Análise de Regressão Linear Múltipla

Prévia do material em texto

Estatística Aplicada ao Data Science 
 Atividade 01 
 
1- Quais foram as variáveis estudadas? 
• Número de pessoas = 100 
• Perda de peso ocorrido durante a primeira semana = y 
• Tempo dedicado a atividade física na primeira semana = x1 
• Indicador de dieta alimentar = x2 (0) para quem não fez ( 1) para quem fez 
2- Qual o tipo de cada variável, quantitativa ou qualitativa? Se quantitativa, qual sua 
unidade de medida? Se qualitativa, que níveis ou classes podem assumir? 
 
• Número de pessoas = quantitativa 
• Perda de peso = variável contínua quantitativa medida em kg. 
• Tempo dedicado = variável contínua quantitativas medidas em horas. 
• Indicador de dieta = variável nominal qualitativa medida no formato binário (0) 
quem não fez ou (1) quem fez. 
3 - O que representa cada um dos quatros coeficientes do modelo de regressão li-
near múltipla? 
 
• 1,25 - representa o valor de y (perda de peso) ocorrido na primeira semana em kg 
caso x1 e x2 sejam iguais a 0. 
• 0,15 = x1 – representa quanto será diminuído o peso dependendo das horas dedi-
cado as atividades físicas realizado na primeira semana. 
• 0,20 = x2 - representa o quanto será diminuído o peso se a pessoa optou por rea-
lizar a dieta alimentar. 
• 0,30 = x1 x2 - Relação obtida caso a pessoa tenha realizado atividade física com-
posta por dieta, dependendo da relação entre horas de exercícios versus realização 
da dieta. Lembrando que qualquer variável possuir o valor de zero, esse coeficiente 
será nulo. 
4 - O efeito cruzado entre as variáveis x1 (tempo dedicado a atividades físicas na 
primeira semana) e x2 (se a pessoa fez ou não dieta alimentar) é positivo? Ou seja, 
um ajuda o outro na redução de peso das pessoas? 
Levando em consideração os seguintes dados temos com exemplo: 
• x1 = 8 horas de exercícios na semana 
• x2 = 0 (não fez dieta) ou 1 (fez dieta) 
• Caso tenha feito dieta: 
y= 1,25+0,15 x1+0,20 x2+0,30 x1 x2 
y= 1,25+0,15*8+0,20*1+0,30*8*1 
y= 2,45+0,2+2,4 
y= 5,05 
• Caso não tenha feito dieta: 
y= 1,25+0,15 x1+0,20 x2+0,30 x1 x2 
y= 1,25+0,15*8+0,20*0+0,30*8*0 
y= 2,45 
Sim, o efeito é positivo pois existe uma forte correlação entre as duas variáveis. 
Quando se tem a combinação dos os exercícios e a dieta, a perda de peso é maior. 
 
5. Em situações similares você poderia aplicar essa mesma técnica para gerar conhe-
cimento a partir de dados? 
São inúmeras as situações, praticamente podemos aplicá-la para buscar vários tipos 
de informações como exemplo citamos a altura das pessoas, variação salarial e as 
despesas mensais sobre o consumo, taxa de desemprego, vendas de produtos e etc. 
 
Luciane de Souza Lima Adriano 
Engenharia Civil 
FMU