Exercícios Práticos e Seminário

              Exercícios Práticos e Seminário

Fazer individualmente ou em duplas.

Whatsapp do Gabriel:  019-988-627-438

 

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

Exercício Prático 1 – Resolva no Excel ou LO Calc. A distancia afeta a concertracao de As no biomonitor? Prazo: 29/8/2025

     Biomonitor Garcina gardineriana (folhas) para  As na Mata Atlântica

Dados para Importar:

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

 

Exercício Pratico 2.  Resolva no Excel ou LO Calc. A distancia afeta a concertracao de As no biomonitor? Agora com o outlier (dado fora de contexto, atipico). Prazo: 29/8/2025.

Dados para Importar:

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

Exercício Pratico 3 - Resolva com Regressão Robusta em SAS. A distancia afeta a concertracao de As no biomonitor? Agora com o outlier (dado fora de contexto, atipico). Prazo: 5/9/2025.

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

Arquivo de Resultados e Discussão

Clicar Aqui !!!

Outro arquivo com Resultados e Discussão

Clicar aqui !!!

Exercício Pratico 4. Regressão Multipla em Excel ou LOffice Calc, SAS (proc reg e robustreg) e Weka. Dead Line 10/9.

data bda;

input DBO ICobV ICArb Bcont Dis_Pl IBD_A;

cards;

1.604 89 60 11 9 90.??

0.385 90 61 10 8.9 91

0.216 91 62 9 9.1 92

0.303 90 59 10 8.8 89

1.961 20 12 81 0.2 20

0.782 21 14 79 0.3 22

0.57 22 15 78 0.25 23

2.187 22 12 77 0.2 24

0.764 59 35 41 6 60

0.273 60 32 40 6.5 61

1.883 64 33 38 5.8 63

0.581 62 32 37 5.6 62

0.18 79 50 21 8.2 80

0.007 80 49 20 7.8 79

2.028 80 48 18 8.2 81

2.431 79 47 21 7.7 78

0.216 92 61 9.1 9.5 23

;

/*

input DBO ICobV ICArb Bcont Dis_Pl IBD_A;

*/

proc robustreg;

model IBD_A = DBO ICobV ICArb Bcont Dis_Pl / diagnostics;

run;

Resultado do Ex. 4

Clicar Aqui !!!

Exercício Pratico 5 - aplicar IAIN para Redução de Dimensão no Exercício Pratico 4. DL: 19/9/2025

data biodiv;

input DBO ICobV ICArb Bcont Dis_Pl IBD_A;

datalines;

1.604 89 60 11 9 90.??

0.385 90 61 10 8.9 91

0.216 91 62 9 9.1 92

0.303 90 59 10 8.8 89

1.961 20 12 81 0.2 20

0.782 21 14 79 0.3 22

0.57 22 15 78 0.25 23

2.187 22 12 77 0.2 24

0.764 59 35 41 6 60

0.273 60 32 40 6.5 61

1.883 64 33 38 5.8 63

0.581 62 32 37 5.6 62

0.18 79 50 21 8.2 80

0.007 80 49 20 7.8 79

2.028 80 48 18 8.2 81

2.431 79 47 21 7.7 78

0.216 92 61 9.1 9.5 23

;

proc print;

run;

proc prinqual plots=(MDPref);

   transform identity(DBO ICobV ICArb Bcont Dis_Pl IBD_A);  

   ods select MDPrefPlot;

run;

Clicar Aqui

Ex. Pratico 6 - Procurar um banco de dados na Internet para aplicar Regressão Robusta e IA I Não S para Redução de Dimensão PCA-Biplot. DL: 3/10

Ex. Pratico 7 - IAI Não Supervisionada para Agrupamentos e Distâncias Multivariados. DL: 10/10

 

Inteligência artificial indutiva não supervisionada (Machine Learning) para classificação  - Cluster analysis

Tipos de Machine Learning

Fonte de Dados Sebrae

https://www.isdel-sebrae.com/c%C3%B3pia-in%C3%ADcio-1

Cidade: Caxias do Sul

Tabela Excel dos Dados

 

Cidade	Regiao	Cid_reg	Habitantes	IDH	Rend_Cap	Cap_Empr	Teci_Emr	Gov_Descn	Org_Prod	Ins_Compet	Edu_Empr
Piracicaba	SE	Pir_SE	439	0,785	1,14	0,54	0,695	0,796	0,598	0,761	0,004
Sao_Car	SE	SC_SE	252	0,805	1,08	0,686	0,653	0,812	0,564	0,788	0,002
Sao_Jose	SE	SJ_SE	461	0,797	1,17	0,613	0,73	0,648	0,597	0,769	0,011
Mon_Clar	SE	MC_SE	409	0,77	0,65	0,481	0,651	0,696	0,549	0,666	0,124
Rondono	CO	Ron_CO	232	0,755	0,84	0,452	0,509	0,626	0,567	0,651	0
Anápolis	CO	Aná_CO	387	0,737	0,79	0,481	0,645	0,695	0,562	0,708	0
Camp_Gra	NE	CG_NE	410	0,72	0,63	0,458	0,565	0,683	0,571	0,59	0,584
Petroli	NE	Pet_NE	349	0,697	0,61	0,419	0,43	0,678	0,528	0,57	0,009
Rio_Bran	Norte	RB_Norte	407	0,727	0,74	0,342	0,47	0,663	0,486	0,503	0,0009
Boa_Vista	Norte	BV_Norte	399	0,752	0,79	0,338	0,458	0,538	0,502	0,585	0,082
Maringa	S	Mar_S	424	0,808	1,2	0,652	0,753	0,791	0,611	0,765	0,01
Cax_Sul	S	CS_S	347	0,75	0,95	0,446	0,715	0,654	0,559	0,715	0,046

 

  Inteligência artificial indutiva (Machine Learning) não supervisionada para classificação - Cluster analysis

Cluster e Dendrograma de todas as cidades, programa SAS: 

data cidades;

input Cid_reg $ IDH Rend_Cap Cap_Empr Teci_Emr Org_Prod Ins_Comp;

cards;

Pir_SE 0.785 1.14 0.54 0.695 0.598 0.761??

SC_SE 0.805 1.08 0.686 0.653 0.564 0.788

SJ_SE 0.797 1.17 0.613 0.73 0.597 0.769

MC_SE 0.77 0.65 0.481 0.651 0.549 0.666

Ron_CO 0.755 0.84 0.452 0.509 0.567 0.651

Ana_CO 0.737 0.79 0.481 0.645 0.562 0.708

CG_NE 0.72 0.63 0.458 0.565 0.571 0.59

Pet_NE 0.697 0.61 0.419 0.43 0.528 0.57

RB_Norte 0.727 0.74 0.342 0.47 0.486 0.503

BV_Norte 0.752 0.79 0.338 0.458 0.502 0.585

Mar_S 0.808 1.2 0.652 0.753 0.611 0.765

CS_S 0.75 0.95 0.446 0.715 0.559 0.715

;

proc print;

run;

proc cluster data=cidades outtree = arvore method = average;

var IDH Rend_Cap Cap_Empr Teci_Emr Org_Prod Ins_Comp;

id Cid_reg;

run;

PROC TREE DATA = arvore;

RUN;

Exercício Pratico . Realizar Cluster Analysis - ML Não Supervisionado para Agrupamentos Multivariados.

Exercício Pratico.  Realizar PCA com Biplot. ML Não Supervisando para Redução de Dimensão.

Exercício Pratico. ANOVA e Robust ANOVA - Seleção de Variáveis Preditoras para IA.