Prévia do material em texto
Roberto Carlos da Silva - RA 2022116079 – 31/05/2023 PREDIÇÕES COM REGRESSÃO LOGÍSTICA - Pratique 2. VAMOS PRATICAR Agora que você compreendeu as funções e objetivos da construção de modelos de regressão para predição, pratiquemos um pouco mais sobre este assunto por meio da aplicação do conhecimento adquirido no estudo de caso proposto. Analise e interprete os resultados da pesquisa e responda às seguintes perguntas: 1) As variáveis estudadas foram se houve ou não falha do componente e qual era a temperatura de lançamento do ônibus? Qual delas é a variável-resposta e qual a variável de entrada? São qualitativas ou quantitativas? 2) Imagine que você está estudando a resistência à ruptura de uma certa peça em função da tração aplicada a ela. Você decide aplicar regressão logística para modelar o comportamento da peça, imaginando poder calcular a probabilidade de ruptura desta em função da tração a ela aplicada. Seria esta uma situação similar à que vimos relativa à falha de O-rings? Explique. 3) Imagine que você está estudando o efeito de ingestão de açúcares na ocorrência de diabetes em uma determinada população. Você decide aplicar regressão logística para modelar a ocorrência de diabetes, imaginando poder calcular a probabilidade de uma pessoa tornar-se diabética em função da quantidade média de açúcares ingeridos por dia, em um estudo observacional em longo prazo. Seria esta uma situação similar à que vimos relativamente à falha de O-rings? Explique. 4) Reflita sobre outras situações similares por meio das quais você poderia aplicar essa mesma técnica (regressão linear múltipla) para gerar conhecimento a partir de dados. Ao final, disponibilize seu trabalho no fórum da seção. Referências SPACE shuttle Challenger disaster. In : WIKIPEDIA: the free encyclopedia. [San Francisco, CA: Wikimedia Foundation, 2010]. Disponível em: https://en.wikipedia.org/wiki/Space_Shuttle_Challenger_disaster . Acesso em: 31 maio 2023. Resultado: 1) As variáveis estudadas foram se houve ou não falha do componente e qual era a temperatura de lançamento do ônibus? Qual delas é a variável resposta e qual a variável de entrada? São qualitativas ou quantitativas? R: As variáveis estudadas são se houver ou não falha do componente e qual era a temperatura no dia de lançamento do ônibus. Variável resposta é o percentual de probabilidade de falha do anel de vedação. A variável de entrada é a temperatura do dia de lançamento do ônibus espacial. As variáveis quantitativas. 2) Imagine que você está estudando a resistência à ruptura de uma certa peça em função da tração aplicada a ela. Você decide aplicar regressão logística para modelar o comportamento da peça, imaginando poder calcular a probabilidade de ruptura desta função da tração a ela aplicada. Seria está uma situação similar à que vimos relativa a falha de O-rings? Explique. R: È uma situação similar, a situação expressa na questão dois por possui apenas uma variável de entrada que é força de tração aplicada trazendo assim uma variável de resposta que é o percentual de probabilidade de ruptura. O-rings apresenta a falha no equipamento em função da temperatura da atmosfera e leva em conta a pressão. 3) Imagine que você está estudando o efeito de ingestão de açucares na ocorrência de diabetes em uma determinada população. Você decide aplicar regressão logística para modelar a ocorrência de diabetes, imaginando poder calcular a probabilidade de uma pessoa tornar-se diabética em função da quantidade média de açúcares ingeridos por dia, em um estudo observacional em longo prazo. Seria está uma situação similar à que vimos relativamente à falha de O-rings? Explique. R: Não; A situação similar ao que vimos na falha de O-rings, porque no caso expresso na questão 3) há a existência de mais variantes estando o resultado probabilístico associado além da quantidade de açúcar consumido, ao tempo de consumo, havendo assim mais de uma variável de entrada para obter a variável de resposta. 4) Reflita sobre outras situações similares por meio das quais você poderia aplicar essa mesma técnica (regressão linear múltipla) para gerar conhecimento a partir de dados. Ao final, disponibilize seu trabalho no fórum da seção. R: Poderíamos aplicar esta técnica para gerar conhecimento dos casos de crianças que com problemas respiratórios por causa do clima seco de inverno, a probabilidade por condições de temperaturas baixas e clima seco.