Regressão e a Estatística.

05/02/2018

Última atualização: 25/01/2023

Como a regressão linear e a Estatística são fundamentais?

Como a regressão linear e a Estatística mudaram minha vida?

Recentemente, convidaram para uma palestra para o pessoal de engenharia de uma matéria de estatística aplicada na Unicamp. Agora, antes de começar a fazer certas premissas - porque, como qualquer estatístico lhe dirá, os pressupostos são importantes na regressão - você deve saber que eu sou engenheiro, o qual teve contato e estudou Estatística durante o mestrado (um pouco) e o doutorado (bastante). Não tenho pretensões de discutir modelos e novas leis na matérias, apenas aplica-la para gerar valor em meus projetos.

Quando comecei a estudar o tema, eu não tinha ideia de como calcular um valor R² na mão e como isso poderia contribuir de forma significativa para a minha vida após a faculdade - especialmente quando um software como o Minitab pode facilmente fazer o trabalho para mim.

Agora, depois de 12 anos na estrada, eu sei melhor.

Eu queria mostrar a todos vocês, como a regressão e outros conceitos estatísticos poderiam ser aplicados em suas futuras linhas de trabalho e o um papel fundamental que a Estatística pode desempenhar em qualquer negócio. Como estudante, não consegui entender isso porque estava mais preocupado com o meu CR e em qual posição na turma eu estava, para poder escolher os melhores professores. Dar uma palestra é sempre uma oportunidade para renunciar à minha mentalidade antiga e defeituosa.

O que 12 anos no mundo real ensinam?

Desde a graduação, entrei para o time dos muitos usuários do Minitab e trabalhei com consultores, que abordavam uma variedade de solicitações de negócios para ajuda estatística. Eu encontrei inúmeras aplicações práticas e como as ferramentas no Minitab ajudam as pessoas que precisam analisar seus dados - muitos dos quais não possuem treinamento estatístico formal - selecione a análise adequada, tire conclusões úteis e tome decisões comerciais importantes que levarão a processos aprimorados e ao aumento dos lucros.

Se você quiser tirar conclusões acionáveis ​​de seus dados, selecionar e usar a ferramenta estatística apropriada, é metade da batalha! Em tantos casos, as pessoas escolhem as ferramentas erradas porque não entendem o tipo de dados que possuem, ou não definiram completamente o problema que estão tentando resolver. Perguntas como: "Os meus dados são categóricos ou contínuos" ou "As minhas observações são independentes" ou "Como os meus dados são distribuídos" e "Essa análise assume uma distribuição específica?" Muitas vezes são difíceis de responder, tornando a seleção de um ferramenta estatística adequada ainda mais intimidante.

Minha esposa me fez uma provocação aos moldes de De Bonno: como tornar fácil escolher a ferramenta estatística certa? Difícil resposta, que penso todos os dias para tentar formulá-la.

De uma forma geral, o Minitab torna todo esse processo fácil para profissionais com qualquer nível de experiência estatística - o software fornece as ferramentas adequadas para resolver problemas estatísticos, incluindo ferramentas no menu Assistente que oferecem orientação detalhada para ajudar o profissional a escolher com confiança e tomar decisões corretas para seus negócios.

Mas o treinamento formal em métodos estatísticos pode proporcionar aos estudantes uma grande vantagem no local de trabalho. E a regressão - uma ferramenta muito prática para modelar dados e prever resultados - foi minha plataforma para comunicar essa ideia, com base nas experiências de alguns dos próprios projetos que participei em meus 12 anos.

Quais os problemas que a regressão linear pode resolver?

Se os dados estivessem acessíveis, eu poderia usar uma análise de regressão para mostrar uma coisa que não mudou sobre a faculdade - as aulas matutinas têm horríveis taxas de abstenção, independentemente do assunto. Minha primeira palestra foi durante uma sexta-feira, às 8:00; a sala estava meio vazia. E daqueles que realmente participaram, metade estava meio dormindo durante os primeiros 10 minutos de aula.

Mas, como eu falei, praticamente vi as sinapses disparando em alguns desses alunos. Eu apresentei vários exemplos onde a regressão veio ao resgate de empresas do mundo real. Essas empresas tiveram perguntas específicas, e os consultores usaram a regressão para fornecer as respostas. Foi assim, que o time FM2S conseguiu economizar 100 milhões, em 2017. Sem a regressão linear, seria difícil.

Como mostrar a regressão linear aos alunos?

Uma empresa farmacêutica usou regressão para avaliar a estabilidade do princípio ativo em uma droga para prever sua vida útil, a fim de cumprir os regulamentos da ANVISA e identificar uma data de validade adequada para a droga.

Uma empresa de cartão de crédito aplicou análise de regressão para prever as vendas mensais de cartões-presente e melhorar as projeções de receita anual.

Uma franquia de hotéis usou regressão para identificar um perfil e prever potenciais clientes que podem ficar inadimplentes em um empréstimo de tempo compartilhado, a fim de reduzir as taxas de qualificação de empréstimo entre clientes de alto risco, ajustar as taxas de juros com base em fatores de risco do cliente e minimizar as perdas da empresa.

Uma companhia de seguros usou uma regressão linear para determinar a probabilidade de um problema existente ser verdadeiro quando um pedido de seguro de casa fosse arquivado, de modo a desencorajar os clientes de declararem reclamações excessivas ou insignificantes.

Os resultados dessas análises de regressão, juntamente com a ajuda dos consultores, deram a essas empresas a confiança para tomar decisões que sabiam que iriam melhorar seus negócios. Eles foram encorajados a identificar soluções para abordar áreas problemáticas e implementar novos processos dentro de sua organização, bem como novas estratégias para promover produtos e serviços para sua clientela, sabendo que poderiam coletar dados e usar as mesmas ferramentas no futuro para provar que as mudanças foram impactantes.

Qual a moral da história sobre Regressão Linear e Estatística?

Em um mundo cheio de dados, os alunos que aprendem estatísticas deixam a faculdade com um conjunto de habilidades altamente procuradas. Quando se trata de trabalhar com dados, eles terão vantagens sobre os profissionais que não possuem treinamento estatístico formal.

Mas como a maioria de nós sabe, há mais na análise nos dados do que memorizar um monte de equações. E mesmo os estatísticos experientes podem esquecer algumas das nuances envolvidas nas análises que não usaram há algum tempo. O que eles não esquecem é como atacar um problema.

Por isso, recomendo fortemente que todos tenham uma formação estatística básica, seja por meio do Green Belt, Black Belt ou até do White Belt. No final, foi o que eu queria que esses alunos entendessem - que as questões baseadas em dados realmente se resumem à resolução de problemas.

Que pergunta eu estou tentando responder e como eu abordo isso?

O mundo real é sobre a identificação de um problema quando encontramos, escolhendo a ferramenta certa para resolvê-lo e interpretando a resposta de uma forma que leva um gerente ou executivo a implementar mudanças dentro de uma empresa. Porque as empresas enfrentam verdadeiras questões e desafios que quem domina estatística - e softwares como o Minitab - podem ajudar a responder.