ESTATISTICA APLICADA AO DATA SCIEENCE - ATIVIDADE 1 (A1)

Prévia do material em texto

ESTATISTICA APLICADA AO DATA SCIEENCE – ATIVIDADE 01: 
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? 
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 = Quantitativa, com apenas dois níveis, ou classe (0 ou 1). 
X3 = Quantitativa, 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 numéricas continuas (algo que cresce 
ou decresce constantemente). Uma variável de entrada (x) também chamada 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. 
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 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.