Baixe o app para aproveitar ainda mais
Prévia do material em texto
Atividade 01 Estatística aplicada ao Data Science 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. 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? 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? 3) Como pode esse modelo de regressão linear múltipla ser usado para fazer predição de volume de produção de cada linha da fábrica? 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). Respostas 1) Quais foram as variáveis estudadas? Variáveis encontradas são cálculo da hora em relação peças produzidas com o que a máquina pode entregar sendo operada por computador ou por uma pessoa com tempo limitado de produção. X1 = Velocidade da máquina (rpm); X2 = Layout (antigo = 0 e maior = 1); X3 = Números de funcionários (atual = 0 e maior =1 ); Y = Volume de produção da linha (peça/hora). Y=0,17X¹+34,57, MAIOR VARIAVEL 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? X1 = Quantitativa, rpm. X2 = Qualitativa, com apenas dois níveis, ou classe (0 ou 1). X3 = Qualitativa, com apenas dois níveis, ou classe(0 ou 1). Y = Quantitativa, peça / hora. 3) Como pode esse modelo de regressão linear múltipla ser usado para fazer predição de volume de produção de cada linha da fábrica? Permite estudar as relações entre duas variáveis numérica contínuas (algo que cresce ou decresce constantemente). Uma variável de entrada (x) também chama da de variável preditor / explicativa / independente. O modelo funciona como uma função que transforma os dados de entrada em um dado de saída. 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 predizer o valor de venda de um imóvel, há partir de dados coletados relativos a algumas de suas características. Assim um investidor que busca por ajuda de um estatístico para analisar o preço benefícios de alguns imóveis. Para simplificar a sua análise, ele decidiu adotar uma notação para as variáveis observadas: X1 = tipo do imóvel (casa = 0 ou aparta me qualitativa X2 = área do imóvel (m²), quantitativa X3 = localização do imóvel (centro = 0 o u bairro = 1), qualitativa Y = valor do imóvel (R$), quantitativa
Compartilhar