Comparação entre modelos de previsão de séries temporais

Comparação entre modelos de previsão de

séries temporais

Diogo Medeiros, Lucas André e Willams Costa Julho 2018

Centro de Informática (CIn)

Universidade Federal de Pernambuco (UFPE) Recife–PE, Brasil

Roteiro

1. Descrição do problema

2. Base de Dados

3. Objetivo

4. Metodologia

5. Resultados

6. Conclusão

Descrição do problema

• Uma prática comum, geralmente seguida no mundo do automotivo, é a chamada manutenção periódica do carro. • Nesse contexto, o carro deve ser submetido periodicamente a

uma rotina de serviços e manutenção.

Problema

Ninguém tem certeza se alguma peça ou fluído, realmente, precisa ser substituída/trocado. Isso normalmente leva a peças ou fluídos, que estão em boas condições, serem substituídas/trocados, resultando em custos de serviço desnecessários.

• Uma característica desejada nos sistemas de diagnóstico automotivo é a previsão de falhas para evitar quebras inesperadas do veículo e minimizar os gastos do proprietário com manutenção.

Base de Dados

• Dados veículares foram coletados de um Fiat Palio Fire 1.0 8V Flex 2007.

• Dados obtidos da ECU (Engine Control Unit) do veículo a partir do sistema OBD (On-Board Diagnostic).

Objetivo

Previsão de falhas em automóveis

• Temperatura do líquido de arrefecimento do motor. • AFR (Air Fuel Ratio) na combustão interna do motor. • Tensão da bateria do automóvel.

Como essa previsão pode ser realizada?

• Modelos de previsão de séries temporais.

Metodologia

Modelos Simples

• Autoregressive Integrated Moving Average (ARIMA) • Multilayer Perceptron (MLP)

• Support Vector Machines (SVM)

• Least Squares Support Vector Machines (LS-SVM)

Modelos Híbridos

• Modelos híbridos Combinados Linearmente (CL) • Modelos híbridos Combinados Não Linearmente (CNL)

Metodologia

Métricas de avaliação

• RMSE (Root Mean Squared Error) • MAE (Mean Absolute Error)

• MAPE (Mean Absolute Percentage Error) • IA (Index of Agreement)

Métricas Comparativas

• MASE (Mean Absolute Scaled Error) - Compara com a previsão ingênua.

• ARV (Average Relative Variance) - Compara com a média da série.

Teste de hipótese

• Wilcoxon Signed Rank Test

Metodologia

Wilcoxon Signed Rank Test

• O objetivo agora éprovar estatisticamenteque os erros de previsão do modelo híbrido escolhido são menores do que os erros do respectivo modelo simples.

• Foram tomados osvalores absolutosdos erros de previsão, pois quanto menores forem as amplitudes desses erros absolutos, menores serão os erros de previsão para o modelo.

• Os testes de normalidade,Kolmogorov-SmirnoveShapiro-Wilk, nos erros absolutos de previsão para cada modelo, indicam

p−valor<2.2−16.

• OWilcoxon Signed Rank Testtrata-se de um teste estatístico de hipótesenão paramétricopara duas amostras pareadas.

Metodologia

Wilcoxon Signed Rank Test

Foram estabelecidas as seguintes hipóteses para um teste

unilateral:

• H0: (As amostras dos erros absolutos de previsão do modelo

híbrido)=(As amostras dos erros absolutos de previsão do

modelo individual)→A diferença entre os pares segue uma

distribuição simétrica em torno de zero.

• H1: (As amostras dos erros absolutos de previsão do modelo

híbrido)<(As amostras dos erros absolutos de previsão do

modelo individual)→A diferença entre os pares segue uma

distribuição com valores menores que zero.

Metodologia

Table 1:Abordagens de previsão utilizados neste trabalho com os métodos correspondentes e os respectivos acrônimos.

Abordagem Método Acrônimo

ARIMA A

Modelo MLP M

simples SVM S

LS-SVM L

ARIMA+MLP CLAM

Modelo ARIMA+LS-SVM CLAL

híbrido CL MLP+ARIMA CLMA

LS-SVM+ARIMA CLLA

MLP (ARIMA,MLP) CNL-MAM

MLP (ARIMA,LS-SVM) CNL-MAL

LS-SVM (ARIMA,MLP) CNL-LAM

LS-SVM (ARIMA,LS-SVM) CNL-LAL

SVM (ARIMA,MLP) CNL-SAM

Modelo SVM (ARIMA,LS-SVM) CNL-SAL

híbrido CNL MLP (MLP,ARIMA) CNL-MMA

LS-SVM (MLP,ARIMA) CNL-LMA

SVM (MLP,ARIMA) CNL-SMA

MLP (LS-SVM,ARIMA) CNL-MLA

LS-SVM (LS-SVM,ARIMA) CNL-LLA

Resultados

Resultados para a Temperatura do Líquido de Arrefecimento do Motor

Table 2:Medidas de avaliação obtidas para o conjunto de teste da série de temperatura do líquido de arrefecimento do motor.

Modelo

Inicial Abordagem RMSE MAE MAPE IA POCID - ARIMA 0.10403 0.05931 13.60 0.8347 56.79 - MLP 0.10469 0.06096 13.23 0.8493 57.01 - SVM 0.10660 0.05291 12.39 0.8500 56.36 - LS-SVM 0.10319 0.05964 12.99 0.8481 58.57

CLAM 0.10126 0.05796 12.77 0.8561 56.75

CLAL 0.10126 0.05828 12.91 0.8547 56.49

CNL-MAM 0.10198 0.05779 12.74 0.8569 56.75

ARIMA CNL-MAL 0.10102 0.05763 12.87 0.8525 56.62

CNL-LAM 0.10101 0.05706 12.72 0.8500 56.49

CNL-LAL 0.10102 0.05718 12.90 0.8431 55.97

CNL-SAM 0.10218 0.05931 12.93 0.8540 57.14

CNL-SAL 0.10223 0.06125 13.09 0.8460 56.36

CLMA 0.10068 0.05636 12.63 0.8671 58.70

MLP CNL-MMA 0.10066 0.05625 12.61 0.8619 58.83

CNL-LMA 0.10040 0.05357 12.40 0.8583 56.88

CNL-SMA 0.09940 0.05552 12.52 0.8582 58.96

CLLA 0.09961 0.05433 12.29 0.8697 57.40

LS-SVM CNL-MLA 0.09963 0.05444 12.39 0.8643 58.31

CNL-LLA 0.09923 0.05455 12.33 0.8653 58.05

Resultados

Resultados para a Temperatura do Líquido de Arrefecimento do Motor

Table 3:Métricas comparativas aplicadas nas abordagens com os melhores desempenhos de acordo com seus respectivos modelos iniciais para a temperatura do líquido de arrefecimento do motor no conjunto de teste.

Modelo

Inicial Abordagem MASE ARV

ARIMA CNL-LAM 0.9618 0.4321

CNL-LMA 0.9028 0.4269

MLP CNL-SMA 0.9358 0.4184

LS-SVM CLLA 0.9156 0.4202

Resultados

Resultados para a Temperatura do Líquido de Arrefecimento do Motor

Table 4:Parâmetros selecionados nogrid-searchpara omodelo híbridoCLLA

eresultado doWilcoxon signed rank testno conjunto de teste dodatasetda

temperatura do líquido de arrefecimento do motor.

m0 Lags na entrada λ γ

LS-SVM 3 9,775625·104 0_.25

m1 p d q

ARIMA 17 1 14

Wilcoxon signed Valor−p

rank test 4.572·10−11_<0_,05

Resultados

Resultados para o AFR na Combustão Interna do Motor

Table 5:Medidas de avaliação obtidas para o conjunto de teste da série do AFR na combustão interna do motor.

Modelo

Inicial Abordagem RMSE MAE MAPE IA POCID - ARIMA 0.10417 0.08126 15.67 0.7292 40.49 - MLP 0.10623 0.08313 16.05 0.7067 37.90 - SVM 0.10587 0.08159 16.10 0.7119 37.23 - LS-SVM 0.10546 0.08180 15.85 0.7223 38.43 CLAM 0.10381 0.08093 15.54 0.7316 41.58

CLAL 0.10375 0.08086 15.54 0.7306 42.23

CNL-MAM 0.10420 0.08144 15.62 0.7214 41.58

ARIMA CNL-MAL 0.10423 0.08150 15.64 0.7201 41.84

CNL-LAM 0.10436 0.08133 15.57 0.7293 41.06

CNL-LAL 0.10367 0.08070 15.47 0.7311 41.45 CNL-SAM 0.10409 0.08117 15.63 0.7241 41.58

CNL-SAL 0.10402 0.08111 15.59 0.7267 41.45

CLMA 0.10371 0.07970 15.45 0.7621 40.82 MLP CNL-MMA 0.10390 0.07983 15.73 0.7406 39.76

CNL-LMA 0.10412 0.08030 15.64 0.7365 40.03

CNL-SMA 0.10403 0.07976 15.76 0.7407 38.96

alertCLLA 0.10462 0.08042 15.58 0.7439 42.95

LS-SVM CNL-MLA 0.10460 0.08036 15.64 0.7362 42.02

CNL-LLA 0.10463 0.08050 15.57 0.7367 41.89

Resultados

Resultados para o AFR na Combustão Interna do Motor

Table 6:Métricas comparativas aplicadas nas abordagens com os melhores desempenhos de acordo com seus respectivos modelos iniciais para o AFR na combustão internada do motor no conjunto de teste.

Modelo

Inicial Abordagem MASE ARV

ARIMA CNL-LAL 0.8699 0.5912

MLP CLMA 0.8686 0.5829

CLLA 0.8763 0.5931

LS-SVM CNL-SLA 0.8743 0.5916

Resultados

Resultados para o AFR na Combustão Interna do Motor

Table 7:Parâmetros selecionados nogrid-searchpara omodelo híbrido

CLMAeresultado doWilcoxon signed rank testno conjunto de teste do

datasetAFR.

m0 Nós na camada Nós na camada Expoente de

de entrada oculta weight-decayα

MLP 21 21 1

m1 p d q

ARIMA 13 1 19

Wilcoxon signed Valor−p

rank test 8,441·10−4_<0_,05

Resultados

Resultados para a Tensão da Bateria Automotiva

Table 8:Medidas de avaliação obtidas para o conjunto de teste da série de tensão da bateria.

Modelo

Inicial Abordagem RMSE MAE MAPE IA POCID - ARIMA 0.07020 0.04833 8.90 0.9175 42.82 - MLP 0.06970 0.04739 8.83 0.9159 41.28 - SVM 0.07126 0.04799 8.90 0.9143 41.56 - LS-SVM 0.07144 0.04927 9.18 0.9098 42.06 CLAM 0.07091 0.04948 9.10 0.9154 45.32

CLAL 0.07046 0.04953 9.10 0.9159 42.97

CNL-MAM 0.07003 0.04851 8.97 0.9157 43.90 ARIMA CNL-MAL 0.07034 0.04937 9.12 0.9148 42.84

CNL-LAM 0.06986 0.04871 8.97 0.9155 43.12

CNL-LAL 0.06995 0.04863 9.06 0.9140 43.49

CNL-SAM 0.06996 0.04877 9.02 0.9146 44.16

CNL-SAL 0.07087 0.04983 9.30 0.9114 42.45

CLMA 0.06881 0.04739 8.80 0.9192 42.71

MLP CNL-MMA 0.06897 0.04717 8.81 0.9182 42.71

CNL-LMA 0.06925 0.04743 8.86 0.9185 42.71

CNL-SMA 0.06871 0.04715 8.81 0.9172 42.84 CLLA 0.07079 0.04949 9.13 0.9163 41.02

LS-SVM CNL-MLA 0.07036 0.04934 9.10 0.9153 41.28

CNL-LLA 0.06998 0.04904 9.11 0.9142 41.28

Resultados

Resultados para a Tensão da Bateria Automotiva

Table 9:Métricas comparativas aplicadas nas abordagens com os melhores desempenhos de acordo com seus respectivos modelos iniciais para a tensão da bateria automotiva no conjunto de teste.

Modelo

Inicial Abordagem MASE ARV

ARIMA CNL-MAM 1.0104 0.2882

MLP CNL-SMA 0.9842 0.2782

LS-SVM CNL-LLA 1.0236 0.2886

Resultados

Resultados para a Tensão da Bateria Automotiva

Table 10:Parâmetros selecionados nogrid-searchpara omodelo híbrido

CNL-SMAeresultado doWilcoxon signed rank testno conjunto de teste do

datasetdatensão da bateria automotiva.

m0 Nós na camada Nós na camada Expoente de

de entrada oculta weight-decayα

MLP 3 21 5

m1 p d q

ARIMA 20 1 17

m2 C γ ϵ

SVM 1 0.0078125 0,5

Wilcoxon signed Valor−p

rank test 0.1728>0.05

Conclusão

• Em duas séries,temperatura do motoreAFR, ficou comprovado que o erro de previsão do modelo híbrido é menor que o erro de previsão do modelo simples.

• Isto evidencia quenestas sériesos modelos híbridos são realmente mais precisos que os respectivos modelos individuais.

• Na série datensão da bateriao teste de hipótesefalhouem comprovar que o erro do modelo híbrido é menor que o erro do modelo simples.

• Deve-se investigar outras abordagens para aprimorar a precisão dos modelos híbridos no caso da série datensão da bateria.

FIM.

Estatísticas para

Acidentes de

Avião

Grupo: Matheus Augusto de Lima Freire

Dênio Batista Brasileiro Bezerra

Sumário

Introdução

Teste de Normalidade

Introdução

Base de dados: Acidentes de avião de 1908-2009

Teste de Normalidade

Para a variável 'Aboard':

Shapiro-Wilk normality test

data: dat4$Aboard

W = 0.58099, p-value < 2.2e-16

Teste de Normalidade

Para a variável 'Fatalities':

Shapiro-Wilk normality test

data: dat4$Fatalities

W = 0.52748, p-value < 2.2e-16

Frequência de Acidentes

por Tipo de Avião

Frequência de Acidentes

por Tipo de Avião

(20 maiores)

Quantidade de mortes

por tipo de avião(%)

Wilcoxon signed rank test

data: aviao_porcentagem_mortes$porcentagem

V = 210, p-value = 1.907e-06

alternative hypothesis: true location is not equal to 0

Quantidade de mortes

por tipo de avião(%)

Decisão para comprador de Aviões (Linhas Aéreas)

Chega-se a uma conclusão de que, entre os 20 tipos observados, a melhor

escolha de compra é o modelo "Let 410UVP" com 41% de mortes por

Conclusão

A decisão obtida é útil, no entanto é vaga, pois informações como:

- Capacidade do avião

- Tempo médio de durabilidade

- Preço

UMA ANÁLISE DA PRECIPITAÇÃO

TOTAL MENSAL NA CIDADE DO

RECIFE

ÉVORA LEITE

INTRODUÇÃO

•

O que é precipitação?

•

Qual a importância desse fenômeno para uma sociedade?

OBJETIVO

•

Fazer uso da Análise de Séries Temporais para a previsão da Precipitação

MÉTODO

•

Dados Utilizados

•

Precipitação Total Mensal na cidade do Recife (dados da estação do curado)

•

Dados de Março de 1961 a Abril de 2018 (685 meses)

•

Séries Temporais

•

Análise através do tempo

•

Estacionariedade de uma Série

•

Escolha de um modelo para representar os dados da Série.

MÉTODO

•

Estimação do Modelo Escolhido

•

Box

–

Jenkins

•

Validação do Modelo

•

Ljung-Box Test

•

Shapiro-Wilk Test

•

Previsão

•

Análise da Previsão

RESULTADOS

Medida de Posição/Dispersão

Valor

Media (Desvio Padrão)

192,06 (160,16)

Mediana

146

Moda

30,6

–

112,2

Máximo

770,4

RESULTADOS

•

Modelo ARIMA (1,0,0)

•

Validação

Teste

P-Valor

Ljung-Box

0,6954

RESULTADOS

Previsão

LO 80

HI 80

LO 95

HI 95

Jul 2017

350,06

176,12

523,99

84,04

616,06

Ago 2017

276,29

79,36

473,21

-24,88

577,46

Set 2017

237,13

34,19

440,06

-73,23

547,49

Out 2017

216,34

11,74

420,93

-96,56

529,24

Nov 2017

205,30

0,24

410,36

-108,31

518,92

Dez 2017

199,44

-5,74

404,64

-114,37

513,26

Jan 2018

196,33

-8,89

401,56

-117,53

510,21

RESULTADOS

Teste

Coeficiente / P-valor

Correlação de Spearman

-0,1878

CONCLUSÃO

•

Esse modelo é recomendado para realizar previsões do total de precipitação

mensal na cidade do Recife?

REFERÊNCIAS

•

Análise de Séries Temporais

–

Morettin

•

https://cran.r-project.org/web/packages/forecast/forecast.pdf

Análise estatística de dados da

personalidade com relação ao

gosto musical

Delando Júnior

Flávia Brasileiro

Motivação

● 5 desafios do Spotify

○ O que recomendar para novos usuários?

Arquitetura do Sistema

Personalidade - BigFive

O

penness

C

onscientiousness

E

xtraversion

A

greeableness

N

euroticism

Personalidade - BigFive

O

penness

C

onscientiousness

E

xtraversion

A

greeableness

N

euroticism

Personalidade - BigFive

O

penness

C

onscientiousness

E

xtraversion

A

greeableness

N

euroticism

+

-

Confiáveis

Trabalhadores

Dedicados.

Impulsivos

Dispersos

Personalidade - BigFive

O

penness

C

onscientiousness

E

xtraversion

A

greeableness

N

euroticism

+

-Sociáveis

“Alma da Festa”

Preferem estar

com outras

pessoas

Introvertidos

Inclinação para a

quietude

Personalidade - BigFive

O

penness

C

onscientiousness

E

xtraversion

A

greeableness

N

euroticism

+

-Generosos

Honestos

Preocupados com o

bem-estar dos

outros

Cínicos e

Céticos sobre o

mundo ao seu

redor

Personalidade - BigFive

O

penness

C

onscientiousness

E

xtraversion

A

greeableness

N

euroticism

Spotify Features

Accousticness

Medida de confiança se

uma faixa é Acoustica.

Spotify Features

Accousticness

Medida de confiança se

uma faixa é Acoustica.

Danceability

Analisa o nível de

dançabilidade de uma

música.

Spotify Features

Accousticness

Medida de confiança se

uma faixa é Acoustica.

Danceability

Analisa o nível de

dançabilidade de uma

música.

Energy

Representa a intensidade e

atividade da música.

Spotify Features

Accousticness

Medida de confiança se

uma faixa é Acoustica.

Danceability

Analisa o nível de

dançabilidade de uma

música.

Energy

Representa a intensidade e

atividade da música.

Instrumentalness

Analisa se uma música

possui vocais, ou seja é

instrumental ou não.

Spotify Features

Accousticness

Medida de confiança se

uma faixa é Acoustica.

Danceability

Analisa o nível de

dançabilidade de uma

música.

Energy

Representa a intensidade e

atividade da música.

Liveness

Verifica se a música foi

gravado ao vivo.

Instrumentalness

Analisa se uma música

possui vocais, ou seja é

instrumental ou não.

Spotify Features

Accousticness

Medida de confiança se

uma faixa é Acoustica.

Danceability

Analisa o nível de

dançabilidade de uma

música.

Energy

Representa a intensidade e

atividade da música.

Liveness

Verifica se a música foi

gravado ao vivo.

Tempo

Representa o andamento

da música, ou seja a

velocidade ou ritmo.

Instrumentalness

Analisa se uma música

possui vocais, ou seja é

instrumental ou não.

Spotify Features

Accousticness

Medida de confiança se

uma faixa é Acoustica.

Danceability

Analisa o nível de

dançabilidade de uma

música.

Energy

Representa a intensidade e

atividade da música.

Liveness

Verifica se a música foi

gravado ao vivo.

Tempo

Representa o andamento

da música, ou seja a

velocidade ou ritmo.

Valence

Descreve a positividade de

cada música.

Instrumentalness

Analisa se uma música

possui vocais, ou seja é

instrumental ou não.

Spotify Features

Accousticness

Medida de confiança se

uma faixa é Acoustica.

Danceability

Analisa o nível de

dançabilidade de uma

música.

Energy

Representa a intensidade e

atividade da música.

Liveness

Verifica se a música foi

gravado ao vivo.

Tempo

Representa o andamento

da música, ou seja a

velocidade ou ritmo.

Valence

Descreve a positividade de

cada música.

Instrumentalness

Analisa se uma música

possui vocais, ou seja é

instrumental ou não.

Popularity

Define a popularidade da

música, o quanto ela é

escutada no mundo.

Dados Coletados

18

● Idade entre 18 e 30 anos

● 16 mulheres e 15 homens

● Possuíam em média 32

curtidas.

60 registros

47 usuários completos

I. Teste de Correlação

II. Teste de Normalidade

III. Regressão Multivariada

Testes realizados

Resultados

Estatística descritiva dos dados

Resultados

Estatística descritiva dos dados (SD)

Acousticness

-

0,100766

Conscientiousness

-

0,195710

Danceability

-

0,072069

Neuroticism

-

0,136510

Energy

-

0,070950

Extraversion

-

0,129174

Instrumentalness -

0,171048

Openness

-

0,149890

Liveness

-

0,075641

Agreeableness

-

0,182463

Tempo

-

5,461756

Valence

-

0,091290

Popularity

-

8,664435

I. Teste de Correlação

2 variáveis de entrada e uma de saída

apresentaram correlação com mais de

60%

e

foram excluídas.

Resultados

II. Teste de Normalidade multivariada

➔

H0: Y é normal multivariada

➔

Ha: Y não é normal multivariada

Foi realizado o teste

Shapiro-Wilk

e obteve

um

P-value

0,001023

.

Conclui-se que os dados

_não

seguem

normalidade.

Resultados

Resultados

III. Regressão Multivariada

Foi

realizada

uma

regressão

linear

multivariada através da fórmula:

Y = Xβ +

ε

Onde:

Y - Matriz das Respostas

ε

- MSE

X

- Matriz das Regressoras

β - Matriz de coeficientes

Resultados

III. Regressão Multivariada

Foi realizado o cálculo da matriz de

coeficientes através da fórmula:

β = (X

T

_X)

-1

_X

T

_Y

Onde:

β - Matriz de coeficientes

X

- Matriz das Regressoras

Y - Matriz das Respostas

Resultados

III. Regressão Multivariada

β - Matriz de coeficientes

Resultados

III. Regressão Multivariada

Para achar o erro quadrático médio foi

calculado o Ŷ através da fórmula:

Ŷ =Xβ

Onde:

Ŷ - Matriz de resposta ideal

X - Matriz das Regressoras

β - Matriz de Coeficientes

Resultados

III. Regressão Multivariada

Por fim o Erro Quadrático Médio (MSE) é

calculado pela seguinte equação:

ε

= Σ(Y - Ŷ)

2

_/n

Onde:

ε

- MSE

n - Tamanho da

Y - Resposta Real

amostra

Ŷ - Resposta Ideal

Resultados

III. Regressão Multivariada

MSE = 0,08014671

Conclusão

● Podemos concluir que utilizando esta

métrica, regressão multivariada, o

modelo tem um bom ajuste para

predição.

Análise e Inferências

dos Dados do SAMU

Equipe

@bao | @gml | @rjos

Dados - Análise Descritiva

Solicitações do SAMU

DATABASE DO SAMU ENTRE

2011-2014

●

Número de variáveis variando entre 21 e 22;

●

Número de amostras variando entre 120k e 170k, dependendo do ano;

É possível inferir as informações mais diversas, como:

●

Bairro com maior número de chamados;

●

Causa do chamado;

●

Idade média dos pacientes;

DATABASE DO SAMU ENTRE

2011-2014

Decidimos analisar:

1. A ocorrência de trotes;

TROTES NO SAMU ENTRE

2011-2014

●

Em uma coluna de descrição, alguns exemplos são descritos como

“trote”, o que permite perceber as ocorrências;

●

É dito que não há paciente no endereço, caracterizando a ocorrência.

Testes de Aderência

Teste de Hipóteses

A média de trotes ao longo dos

TESTE DE HIPÓTESES

H

₀

: a média de trotes ao longo dos anos é igual.

H

₁

: a média de trotes ao longo dos anos é diferente.

TESTE DE FRIEDMAN

TESTE DE NEMENYI

A um nível de 95%

de confiança,

rejeita-se a hipótese

nula!

Diferença:

Significativa

Teste de Hipóteses

A taxa de solicitações ao SAMU que

necessitam de ambulância nas ruas

O

TREINAMENTO

E A

EXPERIÊNCIA

LEVARAM À

SOLUÇÃO EFICIENTE

DE CASOS QUE PODERIAM TER SIDOS RESOLVIDOS NA ORIGEM DA

CHAMADA.

Concluídas

Descartadas

_{Duplicação; Desistência;}

Removido antes do atendimento;

Recusa de remoção do local; Casa

fechada; > 12H de Solicitação

Regulação por

Telefone

Ocorrências Absolutas

Com ambulância: 40.680

Sem ambulância: 89.943

Ocorrências Absolutas

Com ambulância: 40.989

Sem ambulância: 78.653

Ocorrências Absolutas

Com ambulância: 52.690

Sem ambulância: 91.156

Ocorrências Absolutas

Com ambulância: 105.430

Sem ambulância: 68.470

TESTE DE HIPÓTESES

H

₀

: a proporção de ambulâncias necessárias nas ruas é

igual.

H

₁

: a proporção de ambulâncias necessárias nas ruas é

diferente.

“

Com 95% de confiança, temos evidências

suficientes para afirmar que a demanda por

ambulâncias muda de acordo com as amostras

“

TESTE DE PROPORÇÃO

2011 - 2012

2012 - 2013

2013 -2014

H

: p

> p

Análise estatística de dados de

Agricultura.

MOTIVAÇÃO



As variáveis ambientais de cultivos em uma estufa estão correlacionadas?



Backward

Elimination.



De acordo com os dados em análise, como podemos predizer a temperatura (estimativa)

dado que esse atributo possui uma importância relevante para o experimento ? -



Regressão

Base de Dados

Os dados utilizados neste projeto são de uma base própria,

a mesma que foi extraída de um ambiente controlado.

Os dados foram coletados de uma WSN, de três modelos diferentes:

•

Irrigação com gotejamento

•

Irrigação com mangueira

Estrutura de dados

•

Três tabelas com 120 amostras cada, com a seguinte estrutura:

ID

hora

fecha

temperatura

Humedad relativ

Luz

CO2 Humedad de suelo

0 397

11:05:15

09/12/2016

25

32

1330

18

620

1 398

11:05:47

09/12/2016

25

32

1291

18

618

2 399

11:06:19

09/12/2016

25

31

3309

18

617

3 400

11:06:51

09/12/2016

25

31

3206

18

616

Procedimentos realizados



Teste de normalidade (Kolmogorov e Shapiro);



Análise de componentes principais



Teste de hipóteses;



Correlação;

Análise de componentes principais PCA

Análise de componentes principais PCA

Análise de componentes principais PCA

Análise de componentes principais PCA

Análise de componentes principais PCA

Análise de componentes principais PCA

Análise de componentes principais PCA

Análise de componentes principais PCA

Análise de componentes principais PCA

Teste de Normalidade

Variáveis

Kolmogorov

Shapiro

Temperatura

1.134e-06

5.372 e-10

CO2

0.001492

2.677e-11

Humidade relativa

0.01035

5.429e-07

Luz

4.766e-06

2.114e-10

Correlação

Variáveis

Pearson

Temperatura

Luz

0.7882072

Temperatura

CO2

-0.1782011

Temperatura

Humidade Relativa

-0.8419033

Regressão

Variáveis

Erro padrão

P-value

Humidade Relativa

0.0201078

5.30e-13

Luz

0.0001097

5.31e-16

CO2

0.0783606

0.000388

Humidade do Solo

0.0014348

0.001424

F-statistics

156.2 df = 4, 81

Resultados:

MSE_gotejamento:

1.4953354808878123

MSE_manguera:

2.0974013096620396

MSE_sem_irrigacao:

0.40128849065914873

R2_score_gotejamento:

0.8283594619803422

R2_score_manguera:

0.8165340107099079

Conclusão

Ao ser aplicada a técnica

Backward Elimination

_{, foi possível verificar}

que nenhuma variável poderia ser descartada, pois todas são

importantes para que o modelo proposto possa realizar uma boa

aproximação da função Temperatura.

Regressão Logística e SVM

para Detecção de Ataque

Cardíaco

Universidade Federal de Pernambuco

Centro de Informática - Cin

Sumário

1.

Introdução

a.

Definição do Problema

2.

Base de Dados

3.

Análise dos Dados

4.

Modelagem

Introdução

●

O músculo cardíaco precisa de um fornecimento constante de sangue rico em

oxigênio.

●

As artérias coronarianas, que se ramificam da aorta assim que esta sai do coração,

fornecem esse sangue.

Problema

●

É possível prever esses problemas utilizando

○

Regressão Logística

○

Máquina de Vetores de Suporte

Base de Dados

Dados coletados de 4 locais:

1.

Cleveland Clinic Foundation

2.

Hungarian Institute of Cardiology, Budapest

3.

V.A. Medical Center, Long Beach, CA

Base de Dados

age

: Idade em anos

sex

: sexo (1 = Homem; 0 = Mulher)

cp

: Tipo de dor no peito (4 tipos diferentes: 1 à 4)

trestbps

: pressão sanguínea em repouso (

_{milímetro (mm) de mercúrio (Hg)}

)

chol

: colesterol

fbs

: (gordura no sangue > 120 mg/dl) (1 = true; 0 = false)

restecg

: resultados do ecg-- 0: normal - 1: anormal tipo 1 - 2: anormal tipo 2

thalach

: frequência cardíaca máxima atingida

exang

: angina (dor no peito ) provocada por exercício (1 = yes; 0 = no)

oldpeak:

depressão ST

slope

: tamanho da depressão 1 à 3

ca

: number of major vessels (0-3)

thal:

3 = normal; 6 = fixed defect; 7 = reversable defect

num:

diagnóstico final (angiographic disease status) --

0:

Sem Problema detectado

Base de Dados

(

Missing values

)

Base de Dados

(

Missing values

)

Remoção pela

mediana

Modelagem (Regressão Logística)

Assumimos que:

●

A saída é binária;

●

Há uma relação linear entre a saída

logit

e cada variável.

a.

logit(p) = log(p/(1-p))

, onde p é a probabilidade de saída.

●

Não há outliers ou valores extremos;

Correlação das

Variáveis

●

Multicolinearidade é um problema

Modelagem (Regressão Logística)

“> model <- glm(num ~.,family=binomial(link='logit'),data=data)

> summary(model)

Modelagem (Regressão Logística)

“> model <- glm(num ~.,family=binomial(link='logit'),data=data[,-c(1)])

> summary(model)

Modelagem (Regressão Logística)

“> model <- glm(num ~.,family=binomial(link='logit'),data=data[,-c(1,4)])

> summary(model)

Modelagem (Regressão Logística)

“> model <- glm(num ~.,family=binomial(link='logit'),data=data[,-c(1,4,8)])

> summary(model)

Modelagem (Regressão Logística)

“> model <- glm(num ~.,family=binomial(link='logit'),data=data[,-c(1,4,8,7)])

> summary(model)

Modelagem (Regressão Logística)

“> model <- glm(num ~.,family=binomial(link='logit'),data=data[,-c(1,4,8,7,5)])

> summary(model)

Modelagem (Regressão Logística)

“> model <- glm(num ~.,family=binomial(link='logit'),data=data[,-c(1,4,8,7,5,6)])

> summary(model)

Modelo 2 (Support Vector Machinne)

“> model_svm <- svm(num~., train, kernel = "radial", cost = 1, gamma=0.01)

> summary(model)

Experimentos

●

30 repetições com 10 fold cada

●

Base de dados contém 294 amostras

●

Treino: 80%

Comparando a Taxa de Acerto Média

Δμ != 0

Conclusão

●

É possível o uso, tanto da Regressão Logística quanto do SVM, para predição de problema arterial

coronário.

●

Os resultados obtidos através dos teste de

Wilcoxon Pareado para diferença das médias

Uma abordagem baseada em PLN e AG para apoiar

a mediação pedagógica em fóruns de discussão

(ABED, 2015, 2016)

(XIA

et al.

, 2013)

Motivação

Consolidação da EAD

Importância dos fóruns

Motivação

(DRINGUS e ELLIS, 2005; SCHEUER, 2008; ALMATRAFI

et al

., 2017)

Dificuldade de

acompanhamento das

discussões por parte

do professor/tutor

Como apoiar a mediação pedagógica em fóruns educacionais

considerando o grande número dúvidas e respostas que surgem

ao longo das discussões?

Problema de pesquisa

Objetivo

Apresentar uma abordagem capaz de

identificar automaticamente os gêneros

das postagens (Dúvida, Neutra e

Resposta) em fóruns educacionais.

Objetivo

Dúvida direta

Poderiam explicar novamente o tema X?

6

Principais características da abordagem

● A montagem dos

bags-of-words

e dos vetores de

características considera classes gramaticais (Verbo,

Substantivo, Pronome, Adjetivo e Advérbio);

7

1. Considerar as classes gramaticais melhora o desempenho

da abordagem?

Perguntas levantadas

8

2. O uso do AG para ajustar os parâmetros do SVM implica em

um melhor índice de classificação das postagens?

Hipótese nula

Hipótese alternativa

H

₀

A

f-measure

obtida ao considerar

as funções gramaticais é menor

ou igual à

f-measure

obtida sem

considerar as funções gramaticais

H

_a1

A

f-measure

obtida ao considerar

as funções gramaticais é maior

que a

f-measure

obtida sem

considerar as funções gramaticais

Hipóteses levantadas

Hipótese nula

Hipótese alternativa

H

₀

A

AG é menor ou igual à

f-measure

obtida com o uso do

f-measure

obtida sem o uso do AG

H

a2

A

f-measure

obtida com o uso do

AG é maior que a

f-measure

obtida sem uso do AG

Hipóteses levantadas

Hipótese nula

Hipótese alternativa

H

₀

A

f-measure

obtida com a

abordagem proposta é menor ou

igual à

f-measure

obtida com o

algoritmo proposto em Rolim

et al.

(2016).

H

_a3

A

f-measure

obtida com a

abordagem proposta é maior que

a

f-measure

obtida com o

algoritmo proposto em Rolim

et

al.

(2016).

Hipóteses levantadas

Preparação da Base

12

1. Extração do AVA da UFAL (Universidade Federal de

Alagoas)

2. 600 instâncias (200 dúvidas, 200 neutras e 200 respostas)

3. Execução do algoritmo

AG + Classes Gramaticais Sem AG + Classes Gramaticais AG + Sem Classes Gramaticais

0,980 0,985 0,983 0,987 0,983 0,950 0,950 0,955 0,948 0,953 0,858 0,844 0,872 0,825 0,870 0,985 0,983 0,988 0,983 0,982 0,953 0,955 0,955 0,952 0,947 0,870 0,830 0,872 0,855 0,854 0,982 0,982 0,980 0,982 0,985 0,953 0,958 0,953 0,950 0,958 0,740 0,854 0,879 0,848 0,819 0,983 0,985 0,985 0,982 0,983 0,955 0,952 0,952 0,960 0,955 0,822 0,846 0,848 0,866 0,854 0,982 0,982 0,988 0,980 0,977 0,957 0,950 0,955 0,955 0,950 0,828 0,881 0,854 0,817 0,846 0,985 0,983 0,987 0,983 0,982 0,948 0,958 0,957 0,957 0,953 0,861 0,868 0,774 0,852 0,842

Resultados

13

Rolim et al. (2016)

0,980 0,985 0,983 0,987 0,983

0,985 0,983 0,988 0,983 0,982

0,982 0,982 0,980 0,982 0,985

0,983 0,985 0,985 0,982 0,983

0,982 0,982 0,988 0,980 0,977

Análise dos dados

P-value

0.1863

Teste de normalidade Shapiro-wilk

_Min

_Max

_Mediana

_Média

_Desvio

0.9767

0.9883

0.9833

0.9832

0.0025

AG + Classes Gramaticais

14

Análise dos dados

P-value

0.5246

Teste de normalidade Shapiro-wilk

_Min

_Max

_Mediana

_Média

_Desvio

0.9466

0.9600

0.9534

0.9535

0.0033

Sem AG + Classes Gramaticais

15

Análise dos dados

P-value

0.0002277

Teste de normalidade Shapiro-wilk

Min

Max

Mediana

Média

Desvio

0.7402

0.8811

0.8527

0.8449

0.0299

AG + Sem Classes Gramaticais

16

Análise dos dados

P-value

0.5918

Teste de normalidade Shapiro-wilk

Min

Max

Mediana

Média

Desvio

0.9317

0.9767

0.9568

0.9563

0.0098

Rolim

et al

. (2016)

17

Testes de Hipóteses

Hipótese nula

Hipótese alternativa

H

₀

A

f-measure

obtida ao considerar

as funções gramaticais é menor

ou igual à

f-measure

obtida sem

considerar as funções gramaticais

H

_a1

A

f-measure

obtida ao considerar

as funções gramaticais é maior

que a

f-measure

obtida sem

considerar as funções gramaticais

P-value

1.504e-11

Com o nível de significância igual a

0.05, há evidências para rejeitar

H

₀

18

Testes de Hipóteses

Hipótese nula

Hipótese alternativa

H

₀

A

AG é menor ou igual à

f-measure

obtida com o uso do

f-measure

obtida sem o uso do AG

H

a2

A

f-measure

obtida com o uso do

AG é maior que a

f-measure

obtida sem uso do AG

P-value

2.2e-16

Com o nível de significância de

0.05, há evidências para rejeitar

H

₀

19

Testes de Hipóteses

Hipótese nula

Hipótese alternativa

H

₀

A

f-measure

obtida com a

abordagem proposta é menor ou

igual à

f-measure

obtida com o

algoritmo proposto em Rolim.

H

_a3

A

f-measure

obtida com a

abordagem proposta é maior que

a

f-measure

obtida com o

algoritmo proposto em Rolim.

P-value

3.97e-16

Com o nível de significância igual a

0.05, há evidências para rejeitar

H

₀

20

Considerações finais

● Foi possível perceber que considerar as classes gramaticais na

preparação do

bag-of-words

e dos vetores de características

implica em melhoria no processo de classificação.

● A adoção do Algoritmo Genético para parametrizar o SVM

resultou em melhoria no processo de classificação.

● Não considerar caracteres como a interrogação não atrapalhou

no processo de classificação.

Referências

ABED. (2015). Relatório analítico da aprendizagem a distância no Brasil. Retrieved from

http://abed.org.br/arquivos/Censo_EAD_2015_POR.pdf

ABED. (2016). Relatório analítico da aprendizagem a distância no Brasil. Retrieved from

http://abed.org.br/censoead2016/Censo_EAD_2016_portugues.pdf

Almatrafi, O., Johri, A., Rangwala, H. (2017) Needle in a haystack: Identifying learner posts that require

urgent response in MOOC discussion forums. In: Computers & Education, v.118, p. 1-9.

Dringus, L. P., Ellis, T. (2005). Using data mining as a strategy for assessing asynchronous discussion

forums. In:

Computers & Education

, v.45, n.1, p. 141–160

Rolim, V. V., Ferreira, R., Costa, E. (2016). Identificação Automática de Dúvidas em Fóruns

Educacionais. In: XXVII Simpósio Brasileiro de Informática na Educação (SBIE 2016), p. 936-945

Scheuer, O., McLaren, B. M. (2008). Helping Teachers Handle the Flood of Data in Online Student

Discussions. In:

Intelligent Tutoring Systems

, p. 323-332.

Xia, J. C., Fielder, J., Siragusa, L. (2013). Achieving better peer interaction in online discussion forums: A

reflective practitioner case study. In:

Issues in Educational Research

, v.23, n.1, p. 97-113

Uma abordagem baseada em PLN e AG para apoiar

a mediação pedagógica em fóruns de discussão

Satisfação de

usuários de

telefonia móvel

pré-paga no Brasil

Justificativa

Objetivo

A pesquisa

A Agência Nacional de Telecomunicações (ANATEL) realizou uma pesquisa para aferição do

grau de satisfação e de qualidade percebida junto aos usuários do Serviço Móvel Pessoal

(SMP) pré-pago. Tendo como público alvo usuários do serviço com idade mínima de 18 anos,

e na condição de usuário principal do serviço.

Quanto às operadoras, foram pesquisadas apenas aquelas que contam com no mínimo 10

mil usuários de pessoas físicas ativos em cada UF da pesquisa.

O instrumento

O questionário aplicado conta com 52 questões divididas em 4 tipos:

1.

variáveis que têm como resposta 1 = Sim ou 2 = Não;

2.

variáveis medidas em uma escala de percepção de qualidade, que varia de 0

(Péssimo) a 10 (Excelente);

3.

variáveis que não possuem opções de escolha, apenas entrada direta de

informações; e

Variáveis de interesse

J1

(TIPO 2): Nível de satisfação geral do entrevistado com a prestadora citada, levando

em conta toda a experiência com esta.

Sobre a amostra (descritiva)

Satisfação por Operadora

Operadora

N

Mediana (J1)

Média (J1) Desvio Padrão (J1)

ALGAR

1977

8

7.633

2.286

CLARO

17895

7

6.9

2.614

OI

17478

7

6.713

2.652

SERCOMTEL

659

8

7.824

2.156

TIM

17671

7

6.851

2.491

VIVO

17972

8

7.023

2.569

Sobre a amostra (descritiva)