ESTATÍSTICA APLICADA AO DATA SCIENCE ATIVIDADE 1

Prévia do material em texto

ESTATÍSTICA APLICADA AO DATA SCIENCE – ATIVIDADE 1
Uma fábrica de autopeças possuía duas linhas de produção idênticas para seu principal produto. Os gestores precisavam aumentar a capacidade de produção dessas linhas para atender a um novo contrato de fornecimento com uma grande montadora que passaria a vigorar em 6 meses. Eles precisavam decidir entre a alternativa de investir em duas máquinas novas, uma para cada linha de produção, ou se seria suficiente otimizar a produção fazendo um retrofitting das máquinas existentes, um novo layout para o fluxo da produção e um maior número de funcionários dedicados a cada linha. Eles também queriam ter maior flexibilidade em controlar a taxa de produção.
Fonte: Elaborada pelo autor
Os gestores pediram a uma jovem engenheira de produção, recém-contratada, para ajudá-los na análise dessas alternativas. Essa jovem engenheira, após alguns testes, desenvolveu o seguinte modelo: 
em que                    
Com base no modelo descrito, responda às seguintes perguntas:
1) Quais foram as variáveis estudadas?
As variáveis estudadas foram a máquina, o layout, funcionários e produção.
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 velocidade da máquina é uma variável quantitativa, com unidade de medida em “rmp”.
O layout é uma variável qualitativa medida em classes, sendo “0” para antigo e “1” para novo.
O número de funcionários é uma variável qualitativa medida em classes, sendo “0” para o atual e “1” para o maior.
Por fim o volume da produção é uma variável quantitativa, com unidade de medida de “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?
Pode ser usado para realizar diversas análises com foco nos principais fatores influenciadores do custo de produção. Para isso foram estudadas as quatro variáveis apresentadas. Relacionando com o modelo de regressão linear, esses valores foram obtidos através de algum software como o R ou Phyton. Esse método possibilita a correlação das variáveis e a visualização de vários cenários. A partir do modelo, o gestor da fábrica pode simular situações e chegar ao resultado mais desejado, aumentando ou mantendo o número de funcionários, modificando a quantidade e/ou velocidade das máquinas e alterando o layout. 
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).
A regressão linear pode ajudar a estimar o valor de um imóvel, dependendo de algumas características. Sendo assim, um provável comprador ao buscar ajuda para analisar os preços de alguns imóveis, pode simplificar sua análise ao adotar o modelo proposto com as seguintes variáveis: 
X1 = Tipo do imóvel (casa = 0 ou apartamento = 1), qualitativa. 
X2 = área do imóvel (m²), quantitativa.
X3 = localização do imóvel (centro = 0 ou bairro = 1), quantitativa. 
Y = valor do imóvel (R$), quantitativa.