gravatar

fagnersutel

Fagner Sutel de Moura

Recently Published

Document....
Isabella
ANOVA de Três Fatores
Análise Fatorial
1) Realize uma análise fatorial no banco de dados bodyfat (disponível no Moodle). a. Estime as cargas para dois fatores e gere gráficos para tais fatores. Os fatores podem ser interpretados? b. Teste a rotação Varimax nas cargas. O procedimento aprimora a interpretação? c. A inclusão de mais fatores (f>2) é aconselhada? d. Qual a comunalidade explicada para cada variável?
Wine - Principal Component Analysis (PCA)
Disciplina de Métodos Quantitativos ara doutorado no PPGEP-UFRGS
Apneia
Área em azul?
Estruturas de Concreto I
Document
TanBatTor
Tempo de Percurso Pedalando
Tempo de Percurso de Carro
Document
Analise Exploratória
library("leaflet") library("htmltools") library("leaflet.minicharts")
leaflet.minicharts
leaflet.minicharts
leaflet.minicharts
Document
Contrast coding
Fundações Estruturais
RSL: Full
RSL: Autors
RSL
Qui-Quadrado
Correlação de Pearson
Teste de Causalidade de Granger
O teste de Causalidade de Granger é aplicado para examinar se uma série tempotal (TIme Series - TS) pode ser utilizada para prever outra (Cenarização). A Hipótese nula é de que o valor de input (X) não é capaz de prever o output (Y). Já a hipótese alternativa afirma que X pode sim implicar em Y.
BTC-USD | Bitcoin - Dólar Americano
quantMod.R
Linha de Custo Metrô
Localização dos esquilos por cor de Pelagem
https://www.thesquirrelcensus.com/
Clusters de Acidentes por Affinity Propagation | N=75102
Dados de 2015 a 2020 no município de Porto Alegre
Curvas Climáticas EUA
Circulos Climáticos EUA
Fonte: https://gis.ncdc.noaa.gov/maps/ncei/cdo/daily
Médias de Temperaturas Diárias de Nova York
Fonte: https://gis.ncdc.noaa.gov/maps/ncei/cdo/daily
Time Series III
Time Series I
Time Series II
Drill-down
Bayes I
Pesquisa de Opinião
Planejamento de Transportes
TravelR
https://r-forge.r-project.org/R/?group_id=745 https://r-forge.r-project.org/projects/travelr/ https://rdrr.io/rforge/travelr/
Sumarização de Dados
Iteracões
Concaveman: A Very Fast 2D Concave Hull Algorithm
https://cran.r-project.org/web/packages/concaveman/index.html
GGPLOT + GGWITHINSTATS
GGPLOT + GGREPEL
GGPLOT + GGALT
Document
SEM
AAE 2021
Vacinas 2
Vacinas
Progressões
Sankey
Sankey Setores
Sankey Migration
Sankey Goups
Sankey3
sankeyNetwork
Sankey
Modelo RSL
Melhor que Grey's Anatomy
The Cats
Temperatura Global
Perfil PPGCM 2017 a 2020
Cálculo
TS
COVID-19 - Porto Alegre - RS
Probabilidade
Monitoramento
Monitoramento Av João Goulart
Documenttest
Box plot Jitter
2020
ALPR
OSM Data
Grupo Cápsulas
Famílias de Distribuições
Comparacão de médias Tab C
Comparacão de médias Tab B
Comparacão de médias Tab A
Analise LASTRAN
Ensino
Document
Monitoramento COVID-19
HTML
Filas Sabados
Ciclos
Modelo de Geração de Viagens
CULTURA
Ensino
Geral
Teste
teste
Clusters
Indice de Isolamento
Indice de Congestionamentos
TLC
Docentes Permanentes PPGCM 2019
Egressos PPGCM 2010-2019
Cinco Artigos mais Relevantes
ETL Plataforma Lattes
Validação de Dados Waze e 99
Mapa de Filas
Google Scholar
GOT
1ª Quinzena Setembro/2019
Acidentes 1º semestre 2019
2019-1
PCAs
Waze Reports Uniform
Waze Reports Resize
Mapas de Alertas Waze
Trip Distribuition
This model originally generated from an anology with Newtow's gravitational law. This work is based in Introduction to Transportation Engineering, Tom V. Mathew and K V Krishna Rao: https://nptel.ac.in/courses/105101087/downloads/Lec-8.pdf
Testes
Fase 10 (final) do projeto de Clusterização de alvarás para encontrar pontos ótimos para parquímetros de Estacionamento Rotativo Pago
Este projeto é parte integrante do TCC do MBA em Dita Science & Big Data do IGTI - Instituto de Gestão e Tecnologia da Informação, sob orientação do professor João Paulo Nascimento
Forecast Arima
mapa
Identificação de Pontos de Ônibus Desatendidos por Mudanças de Itinerário
Utiliza dados da API poatransporte
Gerador de matriz de confusão
Fase 09 do projeto de Clusterização de alvarás para encontrar pontos ótimos para parquímetros de Estacionamento Rotativo Pago
Este projeto é parte integrante do TCC do MBA em Dita Science & Big Data do IGTI - Instituto de Gestão e Tecnologia da Informação, sob orientação do professor João Paulo Nasciment
Fase 08 do projeto de Clusterização de alvarás para encontrar pontos ótimos para parquímetros de Estacionamento Rotativo Pago
Este projeto é parte integrante do TCC do MBA em Dita Science & Big Data do IGTI - Instituto de Gestão e Tecnologia da Informação, sob orientação do professor João Paulo Nascimento
Fase 07 do projeto de Clusterização de alvarás para encontrar pontos ótimos para parquímetros de Estacionamento Rotativo Pago
Este projeto é parte integrante do TCC do MBA em Dita Science & Big Data do IGTI - Instituto de Gestão e Tecnologia da Informação, sob orientação do professor João Paulo Nascimento
Fase 06 do projeto de Clusterização de alvarás para encontrar pontos ótimos para parquímetros de Estacionamento Rotativo Pago
Este projeto é parte integrante do TCC do MBA em Dita Science & Big Data do IGTI - Instituto de Gestão e Tecnologia da Informação, sob orientação do professor João Paulo Nascimento
Plotando exemplars (centroids) da biblioteca apcluster
http://idg.pl/mirrors/CRAN/web/packages/apcluster/apcluster.pdf
Fase 05 do projeto de Clusterização de alvarás para encontrar pontos ótimos para parquímetros de Estacionamento Rotativo Pago
Este projeto é parte integrante do TCC do MBA em Dita Science & Big Data do IGTI - Instituto de Gestão e Tecnologia da Informação, sob orientação do professor João Paulo Nascimento
Fase 03 do projeto de Clusterização de alvarás para encontrar pontos ótimos para parquímetros de Estacionamento Rotativo Pago
Este projeto é parte integrando do TCC do MBA em Dita Science & Big Data do IGTI - Instituto de Gestão e Tecnologia da Informação, sob orientação do professor João Paulo Nascimento
Fase 04 do projeto de Clusterização de alvarás para encontrar pontos ótimos para parquímetros de Estacionamento Rotativo Pago
Este projeto é parte integrante do TCC do MBA em Dita Science & Big Data do IGTI - Instituto de Gestão e Tecnologia da Informação, sob orientação do professor João Paulo Nascimento
Fase 02 do projeto de Clusterização de alvarás para encontrar pontos ótimos para parquímetros de Estacionamento Rotativo Pago
Este projeto é parte integrante do TCC do MBA em Dita Science & Big Data do IGTI - Instituto de Gestão e Tecnologia da Informação, sob orientação do professor João Paulo Nascimento
Fase 01 do projeto de Clusterização de alvarás para encontrar pontos ótimos para parquímetros de Estacionamento Rotativo Pago
Este projeto é parte integrando do TCC do MBA em Dita Science & Big Data do IGTI - Instituto de Gestão e Tecnologia da Informação, sob orientação do professor João Paulo Nascimento
Clusters de Alvarás
Clister Alvarás Porto Alegre
Plot by mosaicking .tiff earthexplorer.usgs.gov and vectors by naturalearthdata.com
https://www.naturalearthdata.com/downloads/ https://earthexplorer.usgs.gov/
Alvarás de Porto Alegre
Classificados por atividade de Comércio ou Serviço
Parquímetros Estapar
Parquímetros em Porto Alegre
Classificados dentre os 113 clister comerciais na cidade
Pontos de Origem/Destino São Paulo 2012
Pontos de Consulta Banco de Dados da Pesquisa Origem/Destino São Paulo 2012 http://www.metro.sp.gov.br/pesquisa-od/resultado-das-pesquisas.aspx Os resultados de todas as pesquisas Origem e Destino são públicos e estão à disposição dos interessados. Neste espaço, estão os bancos de dados das últimas pesquisas Origem e Destino, além da Pesquisa Mobilidade 2012.
Pontos de Consulta Banco de Dados da Pesquisa Origem/Destino São Paulo 2012
http://www.metro.sp.gov.br/pesquisa-od/resultado-das-pesquisas.aspx Os resultados de todas as pesquisas Origem e Destino são públicos e estão à disposição dos interessados. Neste espaço, estão os bancos de dados das últimas pesquisas Origem e Destino, além da Pesquisa Mobilidade 2012.
Recuperando dados da API do Poa Transporte - Porto Alegre RS
Façade Todos os serviços são solicitados a um único façade, localizado no endereço http://www.poatransporte.com.br/php/facades/process.php
Clusters de Alvarás em Porto Alegre
Foi realizada uma clusterização de alvarás por meio do método de Affinity Propagation da biblioteca 'apcluster' afim de identificar os locais com maior concentração de atividade comercial Refs: https://www.ritchievink.com/blog/2018/05/18/algorithm-breakdown-affinity-propagation/ https://medium.com/@aneesha/using-affinity-propagation-to-find-the-number-of-clusters-in-a-dataset-52f5dd3b0760 http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.490.7628&rep=rep1&type=pdf
Fase 03 do projeto de Clusterização de alvarás para encontrar pontos ótimos para parquímetros de Estacionamento Rotativo Pago
Este projeto é parte integrando do TCC do MBA em Dita Science & Big Data do IGTI - Instituto de Gestão e Tecnologia da Informação, sob orientação do professor João Paulo Nascimento
Recuperando dados da API do Poa Transporte - Porto Alegre RS
Façade Todos os serviços são solicitados a um único façade, localizado no endereço http://www.poatransporte.com.br/php/facades/process.php Solicitações a este serviço devem ser efetuadas usando uma requisição GET, com os seguintes parâmetros: a (obrigatório) - Identificador da operação. Possíveis valores: • nc – nome e código • il - itinerários (rotas) • tp - pontos de ônibus • tx - pontos de taxi p (obrigatório) ID relacionado a operação descrita em a. Pode ser o ID da unidade de transporte ou um range latitude x longitude para extração dos pontos de taxi/ônibus t - Tipo da requisição. Obrigatório apenas se a=nc. Possíveis valores: • o - Ônibus • l - Lotação Operações Todas as operações acessadas pelo façade retornam um objeto JSON. As seguintes operações são permitidas: Listar as linhas de ônibus Listar as linhas de lotação Obter o itinerário de uma unidade de transporte Buscar por paradas de ônibus Buscar por pontos de táxi
Uso de endpoits, semáforos e acidentes
Endpoints: endpoits das arestas dos logradouros Semáforos: pedestres, veiculares e cilistas Acidentes: 2013-2017
Plot Clusters de Alvarás em Porto Alegre
Foi realizada uma amostragem com 10% dos alvarás de Porto Alegre para criar os clusters e seus centróides. Após validado o modelo, o mesmo serviu para classificar a totalidade dos alvarás em um dos 117 clusters identificados. O médodo de Affinity Propagation permite identificar o numero de clusters naturalmente por critérios bastante robustos de classificação por similaridade e dissimilaridade, não exigindo ao usuário a informação prévia de quantos clusters deverão ser obtidos.
Clusters de Alvarás em Porto Alegre
Foi realizada uma clusterização de alvaras por meio de Affinity Propagation afim de identificar os locais com maior concentração de atividade comercial
Acidentes com Vítimas Fatais no Centro Histórico de 2013 a 2017
Segundo dados do DataPoA no período ocorreram 5930 acidentes com no período, sendo que 23 deles resultaram em vítimas fatais.
Acidentes com Vítimas no Centro Histórico de 2013 a 2017
Segundo dados do DataPoA no período ocorreram 5930 acidentes com no período, sendo que 1328 deles resultaram em vítimas.
Atropelamentos Fatais no Centro Histórico de 2013 a 2017
Dados do DataPoA apontam 19 atropelamentos fatais no período, resultando em 19 vítimas fatais.
Atropelamentos no Centro Histórico de 2013 a 2017
Dados do DataPoA apontam 556 atropelamentos no período, resultando em 540 vítimas feridas.
Atropelamentos Fatais de 2013 a 2017
Os dados obtidos no DataPoa apontam 221 atropelamentos fatais no período, resultando em 223 óbitos.
Atropelamentos de 2013 a 2017
Dados obtidos no DataPoA demonstram 5063 atropelamentos no período, resultando em 4875 vítimas.
Acidentes Fatais de 2013 a 2017
Dados obtidos no DataPoA. Osdados apontam 81172 acidentes, sendo 513 deles fatais, com 534 vítimas fatais.
Acidentes com Vítimas de 2013 a 2017
Dados obtidos no DataPoA. Osdados apontam 81172 acidentes, sendo 25763 deles resultantes em feridos leves, feridos graves ou feridos fatais.
Acidentes com Vítimas de 2013 a 2016
Fonte: Data PoA http://datapoa.com.br/group/mobilidade
Acidentes Fatais de 2013 a 2016
Fonte Data Poa http://datapoa.com.br/group/mobilidade
Avidentes com Vítimas em Porto Alegre em 2016
Fonte de dados: http://datapoa.com.br/dataset/acidentes-de-transito
Acidentes de Trânsito em Porto Alegre em 2016
http://datapoa.com.br/dataset/acidentes-de-transito
Av. Protásio Alves 2016
Análise exploratória de dados com informações obtidas no DataPoA: http://datapoa.com.br/dataset/acidentes-de-transito
protasio_alves
Prot_Alv
Produtório das Verossimilhanças
Baseado na apostila Verossimilhança e Máxima Verossimilhança do professor João Luiz F. Batista do Centro de Métodos Quantitativos (http://cmq.esalq.usp.br/), Departamento de Ciências Florestais, Escola Superior de Agricultura ”Luiz de Queiroz”, Universidade de São Paulo, Campus Piracicaba.
Manipulate Function
ALVARÁS PORTO ALEGRE`
AAE
Merge data sets and Remove Duplicates
This work merge data and remove duplicates
Merge Dataframes
Mapa de Vagas Especiais de Porto Alegre
Georreferenciamento das vagas especiais no município de Porto Alegre - RS - Brasil
Acidentes Fatais em Medelin - 2016
Adaptado de: Plotting by hour the transit accidents at Medellin on first 10 days of January 2016 Edgar Alirio Rodridriguez 24 de febrero de 2018
Acidentes em Medelim em 2016 com vítimas
Adaptado de: Plotting by hour the transit accidents at Medellin on first 10 days of January 2016 Edgar Alirio Rodridriguez 24 de febrero de 2018
Acidentes em Medelim em 2016
Adaptado de: Plotting by hour the transit accidents at Medellin on first 10 days of January 2016 Edgar Alirio Rodridriguez 24 de febrero de 2018
Valor Critico de Acidente
Simulação
U.S. NOAA Storm Events Impact Analysis (1950 - 2011)
Exercise about reproducible research in Data Science Course of Coursera by Hopkins University
A contribuition to a few simple plots in R of Keith Helfrich
Since I could not reproduce the loop in the section below, I opted to transform the lists into a data frame and then merge the data for the following manipulations.
Bike Sharing - 2011-2012 Porto/Portugal
dataset da UCI https://archive.ics.uci.edu/ml/datasets/bike+sharing+dataset
Reproducible Research: Peer Assessment 1
Homework of Hopkins/Coursera of Reproducible Research course