UNIVERSIDADE FEDERAL DE MINAS GERAIS INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA Coordenador: Carlos Camarão de Figueiredo Belo Horizonte,19 De Dezembro de 2012
DISCIPLINA: DCC001 PROGRAMAÇÃO DE COMPUTADORES Coordenador: Carlos Camarão de Figueiredo Aluno: Ana Carolina Fernandes Dias Matricula: 2012028824 Belo Horizonte,19 De Dezembro de 2012 1
Sumário Sumário... 2 1.Introdução... 3 2. Computação na área da Estatística... 4 3. Softwares Estatísticos - Pra que serve?... 8 3.1. Softwares mais utilizados:... 9 MINITAB:... 9 LINGUAGEM R:... 10 MATLAB:... 12 SPSS :... 13 SAS:... 14 4.Conclusão... 16 5.Referencias Bibliográfica... 17 2
1.Introdução Neste trabalho tenho a intenção de abordar o tema de estatística computacional, ou seja, como a programação é usada no curso da Estatística, e porque que é tão importante para a comunidade cientifica. Estatística computacional, é a interface entre as estatísticas e ciência da computação. Posso afirmar sem medo de errar que a estatística computacional é hoje em dia uma das ferramentas principais da Estatística. A Estatística é área da Matemática que coleta, analisa e interpreta dados numéricos para o estudo de fenômenos naturais, econômicos e sociais. O estatístico planeja e coordena o levantamento de informações por meio de questionários, entrevistas e medições, depois organiza, analisa e interpreta os resultados para explicar fenômenos sociais, econômicos ou naturais cabe a ele montar bancos de dados para os mais diversos usos, como controle de qualidade da produção de uma indústria, recenseamento populacional, pesquisa eleitoral ou lançamento de produtos no mercado de consumo. Na indústria, acompanha os testes de qualidade, ajuda a fazer previsão de vendas e desenvolve modelos matemáticos para ajustá-los a situações práticas. Em laboratório, cria tabelas para sistematizar os resultados de experimentos e pesquisas. Em geral manipulamos bancos de dados extensos que muitas vezes seria impossível, resolver a mão. A inferência Bayesiana é um dos exemplos típicos em que geralmente utilizamos uma abordagem computacional. O uso da programação facilita o trabalho de modo que o Estatístico passa a ter a possibilidade de gerar seus próprios programas para cálculo, criando macros e funções, ou usando softwares já existentes para facilitar seu trabalho. A intenção do trabalho é mostrar os benefícios do uso programação para o estatístico além de demonstrar alguns dos softwares mais utilizados e avaliando a capacidade de cada um. 3
2. Computação na área da Estatística O crescimento rápido e sustentado no poder de processamento dos computadores a partir da segunda metade do século XX teve um forte impacto na prática da estatística, pois análise computacional de dados é uma parte essencial das estatísticas modernas. O aumento dos recursos computacionais tem levado à popularização de métodos computacionais para facilitação de trabalhos e manuseios de bancos de dados extensos. A estatística utiliza cada vez mais do mercado tecnológico, pois o uso da programação fornece aos estatísticos, conhecimentos em pacotes estatísticos, buscando aplicar essas ferramentas no desenvolvimento de aplicações e resoluções de problemas, a utilização desses softwares é fundamental para obtermos bons e confiáveis resultados. A Evolução da informática e a mudança do papel dos cálculos em trabalho estatístico tiveram efeitos significativos sobre os currículos dos programas de educação estatísticos tanto em nível de graduação e pós-graduação. É importante ressaltar que estatísticos competentes não devem apenas ser capazes de executar programas já existentes, mas para entender os princípios em que eles trabalham. Eles também devem ser capazes de ler, modificar e escrever o código, para que eles possam montar as ferramentas computacionais necessárias para resolver os seus problemas de análise de dados. Treinamento em computação estatística é um componente importante em alguns programas acadêmicos. Em todos os programas acadêmicos, alguma quantidade de instrução de computação é necessária para o estudante que deverá trabalhar como estatístico por isso é obrigatório diante da grade curricular acadêmica a presença da disciplina de Programação de Computadores. A programação na estatística oferece: Autossuficiência: onde o estatístico cria seu próprio programa para análise de dados; 4
Praticidade: em bancos de dados muito extensos é quase impossível, analisar tudo a mão, o uso de softwares facilita a manipulação dos dados; Maior confiabilidade dos dados: Os softwares criados estão menos suscetíveis a erros quanto a analise dos dados. Métodos de computação intensiva tornaram-se amplamente utilizados para a inferência estatística. Os métodos de estatísticas computacionais envolvem: Reamostragem, partição e múltiplas transformações de um conjunto de dados. Fazer uso de dados artificiais gerados aleatoriamente Aproximação de funções. Análise numérica, Metodologia de banco de dados. Computação gráfica Engenharia de software A Implementação desses métodos, muitas vezes requerem técnicas avançadas de análise numérica, para que haja uma estreita ligação entre as estatísticas computacionais e computação estatística. Os avanços na computação permitiram que surgissem novos e mais complicados métodos estatísticos, eles permitem modelos melhores e mais detalhados, além de que muitas vistas alternativas dos dados podem ser examinadas, modelos diferentes podem ser exploradas e enormes quantidades de dados simulados podem ser utilizadas para estudar o modelo de dados e as possibilidades. Os avanços no poder computacional e desenvolvimentos de teoria, tem feito da inferência computacional uma alternativa viável e útil dos métodos padrão de inferência assintótica nas estatísticas tradicionais. Inferência computacional é baseada na simulação de modelos estatísticos. A capacidade de realizar um 5
grande número de computações quase instantaneamente e para exibir as representações gráficas dos resultados imediatamente abriu muitas novas possibilidades para análise estatística. O hardware e software para executar essas operações estão prontamente disponíveis e são acessíveis aos estatísticos sem conhecimento especializado em ciência da computação. Isto resultou em um feedback de duas vias entre a teoria estatística e computação estatística. A computação facilita o desenvolvimento da teoria estatística de duas maneiras: Uma maneira é a utilização de pacotes simbólicos computacionais para ajudar em derivações matemáticas (em particular na redução de ocorrências de erros). A outra maneira é na rápida exploração dos métodos de simulações. Em um sentido mais formal também, simulações permitem a avaliação e comparação de métodos estatísticos em várias alternativas. Este é um método de pesquisa amplamente utilizada. Por exemplo, 66 de 79 artigos publicados na seção Teoria e Métodos do Jornal da American Statistical Association em 2010 relataram em Monte Carlo estudos do desempenho de métodos estatísticos. Um dos resultados mais significativos dos desenvolvimentos em computação estatística durante as últimas décadas têm sido os pacotes de software estatístico. Os métodos específicos de uma análise estatística são muitas vezes determinada pelo software disponível. A importância da computação na estatística é também indicado pelo fato de que existem pelo menos 10 grandes revistas com títulos que contêm algumas variantes de ambos : "computação" e "estatísticas". Isto porque, em grande media, os desenvolvimentos recentes nas estatísticas e nas ciências computacionais têm andado de mãos dadas. Há também duas sociedades bem conhecidos aprendidas com um foco primário em computação estatística: a Associação Internacional de Estatística Computação (IASC), que é uma sociedade afiliada do International Statistical Institute (ISI), e a estatística 6
Seção de Informática da Associação Americana de Estatística (ASA). Tem também uma série de outras associações voltadas para computação estatística e estatísticas computacionais, como a Seção de Estatística da Computação Royal Statistical Society (RSS), e da Sociedade Japonesa de Estatística Computacional (JSCs). As características de estatísticas computacionais são: O uso dos mais complicado modelos; Conjuntos de dados maiores; Mais e mais variáveis; Conjuntos de dados não estruturados e heterogêneos; Uso pesado de visualização; E muitas vezes simulações extensivas. Computação estatística é verdadeiramente um campo multidisciplinar e os diversos problemas criaram uma indução para pesquisa e desenvolvimento. Os papéis de laboratórios estatísticos e os aplicativos que levaram primeiros desenvolvimentos em computação estatística são examinados por Grier (1999). Como computadores digitais começou a ser utilizado, o campo de computação estatística veio para abraçar não apenas os métodos numéricos, mas também uma variedade de tópicos de ciência da computação. 7
3. Softwares Estatísticos - Pra que serve? Mais que uma tendência, a Informática na Estatística constitui uma realidade. Dessa união resultou o surgimento de importantes ferramentas de trabalho, os softwares estatísticos, necessárias para a solução de diversos problemas de aplicações científicas e tecnológicas. A utilização de software estatístico deve ser sempre suportada por um adequado conhecimento das técnicas estatísticas envolvidas, ou orientada por quem detenha esses conhecimentos. De uma forma genérica e simplificada, todos os aplicativos estatísticos, lidam com a análise estatística de dados estruturada em quatro etapas: Hoje em dia, o software estatístico adquiriu uma grande importância nos meios académico, empresarial e administrativo, entre outros, quer pela sua facilidade de utilização, quer pela eficácia no tratamento de grandes conjuntos de dados. 8
3.1. Softwares mais utilizados: MINITAB: O Minitab é um programa de computador proprietário voltado para fins estatísticos. É muito utilizado nas universidades nos cursos introdutórios de estatística. Também é utilizado em empresas num nível mais avançado de utilização, tendo funções mais específicas voltadas para gerenciamento. Sua interface é parecida com a de uma planilha eletrônica como Microsoft Excel ou Calc do Open Office, mas com a capacidade de executar análises estatísticas complexas. O programa foi desenvolvido em 1972. Fácil de usar e de aprender, pois contém: Análise de dados sem esforço Orientação passo a passo Fácil seleção de ferramenta Interface simplificada Interpretação embutida Relatórios detalhados O Minitab oferece ferramentas de Controle da Qualidade, Planejamento de Experimentos (DOE), Análise de Confiabilidade e Estatística Geral, além de ser o software mais utilizado no desenvolvimento de projetos Seis Sigmas. Estatísticas básicas: Regressão e ANOVA Criação de experimentos Gráficos de controle Ferramentas de qualidade Confiabilidade e sobrevivência Estatísticas adicionais. 9
Informações adicionais: Utilizado em mais de 80 países por mais de 30 mil empresas; Ensinado em mais de 4.000 universidades em todo o mundo; Fácil de aprender e de operar; O software mais completo para a metodologia Seis Sigma; Diferentes modalidades de licença, de acordo com a necessidade do cliente; Parceria com várias empresas no fornecimento de cursos, treinamentos e consultorias. LINGUAGEM R: R é uma linguagem e um ambiente de desenvolvimento integrado, para cálculos estatísticos e gráficos que pareceu inicialmente em 1996, quando os professores de estatística Ross Ihaka e Robert Gentleman, da Universidade de Auckland, Nova Zelândia, começaram a distribuir o código como um software de fonte aberta. De acordo com eles, a ideia de desenvolver algo como a R surgiu de conversas que tinham nos corredores da universidade. Ambos desejavam tecnologia mais adaptada às necessidades de seus alunos de estatística, que precisam analisar dados e produzir modelos gráficos dessas informações. A maioria do software comparável havia sido criada por cientistas da computação, e seu uso era complicado. A linguagem está se tornando padrão porque os processos de mineração de dados vivem uma era dourada, quer estejam em uso para determinar preços de publicidade, descobrir novos medicamentos mais rápido ou fazer a sintonia fina de modelos financeiros. Empresas as mais diversas, como por exemplo Google, Pfizer, Merck, Bank of America, InterContinental Hotels Group e Shell, estão usando a linguagem R. Mas a R também encontrou rápida aceitação entre os estatísticos, engenheiros e cientistas que não conhecem bem a programação de computadores e a consideram fácil de usar. "A R é realmente importante - tanto 10
que é difícil superestimá-la", disse Daryl Pregibon, cientista do Google que usa o software para muitas finalidades. "Ela permite que os estatísticos realizem análises muito intricadas e complicadas sem que precisem conhecer em detalhe o funcionamento dos sistemas de computação". E a R também é grátis. Ela vem na forma de um programa de fonte aberta, e sua popularidade reflete uma virada no tipo de software preferido pelas empresas. O software de fonte aberta pode ser usado e modificado livremente por todos. IBM, Hewlett-Packard e Dell faturam milhões de dólares ao ano vendendo servidores acionados pelo sistema operacional aberto Linux, que concorre com o Windows, da Microsoft. A R é semelhante a outras linguagens de programação, como C, Java e Perl, porque ajuda as pessoas a executar ampla variedade de tarefas de computação ao lhe fornecer acesso a diversos comandos. Para os estatísticos, porém, a R é especialmente útil porque contêm diversos mecanismos incorporados para a organização de dados, execução de cálculos sobre informações e criação de representações gráficas de conjuntos de dados. Algumas pessoas que conhecem bem a linguagem R a descrevem como uma versão superdimensionada do software de planilhas Microsoft Excel, capaz de ajudar a iluminar certas tendências de dados mais claramente do que seria possível pela inserção de informações na forma de colunas e fileiras. O que torna a R tão útil - e ajuda a explicar sua rápida aceitação - é que estatísticos, engenheiros e cientistas podem melhorar o código de software básico ou escrever variações para tarefas específicas. Pacotes escritos para a linguagem R acrescentam algoritmos avançados, gráficos coloridos e texturizados e técnicas de mineração para vasculhar bancos de dados mais a fundo. 11
MATLAB: (MATrix LABoratory) é um software interativo de alta performance voltado para o cálculo numérico. O MATLAB integra análise numérica, cálculo com matrizes, processamento de sinais e construção de gráficos em ambiente fácil de usar onde problemas e soluções são expressos somente como eles são escritos matematicamente, ao contrário da programação tradicional. O MATLAB é um sistema interativo cujo elemento básico de informação é uma matriz que não requer dimensionamento. Esse sistema permite a resolução de muitos problemas numéricos em apenas uma fração do tempo que se gastaria para escrever um programa semelhante em linguagem Fortran, Basic ou C. Além disso, as soluções dos problemas são expressas quase exatamente como elas são escritas matematicamente. 12
SPSS : SPSS é um software aplicativo (programa de computador) do tipo científico. Originalmente o nome era acrónimo de Statistical Package for the Social Sciences - pacote estatístico para as ciências sociais, mas na atualidade a parte SPSS do nome completo do software (IBM SPSS) não tem significado. É Pacote de apoio para tomada de decisão que inclui: Aplicação analítica; Data Mining; Text Mining E estatística que transformam os dados em informações importantes que proporcionam reduzir custos e aumentar a lucratividade. Um dos usos importantes deste software é para realizar pesquisa de mercado. O SPSS apresenta-se como uma aplicação de fácil manuseamento visto que a sua apresentação e o modo como funciona é semelhante a qualquer aplicação desenvolvida para Windows. 13
SAS: SAS, ou "Statistical Analysis System", é o nome de uma empresa pioneira em Business intelligence e de uma família de softwares gerenciadores de bancos de dados comercializados por ela. A empresa se chamava SAS Institute até 2001, a partir de então teve seu nome alterado para SAS. O SAS é um sistema integrado de aplicações para a análise de dados, que consiste de: Recuperação de dados; Gerenciamento de arquivos; Análise estatística; Acesso a Banco de Dados; Geração de gráficos; Geração de relatórios. Trabalha com quatro ações básicas sobre o dado: Acessar, Manipular, Analisar e Apresentar. Pode ser instalado em diversos ambientes operacionais disponíveis no mercado, sendo os programas e arquivos portáveis para qualquer um desses ambientes. Outro aspecto lendário do Sistema SAS é a habilidade de acessar praticamente qualquer formato de dado, em qualquer base. Mesmo bases de dados descontinuadas comercialmente ainda contam com possibilidade de acesso via SAS. O módulo SAS/ACCESS to é o responsável por essa funcionalidade, bastando escolher o adequado. Por exemplo, SAS/ACCESS to Adabas acessa o banco de dados Adabas. SAS/ACCESS to ODBC acessa diversos formatos, todos mapeados através da interface ODBC. Formatos texto (CSV, TXT etc) e o próprio formato SAS, são acessados nativamente pelo Base SAS, sem necessidade de nenhum outro módulo. 14
Diversos outros componentes do SAS System também fornecem suporte estatístico. O Enterprise Guide é uma ferramenta OLAP para Windows, orientado por projetos, e que possibilita acesso rápido a uma grande parte da potencialidade analítica do SAS para estatísticos, analistas de negócios e programadores SAS. O Analyst Application fornece acesso do tipo "apontar e clicar" para a funcionalidade estatística básica do software, o Base SAS. O software SAS/QC oferece ferramentas para o aprimoramento da qualidade estatística, incluindo ferramentas para o controle da qualidade estatística e uma interface para a realização de experimentos. O software SAS/ETS inclui ferramentas para econometria e análise de séries temporais. O software SAS/OR fornece uma grande variedade de métodos de otimização com diversos aplicativos estatísticos. No Brasil e no mundo o SAS tem uma sólida base de clientes em vários setores de atividade, especialmente nas áreas de: finanças manufatura varejo energia telecomunicações governo. 15
4.Conclusão Mais que uma tendência, a Informática na Estatística constitui uma realidade. Dessa união resultou o surgimento de importantes ferramentas de trabalho, os softwares estatísticos, necessárias para a solução de diversos problemas de aplicações científicas e tecnológicas. Tal condição somente pode ser viabilizada pela capacidade que a tecnologia tem de atuar como um facilitador no entendimento e na compreensão dos conceitos envolvidos no problema e suas aplicações, bem como na modelagem deste e na disponibilização das soluções por ela fornecidas, cabendo aos usuários constatarem se os resultados propostos estão em conformidade com a teoria. A proposta deste trabalho, de uma forma geral, foi mencionar alguns softwares estatísticos disponíveis, tendo em vista a grande notoriedade e relevância que estes vêm adquirindo junto a outros ramos do conhecimento, a saber: Engenharias, Ciências Sociais Aplicadas, Ciências Biológicas, Medicina etc. Muitas áreas de aplicações só podem ser resolvidas usando computacionalmente intensivos métodos estatísticos. Isso porque muitas vezes os conjuntos de dados de entrada são muito grandes, mas também pode ser porque o problema exige a consideração de um grande número de alternativas possíveis. 16
5.Referencias Bibliográfica Sites : http://www.journals.elsevier.com/computational-statistics-and-data-analysis/ http://tecnologia.terra.com.br/noticias/0,,oi3439506-ei15607,00- Poder+da+linguagem+R+fascina+analistas.html Livros: Introduction to Statistics and Computer Programming- Claudia Henschke Estatística Computacional- J. Norberto W. Dachs Statistical Computational- Milton/Nelder Elementary Computer-assisted-statistics- Frank Scalzo Elements of Computational Statistics, James E. Gentle. Springer, 2002. Elements of Statistical Computing, Ronald A. Thisted. 17