Baixe o app para aproveitar ainda mais
Prévia do material em texto
���������� � � � Se existe correlação entre as variáveis, então pode-se prever resultados futuros, para isso, podemos, já que a correlação e linear, determinar a equação que da origem a reta de regressão. Regressão Linear � �Como ela e uma correlação linear, a nossa reta será uma função linear: Y = Ax + B Onde: Y = variável dependente. X = variável independente. A = coeficiente de x, se A for positivo, a inclinação da reta será positiva, se A for negativo, a inclinação da reta será negativa. B = termo independente. Regressão Linear � � Para determinarmos A, a formula será: � Para determinarmos B, a formula será: Regressão Linear � Exemplo: Um determinado professor, para avaliar os alunos, determinou questionários (exercicios) que valiam nota e aplicou uma prova. As notas de 10 alunos são mostrados abaixo): Regressão Linear � Aluno Exercicios (X) Prova (Y) 1 9,5 8 2 9,2 7,5 3 9,2 8,5 4 10 9 5 9,6 8 6 9,2 8 7 9,9 9 8 8,4 5,1 9 9,1 7,8 10 9,1 7 Média 9,32 7,79 Regressão Linear ���������� � � Y = Ax + B Onde: A = 2,22 B = - 12,714 Então a equação de regressão é: Y = 2,22 x – 12,714 Regressão Linear � A equação de regressão nos permite tirar conclusões a respeito de valores que não temos na tabela. Exemplo: 1. O professor deseja saber que nota o aluno poderia tirar na prova, caso tivesse media 6,0 nos exercícios. Resolução: Devemos substituir a variável x (media dos questionários) pelo valor 6,0 na equação de regressão para determinar qual e o provável valor de y (nota da prova). Regressão Linear � Assim temos: Y= 2,22x – 12,714 Y = 2,22. (6,0) – 12,714 Y = 13,32 – 12,714 Y= 0,6 � Portanto, se o aluno tirar nota 6,0 na media nos exercícios, provavelmente ele iria muito mal na prova, tendo como nota prevista 0,6. Regressão Linear
Compartilhar