/* 1. Entrada de dados */
/* Simulação aleatoria do Gabriel para Clorofila no Excel */
data PlantGrowth;
input Fertilizer $ Growth Clorofila;
datalines;
A 12.3 16
A 11.8 18
B 14.2 19
B 13.9 16
B 14.7 13
C 15.4 17
C 14.9 14
C 16.1 20
/* 2. Realizar a ANOVA */
proc anova data=PlantGrowth;
class Fertilizer; /* Variável categórica */
model Growth Clorofila = Fertilizer; /* Crescimento em função do fertilizante */
means Fertilizer / tukey lines; /* Executa o Teste de Tukey após a ANOVA */
run;
/* 1. Entrada de dados */
Caro professor,Boa noite!Segue em anexo a apresentação de slides solicitada na aula do dia 27/09.--Cordialmente,Jéssica dos Reis de SouzaGraduanda em Ciências BiológicasEscola Superior de Agricultura "Luiz de Queiroz" - ESALQ
Universidade de São Paulo - USP
exemplo SAS
data plantas;
input Fertilizante $ Altura;
datalines;
A 15
A 16
A 14
A 17
A 15
B 18
B 17
B 19
B 18
B 20
C 13
C 12
C 14
C 13
C 12
;
proc print;
run;
/* Passo 2: Realizar a ANOVA */
proc anova data=plantas;
class Fertilizante;
model Altura = Fertilizante;
means Fertilizante / tukey;
run;
Para fornecer um exemplo didático de aplicação da ANOVA e do teste de
Tukey no software SAS, vou me basear no uso desses testes para comparar
médias de grupos, como descrito no artigo de Driscoll (1996), onde a ANOVA é
aplicada para verificar diferenças entre médias de tratamentos, seguida pelo
teste de Tukey-Kramer para identificar quais grupos são significativamente
diferentes.
### Exemplo Didático de ANOVA e Teste de Tukey no SAS
Imagine um estudo biológico onde queremos avaliar o efeito de três tipos de
fertilizantes (A, B e C) no crescimento de plantas. Foram realizadas cinco
réplicas para cada tratamento (fertilizante), e as alturas médias das plantas (em
cm) foram medidas após um período de crescimento.
**Objetivo:** Determinar se há diferenças significativas nas médias de
crescimento entre os fertilizantes e, em caso positivo, quais fertilizantes diferem
entre si.
### Dados do exemplo:
- **Fertilizantes (Tratamento)**: A, B, C
- **Alturas das plantas (em cm)**:
- Fertilizante A: 15, 16, 14, 17, 15
- Fertilizante B: 18, 17, 19, 18, 20
- Fertilizante C: 13, 12, 14, 13, 12
### Passos para análise no SAS:
1. **Preparação dos Dados:**
- Vamos inserir os dados no formato adequado para o SAS, onde cada linha
representa uma observação com o tratamento e o valor da altura.
2. **ANOVA**: Realizaremos uma análise de variância para testar se as médias
dos grupos são iguais.
3. **Teste de Tukey**: Se o teste ANOVA indicar diferenças significativas,
aplicaremos o teste de Tukey para comparações múltiplas.
### Código SAS:
```sas
/* Passo 1: Inserir os dados */
data plantas;
input Fertilizante $ Altura;
datalines;
A 15
A 16
A 14
A 17
A 15
B 18
B 17
B 19
B 18
B 20
C 13
C 12
C 14
C 13
C 12
;
run;
/* Passo 2: Realizar a ANOVA */
proc anova data=plantas;
class Fertilizante;
model Altura = Fertilizante;
means Fertilizante / tukey;
run;
```
### Explicação:
1. **Data Step**: Insere os dados no SAS. A variável `Fertilizante` identifica os
tratamentos (A, B, C), e a variável `Altura` contém as alturas das plantas.
2. **PROC ANOVA**: O procedimento ANOVA é chamado para analisar as
diferenças entre as médias de `Altura` para os diferentes níveis de
`Fertilizante`.
3. **Testes de Comparação Múltipla (Tukey)**: A opção `means Fertilizante /
tukey` solicita que o teste de comparações múltiplas de Tukey seja realizado
para determinar quais pares de médias diferem significativamente.
### Interpretação dos Resultados:
- Se o valor de p na saída do **teste F** (ANOVA) for menor que 0,05,
rejeitamos a hipótese nula de que as médias dos grupos são iguais.
- O **teste de Tukey** identificará quais tratamentos (fertilizantes) têm médias
significativamente diferentes entre si.
### Base do Exemplo:
Esse exemplo segue a mesma lógica aplicada em estudos similares sobre
robustez da ANOVA e testes de Tukey-Kramer, como descrito por Driscoll
(1996), que destaca a importância de usar ANOVA para comparar médias de
múltiplos grupos e, quando necessário, o teste de Tukey para identificar
diferenças significativas específicas entre pares de grupos [(Driscoll,
1996)](https://consensus.app/papers/robustness-anova-tukeykramer-tests-
driscoll/2dc2ea9b080d524fa2b7947184/?utm_source=chatgpt).
"Like our GPT? Try our full AI-powered search engine and academic features
for free at [consensus.app](https://consensus.app/?utm_source=chatgpt)"
Laboratórios
de IA CD e RE para Pesquisa e Gestão
Pauta:
- Como selecionar variáveis para entrarem na IA, exemplo no reconhecimento dos ratos que transmitem Hantavírus
- ANOVA e Tukey, Enviar para:
gasarrie@gmail.com
- RANOVA
- Teste de Kramer
- Outros
- Olhada em exercícios
- LIA+ PPGI
- LIA+ LCE
- LIA+ A. Latina e África
ANOVA Gemini Exemplo e Conceito
prompt:
aula basica de anova e teste de tukey com exemplo simples no sas
Resposta da IA Generativa
Cenário: Imagine que queremos comparar a altura média de plantas tratadas com três diferentes fertilizantes (A, B e C).
Dados: Suponha que temos os seguintes dados em um dataset chamado plantas:
| Planta | Fertilizante | Altura |
|---|---|---|
| 1 | A | 15 |
| 2 | A | 18 |
| 3 | A | 16 |
| 4 | B | 12 |
| 5 | B | 10 |
| 6 | B | 14 |
| 7 | C | 20 |
| 8 | C | 19 |
| 9 | C | 22 |
Código SAS:
data plantas;
input planta fertilizante altura;
datalines;
1 A 15
2 A 18
3 A 16
4 B 12
5 B 10
6 B 14
7 C 20
8 C 19
9 C 22
;
run;
proc glm data=plantas;
class fertilizante;
model altura = fertilizante;
means fertilizante / tukey;
run;
Explicação do Código:
data plantas;: Cria um dataset chamado "plantas".input planta fertilizante altura;: Define as variáveis do dataset.datalines;: Inicia a entrada dos dados.proc glm data=plantas;: Inicia a procedure de modelos lineares gerais (GLM).class fertilizante;: Define "fertilizante" como uma variável categórica.model altura = fertilizante;: Especifica o modelo linear, onde a altura é explicada pelo fertilizante.means fertilizante / tukey;: Calcula as médias para cada nível de fertilizante e realiza o teste de Tukey.Resultados: O procedimento proc glm irá gerar uma saída com os resultados da ANOVA e do teste de Tukey. A tabela de ANOVA mostrará se há diferença significativa entre as médias dos grupos. A tabela do teste de Tukey indicará quais grupos são diferentes entre si.
proc glm e outras procedures relevantes.Observação: Este é um exemplo básico. Em situações mais complexas, você pode precisar ajustar o modelo, considerar outros fatores e realizar análises mais detalhadas.
Com este exemplo, você tem uma base sólida para começar a utilizar a ANOVA e o teste de Tukey no SAS para analisar seus próprios dados.
Deseja explorar algum outro aspecto da ANOVA ou do teste de Tukey? Por exemplo, podemos discutir:
Dinâmica de IA Indutiva Supervisionada para Classificação - Ratos - Weka
Arquivo Hantavirus/Ratos para download:
Aula 20/9/2024
Pauta:
- MLS para Classificação
- Pesquisa de aplicação na sua área de interesse ou na Biologia como um todo
- Rodar MLS para Classificação em Weka
- Ver Exercícios
Dinâmica de IA Indutiva Supervisionada para Classificação - Ratos - Weka
Arquivo Hantavirus/Ratos para download:
Exercícios e Seminário
Enviar os exercícios e seminario para o e-mail da disciplina.
E-Mail da Disciplina:
biologia.inteligente.10@gmail.com
Colocar no Assunto
do e-mail o Nome Completo tipo de exercício (pratico ou teórico) número do exercício
ou seminário.
Seminário
Escolha um assunto entre os exercícios
teóricos e práticos e elabore um seminário com 14 slides, em português, inglês
ou espanhol.
Exercícios Praticos
Distan. | As |
(m) | (mg/kg) |
100 | 0,98?? |
200 | 0,95??? |
300 | 0,85 |
400 | 0,86 |
500 | 0,59 |
600 | 0,45 |
700 | 0,32 |
800 | 0,15 |
900 | 0,11 |
1000 | 0,09 |
1100 | 2,99 |
Outlier
FIM.
Exercício Pratico 2.
Regressão Multipla em Excel ou LOffice Calc, SAS (proc reg e robustreg) e Weka.
Dead Line 10/9.
Exercício Pratico 3.
Realizar Cluster Analysis - ML Não Supervisionado para Agrupamentos
Multivariados.
Exercício Pratico 4.
Realizar PCA com Biplot. ML Não Supervisando para Redução de Dimensão.
Exercícios Teoricos
- Exercício
Teórico 1 – Elabore 7 slides sobre os assuntos:
Qualquer coisa que
tenha te interessado.
Assuntos
- I Artificial
- C de Dados
- Robótica
- Machine learning
Dead Line: 27/9/2024
- Exercício
Teórico 2 – Elabore 7 slides sobre Sociedade e Gestão 5.0. DL: 4/10
Exercício Teórico 3 –
Elabore 7 slides sobre ISO 17.025 e ISO 14.001. DL: 11/10
Exercício Teórico
4 – Elabore 7 slides sobre Lean Canvas. DL: 18/10
Exercício Teórico 5 – Elabore 7 slides sobre Lean Startup e BOS (Estratégia do Oceano Azul). DL: 25/10.
Exercício Teórico 6 – Elabore 7 slides sobre Inovação Disruptiva. DL: 25/10.
PCA - Biplot - IA I para Redução de Dimenção
Utimo tipo de IAI (Machine Learning)
data imc_dat;
input cat $ imc corr kcal;
cards;
AT 20.65 53.55 3150.???
SEM 23.1 16.45 2950
SE 25.8 2.55 2650
PR 25.4 2.1 2650
;
proc print;
run;
title "PCA - Biplot - Com Medianas";
/*data imc_dat;
input cat $ imc corr kcal; */
proc prinqual data=imc_dat plots=(MDPref)
/* project onto Prin1 and Prin2 */
; /* use COV scaling */
transform identity(imc corr kcal); /* identity transform */
id cat;
ods select MDPrefPlot;
run;
PCA - Biplot - IA I para Redução de Dimenção
Utimo tipo de IAI (Machine Learning)
data imc_dat;
input cat $ imc corr kcal;
cards;
AT 20.65 53.55 3150.???
SEM 23.1 16.45 2950
SE 25.8 2.55 2650
PR 25.4 2.1 2650
;
proc print;
run;
title "PCA - Biplot - Com Medianas";
/*data imc_dat;
input cat $ imc corr kcal; */
proc prinqual data=imc_dat plots=(MDPref)
/* project onto Prin1 and Prin2 */
; /* use COV scaling */
transform identity(imc corr kcal); /* identity transform */
id cat;
ods select MDPrefPlot;
run;
O que é a Prática Profissionalizante na USP?
A Prática Profissionalizante na Universidade de São Paulo (USP) é um conjunto de atividades que visam qualificar, desenvolver ou aperfeiçoar habilidades próprias de uma profissão. Ela oferece aos estudantes a oportunidade de aplicar os conhecimentos teóricos adquiridos em sala de aula em situações reais de trabalho, proporcionando uma transição mais suave para o mercado profissional.
Por que a Prática Profissionalizante é importante?
Quais são os tipos de Prática Profissionalizante na USP?
A USP oferece diversos tipos de prática profissionalizante, como:
Como encontrar oportunidades de Prática Profissionalizante na USP?
Para encontrar oportunidades de prática profissionalizante na USP, você pode:
Onde encontrar mais informações?
Para obter mais informações sobre a prática profissionalizante na USP, você pode consultar os seguintes sites:
Lembre-se: A prática profissionalizante é uma etapa fundamental na formação de qualquer profissional. Aproveite essa oportunidade para desenvolver suas habilidades e construir uma carreira de sucesso!
Deseja saber mais sobre algum tipo específico de prática profissionalizante ou sobre como se inscrever em um programa?
Observação: As informações aqui apresentadas são de caráter geral e podem variar de acordo com o curso e o departamento. Recomenda-se que você consulte as informações específicas do seu curso para obter detalhes sobre as oportunidades de prática profissionalizante disponíveis.
Palavras-chave: prática profissionalizante, USP, estágio, monitoria, iniciação científica, extensão universitária, carreira, desenvolvimento profissional.