ApPrevDem-11-2

ApPrevDem-11-2


DisciplinaPlanejamento e Controle da Produção1.692 materiais8.166 seguidores
Pré-visualização17 páginas
4.6999667704		0.0000000223
		2		117		2		234		4		13689				a		103.9003653682		103.7000998084		0.0401062944
		3		107		3		321		9		11449				sxy		12.0703076754		11.84		0.0530416254
		4		112		4		448		16		12544				Total						0.0931479421
		5		140		5		699.995432898		25		19599.7442431234
		TOTAL		590		15		1816.995432898		55		70277.7442431234
		MÉDIA		118.000		3
Plan3
		
		
MBD0254DEB6.unknown
MBD0254E3CA.unknown
MBD0254DBF8.unknown
*
*
Exemplo 1 \u2013 Comparação dos resultados das duas séries de dados com dispersões diferentes, mas gerando a mesma reta
Que série dá maior confiança na regressão?
Menor fração de variância explicada
Maior dispersão em torno da reta
Menor evidência de que o coeficiente da variável explicativa não é nulo
*
*
Método da regressão linear: Exemplo 2 - Estimativa da demanda em função do investimento em propaganda
Previsão baseada em modelos causais
Plan1
								XY		X2		Y2
								660		6.25		69696
								150.8		1.69		13456
								231		1.96		27225
								101		1		10201
								418		4		43681
		TOTAL		855		8.2		1560.8		14.9		164259
		MÉDIA		171		1.64
		
		
		Período		Demanda (Y)		Propaganda (X)
		1		264		2.5
		2		116		1.3
		3		165		1.4
		4		101		1.0
		5		209		2.0
Plan2
		
Plan3
		
Plan1
		Período		Demanda (Y)		Propaganda (X)		XY		X2		Y2
		1		264		2.5		660		6.25		69696
		2		116		1.3		150.8		1.69		13456
		3		165		1.4		231		1.96		27225
		4		101		1.0		101		1		10201
		5		209		2.0		418		4		43681
		TOTAL		855		8.2		1560.8		14.9		164259
		MÉDIA		171		1.6
Plan2
		
Plan3
		
*
*
Método da regressão linear: Exemplo 2 - Estimativa da demanda em função do investimento em propaganda
Previsão baseada em modelos causais
Plan1
		Período		Demanda (Y)		Propaganda (X)		XY		X2		Y2				RESUMO DOS RESULTADOS
		1		264		2.5		660		6.25		69696
		2		116		1.3		150.8		1.69		13456				Estatística de regressão
		3		165		1.4		231		1.96		27225				R múltiplo		0.9795647664
		4		101		1.0		101		1		10201				R-Quadrado		0.9595471315
		5		209		2.0		418		4		43681				R-quadrado ajustado		0.946062842
		TOTAL		855		8.2		1560.8		14.9		164259				Erro padrão		15.6027357447
		MÉDIA		171		1.64										Observações		5
		
																ANOVA
																		gl		SQ		MQ		F		F de significação
																Regressão		1		17323.6639118457		17323.6639118457		71.1603775008		0.0034959687
																Resíduo		3		730.3360881543		243.4453627181
																Total		4		18054
		
																		Coeficientes		Erro padrão		Stat t		valor-P		95% inferiores		95% superiores		Inferior 95,0%		Superior 95,0%
																Interseção		-8.1349862259		22.3524728989		-0.3639412186		0.7400392696		-79.2705310081		63.0005585564		-79.2705310081		63.0005585564
																Propaganda (X)		109.2286501377		12.9484398881		8.4356610589		0.0034959687		68.0209354618		150.4363648137		68.0209354618		150.4363648137
		
		
		
																RESULTADOS DE RESÍDUOS
		
																Observação		Previsto(a) Demanda (Y)		Resíduos
																1		264.9366391185		-0.9366391185
																2		133.8622589532		-17.8622589532
																3		144.7851239669		20.2148760331
																4		101.0936639118		-0.0936639118
																5		210.3223140496		-1.3223140496
Plan1
		0
		0
		0
		0
		0
Propaganda (X)
Resíduos
Propaganda (X) Plotagem de resíduos
Plan2
		0		0
		0		0
		0		0
		0		0
		0		0
Demanda (Y)
Previsto(a) Demanda (Y)
Propaganda (X)
Demanda (Y)
Propaganda (X) Plotagem de ajuste de linha
Plan3
		
		
*
*
Método da regressão linear: Exemplo 2 - Estimativa da demanda em função do investimento em propaganda (Continuação)
Previsão baseada em modelos causais
Gráfico1
		264
		116
		165
		101
		209
Investimento em Propaganda 
(milhões de US$)
Demanda
Plan1
		Período		Demanda (Y)		Propaganda (X)
		1		264		2.5
		2		116		1.3
		3		165		1.4
		4		101		1.0
		5		209		2.0
Plan1
		
Propaganda (X)
Demanda x gasto em propaganda
Plan2
		
Plan3
		
*
Regressão linear: Exemplo 3
*
Exemplo 1 Apresentção
		
		
		
		
		
		
		
		
		
		
		
		
		
		
		
		
		
		
						1		108						RESUMO DOS RESULTADOS
						2		119
						3		110						Estatística de regressão
						4		122						R múltiplo		0.8247
						5		130						R-Quadrado		0.6801
														R-quadrado ajustado		0.5735
														Erro padrão		5.8850
														Observações		5
		
														ANOVA
																gl		SQ		MQ		F		F de significação
														Regressão		1		220.9		220.9		6.3782483157		0.0857603488
														Resíduo		3		103.9		34.633
														Total		4		324.8
		
																Coeficientes		Erro padrão		Stat t		valor-P		95% inferiores		95% superiores		Inferior 95,0%		Superior 95,0%
														Interseção		103.7		6.1722497249		16.801		0.0004591491		84.0571466701		123.3428533299		84.0571466701		123.3428533299
														Variável X 1		4.7		1.8610033136		2.526		0.0857603488		-1.2225431188		10.6225431188		-1.2225431188		10.6225431188
		
		
		
														RESULTADOS DE RESÍDUOS
		
														Observação		Y previsto		Resíduos
														1		108.4		-0.4
														2		113.1		5.9
														3		117.8		-7.8
														4		122.5		-0.5
														5		127.2		2.8
Exemplo 1 Apresentção
		
Variável X 1
Resíduos
Variável X 1 Plotagem de resíduos
Exemplo apostila
		
Y
Y previsto
Variável X 1
Y
Variável X 1 Plotagem de ajuste de linha
Exemplo apostila (2)
		
		
				Mês		t		Demanda
				Janeiro		1		4334
				Fevereiro		2		4407
				Março		3		4410
				Abril		4		4499
				Maio		5		4598
				Junho		6		4596
				Julho		7		4721
				Agosto		8		4745
				Setembro		9		4650
				Outubro		10		4746
				Novembro		11		4775
				Dezembro		12		4906
				RESUMO DOS RESULTADOS
		
				Estatística de regressão
				R múltiplo		0.958912861
				R-Quadrado		0.919513875
				R-quadrado ajustado		0.9114652625
				Erro padrão		51.9377709503
				Observações		12
		
				ANOVA
						gl		SQ		MQ		F		F de significação
				Regressão		1		308179.5961538462		308179.5961538462		114.2450174067		0.0000008606
				Resíduo		10		26975.3205128205		2697.5320512821
				Total		11		335154.9166666667
		
						Coeficientes		Erro padrão		Stat t		valor-P		95% superiores		Inferior 95,0%		Superior 95,0%
				Interseção		4313.8333333333		31.9654883221		134.9528369431		0		4385.0568794808		4242.6097871859		4385.0568794808
				t		46.4230769231		4.3432545975		10.6885460848		0.0000008606		56.1004511943		36.7457026519		56.1004511943
		
		
				RESULTADOS DE RESÍDUOS
		
				Observação		Previsto(a) Demanda		Resíduos
				1		4360.2564102564		-26.2564102564
				2		4406.6794871795		0.3205128205
				3		4453.1025641026		-43.1025641026
				4		4499.5256410256		-0.5256410256
				5		4545.9487179487		52.0512820513
				6		4592.3717948718		3.6282051282
				7		4638.7948717949		82.2051282051
				8		4685.2179487179		59.7820512821
				9		4731.641025641		-81.641025641
				10		4778.0641025641		-32.0641025641
				11		4824.4871794872		-49.4871794872
				12		4870.9102564103		35.0897435897
Exemplo apostila (2)
		
t
Resíduos
t Plotagem de resíduos
Plan3
		
Demanda
Previsto(a) Demanda
t
Demanda
t Plotagem de ajuste de linha
		
		
				Mês		t		Demanda
				Janeiro		1		4334
				Fevereiro		2		4407
				Março		3		4410
				Abril		4		4499
				Maio		5		4598
				Junho		6		4596
				Julho		7		4721
				Agosto		8		4745
				Setembro		9		4650
				Outubro		10		4746
				Novembro		11		4775
				Dezembro		12		4906
				RESUMO DOS RESULTADOS
		
				Estatística de regressão
				R múltiplo		0.958912861
				R-Quadrado		0.919513875
				R-quadrado ajustado		0.9114652625
				Erro padrão		51.9377709503
				Observações		12
		
				ANOVA
						gl		SQ		MQ		F		F de significação
				Regressão		1		308179.5961538462		308179.5961538462		114.2450174067		0.0000008606
				Resíduo		10		26975.3205128205		2697.5320512821
				Total