DATA SCIENCE - ATIVIDADE 1 - CIÊNCIA DE DADOS - UAM ANHEMBI MORUMBI

Prévia do material em texto

DATA SCIENCE – CIÊNCIA DE DADOS – ATIVIDADE 1 
UAM – UNIVERSIDADE ANHEMBI MORUMBI 
 
1) Quais foram as variáveis estudadas? 
 
As variáveis que compõe são respectivamente, a velocidade da máquina (x1), o 
layout (x2), o número de funcionários (x3) e o volume de produção mensurados 
em (Y). 
 
2) Qual o tipo de cada variável, quantitativa ou qualitativa? Se quantitativa, qual 
sua unidade de medida? Se qualitativa, que níveis ou classes podem assumir? 
 
A variável Velocidade da Máquina é quantitativa, indicando as unidades 
por número de rotações por minuto das máquinas (RPM); 
A variável Layout é qualitativa e são atribuídas as classes/estados "antigo 
modelo = 0 | novo = 1"; 
A variável Número de Funcionários é qualitativa, indicando as classes "atual = 
0 | maior = 1"; 
A variável Volume de Produção é quantitativa, indicando as unidades através 
da produção de peças por hora (peças/hora); 
 
3) Como pode esse modelo de regressão linear múltipla ser usado para fazer 
predição de volume de produção de cada linha da fábrica? 
 
Através desse modelo proposto, a gestão consegue simular situações em 
diversos cenários operacionais através da correlação e análise das variáveis, 
permitindo exibir os resultados com a redução ou aumento de funcionários 
além dos ajustes na velocidade da máquina. 
 
É possível por exemplo, prever sobrecargas com o excesso de velocidade da 
máquina que afetam negativamente o desempenho da produção dos 
funcionários ao longo do prazo, bem como entender como é o comportamento 
durante uma jornada de trabalho dos funcionários que operam sob um número 
de velocidade reduzido de RPM da máquina, encontrando um ponto ideal 
de produção vs. tempo de operação vs. velocidade definida 
vs. funcionários, estipulando uma garantia de resultados e metas de produção 
analisando tais comportamentos. 
 
4) Reflita sobre situações similares em que você poderia aplicar essa mesma 
técnica (regressão linear múltipla) para gerar conhecimento a partir de dados. 
Descreva brevemente uma dessas situações que você pensou, identifique 
cada uma das variáveis de entrada e a variável resposta, descreva o tipo de 
cada uma delas (se quantitativa ou qualitativa) e forneça suas unidades de 
medida (se quantitativas) ou seus níveis ou classes (se qualitativas). 
 
Um exemplo prático que pode ser utilizado a regressão linear múltipla, seria 
estipular a renda familiar através do responsável financeiro da família, 
mensuradas através das seguintes variáveis de entrada: 
 
x1 que é quantitativo e representa os anos de estudos do responsável; 
x2 que é quantitativo e representa a idade do responsável; 
x3 que é qualitativa e representa o gênero da pessoa, podendo ser 
classificadas como (não binário = 0, mulher = 1, homem = 2); 
x4 se apoiando e representando o grau de escolaridade, sendo qualitativa e 
classificadas como (ensino incompleto = 0, ensino médio = 1, ensino superior = 
2, pos graduação e derivados = 3); 
A variável resposta será Y e significa a renda resultante. 
Também é importante minimizar qualquer erro quadrático na estimativa do conceito 
de vetor de coeficientes β (beta) para que o resultado seja deduzido com uma 
pequena diferença 
do contexto e cenários analisados através dos conceitos e modelos existentes 
matematicamente.