PROGRAMAÇÃO ESTATÍSTICA

Prévia do material em texto

Felipe dos Santos Alves Ferreira 
PROGRAMAÇÃO ESTATÍSTICA 
A Programação Estatística é uma linguagem muito dinâmica que permite o 
desenvolvimento de técnicas de manipulações, análises e visualizações de dados. 
Através desta linguagem, etapas muito importantes da análise podem ser executadas, 
permitindo uma interação com o banco de dados tais como a transformação, 
modelagem, criação de visualizações, e auxiliando também no resultado final. 
A linguagem definida para resolver a questão e criar o nosso modelo estatístico que 
envolve o estudo de caso foi o R. O R é uma linguagem de programação utilizada por 
especialistas na área de estatística. No entanto, com o passar dos tempos, muitos 
desenvolvedores começaram a fazer uso dessa ferramenta, o que a tornou atualmente 
uma das ferramentas mais populares no mercado voltada para a análise de grandes 
dados. 
Para automatizar o nosso modelo de dados, utilizamos a técnica de Machine Learning. 
Quando falamos em Machine Learning estamos associando também a estatística, e 
consequentemente ao sistema R, porque esse aprendizado de máquina só é criado a 
partir de uma grande variedade de técnicas que encontramos na estatística. 
É possível observar que a estatística utilizada no sistema R faz uso dos dados de uma 
forma que ajuda a identificar padrões e as suas correlações. Já o Machine Learning faz 
uso dos dados para aprender a fazer predições. 
A soma destas duas tecnologias só melhora a qualidade dos dados analisados, e traz 
uma variedade muito maior no desenvolvimento para os modelos estatísticos. 
Por fim, acreditamos que os ganhos obtidos com esse sistema para área operacional 
da empresa serão enormes, pois os dados de uma companhia são considerados um 
dos bens mais preciosos hoje em dia. Portanto, realizar com qualidade a manipulação 
dos dados, e garantir uma classificação precisa do perfil dos novos clientes com certeza 
se tornará uma tarefa mais segura e eficiente. 
 
Referências Bibliográficas 
BREIMAN, L. Statistical modeling: the two cultures. Quality control and applied statistics, 
v. 48, n. 1, p. 81-82, 2003. 
CONHEÇA 4 tipos de análise de dados de Big Data. Ascent Business Intelligence, jun. 
2017. Disponível em: http://www.universidadebi.com.br/conheca-4-tipos-de-analise-de-dados-
de-big-data/. Acesso em: 21 jul. 2020. 
DASU, T., JOHNSON, T. Exploratory Data Mining and Data Cleaning. New Jersey: John 
Wiley & Sons, 2003. 
GUAZZELLI, A. O que é análise preditiva? IBM Developer, ago. 2012. Disponível 
em: https://developer.ibm.com/br/technologies/predictive-analytics/articles/ba-predictive-
analytics1. Acesso em: 21 jul. 2020. 
GUEDES, T. A. et al. Estatística descritiva, [2020]. Disponível 
em: https://www.ime.usp.br/~rvicente/Guedes_etal_Estatistica_Descritiva.pdf. Acesso em: 9 
jul. 2020. 
http://www.universidadebi.com.br/conheca-4-tipos-de-analise-de-dados-de-big-data/
http://www.universidadebi.com.br/conheca-4-tipos-de-analise-de-dados-de-big-data/
https://developer.ibm.com/br/technologies/predictive-analytics/articles/ba-predictive-analytics1
https://developer.ibm.com/br/technologies/predictive-analytics/articles/ba-predictive-analytics1
https://www.ime.usp.br/~rvicente/Guedes_etal_Estatistica_Descritiva.pdf
Felipe dos Santos Alves Ferreira 
LANEY, D. Application delivery strategies. META Group, 2001. Disponível 
em: https://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-
Controlling-Data-Volume-Velocity-and-Variety.pdf. Acesso em: 10 jul. 2020. 
LYRA, B. L. A. Uso de um processo ETL em um modelo Data Warehouse para a geração 
de dashboards de indicadores de redes de telefonia celular. Rio de Janeiro: UFRJ/Escola 
Politécnica, 2016. 
MITCHELL, T. Machine Learning. Porto Alegre: McGraw-Hill Science, 1997. 
PEREIRA, A. M. Framework de Big Data. Porto Alegre: Grupo A Educação S.A., 2019. 
ROSA, C. S. Estudo sobre as técnicas e métodos de análise de dados no contexto de Big 
Data. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Eletrônica e de 
Telecomunicações) − Faculdade de Engenharia Elétrica, Universidade Federal de 
Uberlândia, Patos de Minas, 2018. 
SILVESTRE, A. L. Análise de dados e estatística descritiva. São Paulo: Escolar Editora, 
2007. 
SOUZA, E. F. M.; PETERNELLI, L. A.; MELLO, P. M. Software Livre R: aplicação 
estatística, [2020]. Disponível em: http://www.de.ufpb.br/~tarciana/MPIE/ApostilaR.pdf. 
Acesso em: 9 jul. 2020. 
VERT TECNOLOGIA, PERFORMANCE E RESULTADOS. As diferenças entre análise 
prescritiva, preditiva, descritiva e diagnóstica. Prof. Cordella, [2021]. Disponível 
em: http://www.profcordella.com.br/unisanta/textos/gin22_analise_preditiva_e_tipos_rev.html. 
Acesso em: 16 jun. 2021. 
WICKHAM, H. Tidy data. Journal of Statistical Software, v. 59, n. 10, 2014. Disponível 
em: https://www.jstatsoft.org/article/view/v059i10. Acesso em: 9 jul. 2020. 
WITTEN, I. H.; FRANK, E. Data Mining: practical machine learning tools and 
techniques. Bio Med Eng OnLine, v. 5, n. 51, 2006. https://doi.org/10.1186/1475-925X-5-
512005. Acesso em: 21 jul. 2020. 
 
https://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velocity-and-Variety.pdf
https://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velocity-and-Variety.pdf
http://www.de.ufpb.br/~tarciana/MPIE/ApostilaR.pdf
http://www.profcordella.com.br/unisanta/textos/gin22_analise_preditiva_e_tipos_rev.html
https://www.jstatsoft.org/article/view/v059i10
https://doi.org/10.1186/1475-925X-5-512005
https://doi.org/10.1186/1475-925X-5-512005