Baixe o app para aproveitar ainda mais
Prévia do material em texto
Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Introdução a estatística Análise de dados Erros e Probabilidades Correlação e regressão Correlação Previsões Séries temporais Regressão Análise de variância Intervalo de confiança Experimentos Teste de hipóteses Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Correlação e regressão Coeficiente de correlação É a medida da Correlação entre duas Variáveis; Indica a força e a direção do relacionamento linear entre duas variáveis aleatórias; No uso estatístico geral, correlação se refere a medida da relação entre duas variáveis, embora correlação não implique causalidade; Mede intensidade de associação entre variável dependente e independente; Assume valores entre -1 e 1, onde 1 e -1 indicam forte correlação. 2 1 2 2 11 2 111 . .. n i n i n i n i n i n i ii YYnXXn YXYXn r Atenção: correlação não necessariamente implica em causalidade Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo -1,0 +1,00 Correlação positiva perfeita -0,5 +0,5 Correlação negativa perfeita Sem correlação Aumenta o grau de correlação negativa Aumenta o grau de correlação positiva Coeficiente de correlação Correlação e regressão Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo X Y X Y X Y Associação positiva (r 1) Associação negativa (r -1) Ausência de associação (r 0) Coeficiente de correlação Correlação e regressão Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Exemplo: r = 0,98 0 20 40 60 80 100 120 140 0 20 40 60 80 100 120 140 160 180 r = 0,07 0 20 40 60 80 100 0 20 40 60 80 100 120 Coeficiente de correlação Correlação e regressão Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Exercício Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Exercício I: Vendas (k) y Qtd de alunos (k) x 31,56 10 38,00 12 25,25 8 47,20 15 22,00 6,5 34,20 11 45,10 14,5 32,30 10,1 29,00 9,2 40,90 13,4 40,00 12,7 24,20 7,6 41,00 13,1 Uma cadeia de restaurantes fastfood deseja verificar se as vendas mensais de refeições em seus estabelecimentos estão relacionadas ao número de alunos matriculados em escolas situadas num raio de 2 quilômetros em torno de seus restaurantes. Neste sentido, determine o coeficiente de correlação. Coeficiente de correlação Correlação e regressão 2 1 2 2 11 2 111 . .. n i n i n i n i n i n i ii YYnXXn YXYXn r Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Exercício I: (Solução) Vendas (k) y Qtd de alunos (k) x 31,56 10 38,00 12 25,25 8 47,20 15 22,00 6,5 34,20 11 45,10 14,5 32,30 10,1 29,00 9,2 40,90 13,4 40,00 12,7 24,20 7,6 41,00 13,1 Uma cadeia de restaurantes fastfood deseja verificar se as vendas mensais de refeições em seus estabelecimentos estão relacionadas ao número de alunos matriculados em escolas situadas num raio de 2 quilômetros em torno de seus restaurantes. Neste sentido, determine o coeficiente de correlação. Coeficiente de correlação Correlação e regressão 998,0 71,45082,416.16.13.10,14337,663.1.13 71,450.10,14386,224.5.13 . .. 22 2 1 2 2 11 2 111 r YYnXXn YXYXn r n i n i n i n i n i n i ii Usando Excel: =CORREL( Vendas ; Qtd de alunos ) EE - 05a Correlações - Solução.xlsx Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Introdução a estatística Análise de dados Erros e Probabilidades Correlação e regressão Correlação Previsões Séries temporais Regressão Análise de variância Intervalo de confiança Experimentos Teste de hipóteses Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo faixa de incerteza c/ dados detalhados previsão tempo faixa de incerteza c/ agregação crescente no tempo Produto Previsão Real Erro Big Mac 15.000 17.000 13% Cheddar 9.000 7.500 17% Quarteirão 12.000 13.000 8% Hamburger 25.000 20.000 20% McChicken 8.000 13.000 63% Total 69.000 70.500 2% } MÉDIA24% !!! A agregação dos dados reduz as incertezas da previsão “Mandamentos das previsões” 1.Evite fazer previsões 2.Tendo que fazê-las, faça no nível mais agregado possível. Previsões Correlação e regressão Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo tempo futuropassado Vendas reais do passado Tendência identificada no passado e projetada no futuro Ciclicidade identificada no passado e projetada no futuro X X X Previsões de curto prazo feitas com base nas projeções Demanda Faixa de erro identificada no passado e projetada para o futuro Previsões Correlação e regressão Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Efeito horizonte (tempo) Previsão de demanda / erro Erros esperados de previsão crescem com o horizonte Hoje Horizonte futuro F a ix a d e e rr o e s p e ra d o Previsões Correlação e regressão Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Agregação de dados x Efeito horizonte (tempo) P re v is ã o d e d e m a n d a / e rr o Hoje Horizonte futuro Agregação dos dados pode ser maior para decisões de longo prazo A g re g a ç ã o g ra d u a lm e n te m a io r d o s d a d o s fa z e rro s g ra d u a lm e n te d im in u ire m Erros esperados de previsão crescem com o horizonte Previsões Correlação e regressão Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Erros de previsão definirão os “colchões” de recursos necessários Jan Fev Mar Abr Maio Jun 1 Previsão 1000 1200 1000 900 1100 1200 2 Vendas 900 1350 950 1000 1250 1300 3 Desvio 100 -150 50 -100 -150 -100 4 Desvio absoluto 100 150 50 100 150 100 5 Desvio absoluto acumulado 100 250 300 400 550 650 6 Desvio absoluto médio 100 125 100 100 110 108 Previsões Correlação e regressão EE - 05b Erros das previsões.xlsx Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Erros frequentes Uma série de fatores pode afetar o desempenho de um modelo de previsão, sendo que os mais comuns são: A técnica de previsão pode estar sendo usada incorretamente, ou sendo mal interpretada; A técnica de previsão perdeu a validade devido à mudança em uma variável importante, ou devido ao aparecimento de uma nova variável; Variações irregulares na demanda podem ter acontecido em função de greves, formação de estoques temporários, catástrofes naturais, etc. Ações estratégicas da concorrência, afetando a demanda; Variações aleatórias inerentes aos dados da demanda. Previsões Correlação e regressão Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Erro 1 das previsões: confundir previsões com metas e, um erro subseqüente, considerar as metas como se fossem previsões. Erro 2 das previsões: gastar tempo e esforço discutido se se "acerta" ou "erra" nas previsões, quando o mais relevante é discutir "o quanto" se está errando e as formas de alterar processos envolvidos, de forma a reduzir estes "erros". Erro 3 das previsões: levar em conta, nas previsões que servirão a apoiar decisões em operações, um número só. Previsões, para operações, devem sempre ser consideradas com dois "números": a previsão em si e uma estimativado erro desta previsão. Erro 4 das previsões: desistir ou não se esforçar o suficiente para melhorar os processos de previsão por não se conseguir "acertar" as previsões, quando, em operações, não se necessita ter previsões perfeitas, mas sim, previsões consistentemente melhores que as da concorrência. Previsões Correlação e regressão Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Coleta e análise de dados Alguns cuidados básicos: Quanto mais dados históricos forem coletados e analisados mais confiável a técnica de previsão será; Os dados devem buscar a caracterização da demanda real pelos produtos da empresa, que não é necessariamente igual as vendas passadas (faltas, postergação,...); Variações extraordinárias da demanda (greves, promoções, ...) devem ser analisadas e substituídas por valores médios, compatíveis com o comportamento normal da demanda; O tamanho do período de consolidação dos dados (semanal, mensal,...) tem influência direta na escolha da técnica de previsão mais adequada, assim como na análise das variações extraordinárias Previsões Correlação e regressão Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Técnicas de previsão A primeira etapa consiste em definir a razão pela qual necessitamos de previsões. Que produto, ou famílias de produtos, será previsto, com que grau de acuracidade e detalhe a previsão trabalhará, e que recursos estarão disponíveis para esta previsão. A sofisticação e o detalhamento do modelo depende da importância relativa do produto, ou família de produtos, a ser previsto e do horizonte ao qual a previsão se destina. Itens pouco significativos podem ser previstos com maior margem de erro, empregando-se técnicas simples. Assim como admite-se margem de erro maior para previsões de longo prazo, empregando-se dados agregados de famílias de produtos. Previsões Correlação e regressão Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Previsões de demanda: técnicas de previsão Existem técnicas qualitativas e quantitativas. Cada uma tendo o seu campo de ação e sua aplicabilidade. Alguns fatores merecem destaque na escolha da técnica de previsão: • Decidir frente ao dilema “custo-acuracidade”; • A disponibilidade de dados históricos; • A disponibilidade de recursos computacionais; • A experiência passada com a aplicação de determinada técnica; • A disponibilidade de tempo para coletar, analisar e preparar os dados e a previsão; • O período de planejamento para o qual necessitamos da previsão. Previsões Correlação e regressão Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Previsões de demanda: técnicas de previsão Existem uma série de técnicas disponíveis, com diferenças substanciais entre elas. Porém, cabe descrever as características gerais que normalmente estão presentes em todas as técnicas de previsão, que são: • Supõem-se que as causas que influenciaram a demanda passada continuarão a agir no futuro; • As previsões não são perfeitas, pois não somos capazes de prever todas as variações aleatórias que ocorrerão; • A acuracidade das previsões diminui com o aumento do período de tempo auscultado; • A previsão para grupos de produtos é mais precisa do que para os produtos individualmente, visto que no grupo os erros individuais de previsão se anulam. Previsões Correlação e regressão Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Previsões de demanda: técnicas de previsão As técnicas de previsão podem ser subdivididas em dois grandes grupos: Técnicas qualitativas privilegiam principalmente dados subjetivos, os quais são difíceis de representar numericamente. Estão baseadas na opinião e no julgamento de pessoas chaves, especialistas nos produtos ou nos mercados onde atuam estes produtos; Técnicas quantitativas envolvem a análise numérica dos dados passados, isentando-se de opiniões pessoais ou palpites. Empregam-se modelos matemáticos para projetar a demanda futura. Podem ser subdivididas em dois grandes grupos: as técnicas baseadas em séries temporais, e as técnicas causais (Mais conhecidos: Regressão Simples e Múltipla) Previsões Correlação e regressão Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Previsões de demanda: técnicas de previsão Técnicas Qualitativas Pouco tempo para coleta de dados, introdução de novos produtos, cenário político/econômico instável; questões estratégicas – em conjunto com modelos matemáticos e técnicas quantitativas Técnicas Quantitativas Séries Temporais – modelo matemático da demanda futura relacionando dados históricos de vendas do produto com o tempo Causais – associar dados históricos de vendas do produto com uma ou mais variáveis relacionadas à demanda Previsões Correlação e regressão Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Modelos e ferramentas Análise Quantitativa Análise Qualitativa Informações Informações Previsão Balanço Usados em situações nebulosas ou quando dados inexistem ou longo prazo • Novos produtos • Novas tecnologias Envolve intuição e experiência previsão de vendas pela Internetprever vendas de TVs a cores Usados quando situação é estável e dados existem • Produtos existentes • Tecnologia corrente Envolve técnicas matemáticas Modelos temporais (projeção - futuro similar passado) Modelos causais (explicação - relações do passado similares ao futuro) Júri de opiniões de executivos Composto da força de vendas Método Delphi Pesquisa de mercado Previsões Correlação e regressão Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Introdução a estatística Análise de dados Erros e Probabilidades Correlação e regressão Correlação Previsões Séries temporais Regressão Análise de variância Intervalo de confiança Experimentos Teste de hipóteses Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Partem do princípio de que a demanda futura será uma projeção dos seus valores passados, não sofrendo influência de outras variáveis. É o método mais simples e usual de previsão, e quando bem elaborado oferece bons resultados. Para se montar o modelo de previsão, é necessário plotar os dados passados e identificar os fatores que estão por trás das características da curva obtida (Previsão final = composição dos fatores). Uma curva temporal de previsão pode conter tendência, sazonalidade, variações irregulares e variações randômicas (há técnicas para tratar cada um destes aspectos). Séries temporais Correlação e regressão Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Algum termos importantes 0 10 20 30 40 50 60 70 Jan. Fev. Mar. Abr. Mai. Jun. Jul. Ago. Set. Out. Nov. Dez. D e m a n d a Variação irregular Sazonalidade Tendência Variação randônica Correlação e regressão Séries temporais Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Classificação: ST de Modelo Fixo (Fixed-Model Time-Series) – apresentam equações definidas baseadas em avaliações a priori da existência de determinadas componentes nos dados históricos (Mais simples, séries históricas não muito grandes); ST de Modelo Aberto (Open-Model Time-Series) – analisam as ST de modo a identificar quais componentes realmente estão presentes, para então criar um modelo único que projete tais componentes, prevendo os valores futuros (Mais elaboradas, maior quantidade de dados). Existem mais de 60 métodos do tipo ST!! Correlação e regressão Séries temporais Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Exercício Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Exercício II: Utilizando séries temporais, determine a previsão de vendas para o 13 mês: a) Utilizando modelos fixos de séries temporais b) Utilizando modelos abertos(ou combinados, customizados) de séries temporais c) Utilizando a função "Planilha de Previsão" fornecida pelo Excel d) Compare os resultados Correlação e regressão Séries temporais Mês Vendas (Qtd) 1 80 2 130 3 270 4 96 5 156 6 324 7 130 8 210 9 430 10 180 11 300 12 620 Solução: Arquivo Excel anexo! PCP - 05c Previsões - Solução Exercício 0 Séries temporais.xlsx Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Instruções para habilitar o modo de análise de dados: No menu “Arquivo”, selecionar: Opções / Suplementos Habilitando o menu “Análise de Dados” do Excel Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Introdução a estatística Análise de dados Erros e Probabilidades Correlação e regressão Correlação Previsões Séries temporais Regressão Análise de variância Intervalo de confiança Experimentos Teste de hipóteses Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Modelos causais Regressão linear simples e múltipla Buscam prever a demanda de determinado produto a partir da previsão de outra variável (interna ou externa à empresa) que esteja relacionada com o produto. Exemplo: Pneus e Carros, Vidros planos e Construção Civil A relação entre as variáveis é uma função linear: Variável dependente Intercepto populacional Variável independente Erro aleatório X Y 0 1= coeficiente angular 0 1i i iY X e Inclinação populacional Correlação e regressão Regressão Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Regressão linear simples e múltipla iii XY ˆ ˆˆ 10 1. Inclinação (1) Estima-se que Y aumente em média 1 unidades para cada aumento de uma unidade de X Exemplo: vendas(Y)=1+2*propaganda(X)+erro Se 1 = 2, estima-se que as vendas (Y) aumentem em média 2 unidades para cada unidade a mais de propaganda (X) 2. Intercepto (0) Valor médio de Y quando X = 0. Nem sempre é interpretável!! No exemplo acima, o intercepto é o valor previsto para as vendas médias se não for gasto nada em propaganda (X=0). As variáveis X e Y tem realmente uma relação linear ou a inclinação obtida é um resultado casual? Correlação e regressão Regressão Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Regressão linear simples e múltipla O objetivo da regressão linear simples consiste em encontrar uma equação linear de previsão, do tipo Y = m X + b (onde Y é a variável dependente a ser prevista e X a variável independente da previsão), de forma que a soma dos quadrados dos erros de previsão (b) seja a mínima possível. Este método também é conhecido como “regressão dos mínimos quadrados”. Correlação e regressão Regressão 22 XXn YXXYn m n XmY b Y = mx + b Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Resíduos O resíduo () é a diferença entre o valor observado e o valor previsto pela regressão Pode-se também escrever que: Para análises de significância estatística, os resíduos devem ser independentes e normalmente distribuídos para que as suposições do modelo de regressão estejam satisfeitas. Veremos isto futuramente. iii XY ˆ ˆˆ 10 Valor previsto pela regressão Valor observado Resíduo iii YY ˆˆ Valor previsto Valor observado Correlação e regressão Regressão Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Exercício Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Exercício III: Vendas (k) y Qtd de alunos (k) x 31,56 10 38,00 12 25,25 8 47,20 15 22,00 6,5 34,20 11 45,10 14,5 32,30 10,1 29,00 9,2 40,90 13,4 40,00 12,7 24,20 7,6 41,00 13,1 Após uma análise de correlação, uma cadeia de fastfood verificou que as vendas mensais de refeições em suas casas estão relacionadas ao número de alunos matriculados em escolas situadas num raio de 2 quilômetros em torno da casa. A empresa pretende instalar uma nova casa numa região onde o número de alunos é de 13750. Qual a previsão da demanda para esta nova casa? Correlação e regressão Regressão 22 XXn YXXYn m n XmY b Y = mx + b Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Vendas (k) y Qtd de alunos (k) x XY Y^2 X^2 31,56 10 315,60 996,03 100,00 38,00 12 456,00 1.444,00 144,00 25,25 8 202,00 637,56 64,00 47,20 15 708,00 2.227,84 225,00 22,00 6,5 143,00 484,00 42,25 34,20 11 376,20 1.169,64 121,00 45,10 14,5 653,95 2.034,01 210,25 32,30 10,1 326,23 1.043,29 102,01 29,00 9,2 266,80 841,00 84,64 40,90 13,4 548,06 1.672,81 179,56 40,00 12,7 508,00 1.600,00 161,29 24,20 7,6 183,92 585,64 57,76 41,00 13,1 537,10 1.681,00 171,61 450,71 143,10 5.224,86 16.416,83 1.663,37 Correlação e regressão Regressão Exercício III: (Solução) Uma cadeia de fastfood verificou que as vendas mensais de refeições em suas casas estão relacionadas ao número de alunos matriculados em escolas situadas num raio de 2 quilômetros em torno da casa. A empresa pretende instalar uma nova casa numa região onde o número de alunos é de 13750. Qual a previsão da demanda para esta nova casa? 22 XXn YXXYn m = 13 5224 86 143 10 450 13 1663 143 10 2 , , ,71 ,37 , 2,99 Y 1757 2 99 13 75 42 869, , , , ou seja 42869 refeições n XmY b = 450 2 143 10 13 ,71 ,99 , 1,76 Engenharias - Disciplina: Estatística e experimentos Professor: Valdeon Sozo Introdução a estatística Análise de dados Erros e Probabilidades Correlação e regressão Correlação Previsões Séries temporais Regressão Análise de variância Intervalo de confiança Experimentos Teste de hipóteses
Compartilhar