar aquivo power point ou pdf.
- - - - - - - - - - - - - - - - - - - - - - - - -
- Apresentação 2: Análise de Agrupamentos (Cluster)
  
  Considere a base de dados definida no arquivo abaixo (arquivo Bases2.pdf, com uma base para cada aluno) e faça uma análise de agrupamentos para as observações. Decida quais variáveis devem fazer parte da análise e proceda da seguinte forma:
  1 - (1,0) Apresente as médias e desvios-padrão de cada variável. Decida e escreva uma justificativa sobre a padronização ou não de variáveis. Não é necessário apresentar as variáveis padronizadas.
  2 - (4,0) Faça a análise para quatro métodos diferentes: Simples, Completo, Média, Ward. Informe qual o tipo de medida de dissimilaridade foi utilizado.
  3 - (1,0) Decida qual a melhor forma de agrupamento: Qual método e quantos grupos considerar.
  4 - (4,0) Apresente Boxplot das variáveis de acordo com os agrupamentos obtidos na forma indicada no item 3. Escreva sobre as características de cada grupo obtido.
- Base2.pdf Arquivo
- Script R com comandos para auxiliar na "Apresentação 2" Arquivo
- Entregar a apresentação 2 aqui Tarefa
  Postar aquivo power point ou pdf até 10/10, 10h.
- - - - - - - - - - - - - - - - - - - - - - - - -
- Apresentação 3: Discriminante ou Regressão Logística
  
  O trabalho deve refletir a aplicação uma das técnicas Análise Discriminante ou Regressão Logística. A base de dados utilizada é a mesma base utilizada nas apresentações anteriores. Considere os seguintes itens:
  
  1 – Apresentação da, base de dados: Apresente a base de dados e indique uma variável categórica que você acha adequada para ser utilizada em análise discriminante ou regressão logística. Apresente uma das opções abaixo como a variável categórica a ser utilizada:
  
  1.a Variável já disponibilizada na base de dados e adequada para análise Discriminante ou Regressão Logística.
  
  1.b Variável obtida através de uma análise de cluster. Esta opção serve para quem não tem variável categórica na base de dados, neste caso especifique os grupos obtidos.
  
  2 – Análise Discriminante (AD) ou Regressão Logística (RL) para previsão dos grupos criados
  da variável categórica definida no item anterior.
  2.1 – Considerar o grupo de menor tamanho e separar dois terços dos casos deste grupo para realizar a AD ou RL. Com base no tamanho da amostra selecionada neste menor grupo, selecionar o mesmo número de casos no(s) outro(s) grupo(s) para realizar a AD ou RL com amostras de mesmo tamanho.
  
  2.2 – Fazer a modelagem e informar os coeficientes estimados para AD ou para RL
  
  2.3 – Informar a tabela de classificações e o percentual de acerto do modelo.
  
  2.4 – Aplicar o modelo nos casos que não foram selecionados no item 2.1. Estes casos formam uma amostra de validação. Construir uma tabela de classificação para esta aplicação e compare com o percentual de acerto em 2.3
- Entregar a apresentação 3 aqui. Tarefa
6 - Notas
Arquivos com notas de Listas, Apresentações e Prova.
7 - Definição dos Grupos
Tópico 8
Tópico 9
Tópico 10