Baixe o app para aproveitar ainda mais
Prévia do material em texto
REGRESSÃO Introdução Uma vez caracterizada a relação, procuramos descrevê-la através de uma função matemática. Neste sentido, a análise de regressão tem por objetivo descrever, através de um modelo matemático, a relação entre duas variáveis. Regressão • Sempre que desejamos estudar determinada variável em função de outra, fazemos uma análise de regressão. • A variável sobre a qual desejamos fazer uma estimativa recebe o nome de variável dependente e a outra recebe o nome de variável independente. Análise de regressão A análise de regressão tem por objetivo descrever, através de um modelo matemático, a relação existente entre duas variáveis, a partir de n observações dessas variáveis. Supondo x a variável explicativa e y a variável resposta, temos que: Regressão Linear simples Considere que a relação entre x e y seja dada através de uma relação estatística. Sendo assim, a relação entre x e y deverá ser escrita por onde a variável aleatória e representa um erro aleatório que possui média zero. Análise de regressão Regressão Linear simples Dado um conjunto de valores observados de x e y, construir um modelo de regressão linear simples consiste em obter, a partir desses valores, uma relação que melhor represente a relação verdadeira entre essas variáveis. Onde α e β são os parâmetros do modelo de regressão. A determinação dos valores dos parâmetros dessa reta é denominada de ajustamento. Regressão Linear simples Para realizar o ajustamento do modelo de regressão , podemos escolher valores para α e β de tal forma a minimizar a soma dos quadrados dos erros, ou seja: Este método é chamado de método de mínimos quadrados. Método de mínimos quadrados Costuma-se usar as seguintes notações para o numerador e denominador da expressão que define β: e Método de mínimos quadrados Assim temos: e Regressão Linear simples Como estamos fazendo uso de uma amostra para obtermos os valores dos parâmetros, os resultados obtidos serão, na realidade, uma estimativa da verdadeira equação de regressão. Sendo assim: Exercícios • Exemplo: Considere os resultados de dois testes, x e y, obtidos por um grupo de alunos da escola A: a)Estabeleça a equação da reta. b)Estime y para x=23. Xi 11 14 19 19 22 28 30 31 34 37 Yi 13 14 18 15 22 17 24 22 24 25 • Exercício 01: Pretendendo-se estudar a relação entre as variáveis “consumo de energia elétrica” (xi) e “volume de produção nas empresas industriais” (yi), fez-se uma amostragem que incluiu vinte empresas, computando-se os seguintes valores: a)Estabeleça a equação da reta. b)Estime o volume de produção (y), para um consumo de energia elétrica (x)igual a 10, 2. ∑xi 11,34 ∑yi 20,72 ∑xi2 12,16 ∑yi2 84,96 ∑xi.yi 22,13 Exercício 02: Certa empresa, estudando a variação da demanda de seu produto em relação a variação de preço de venda, obteve: a)Estabeleça a equação da reta. b)Estime y para x=60 e x=120. PREÇO 38 42 50 56 59 63 70 80 95 110 DEMANDA 350 325 297 270 256 246 238 223 215 208 • Exercício 03: Sejam 10 observações de duas variáveis x e y, entre os quais existe uma correlação acentuada. Determine a reta ajustada. ∑xi 65 ∑yi 65 ∑xi2 481 ∑yi2 475 ∑xi.yi 473 O poder explicativo do modelo (R2) Frequentemente chamado de coeficiente de determinação, o poder explicativo da regressão tem por objetivo avaliar a “qualidade” do ajuste. É denotado por R2 e pode ser expresso por: ou onde Análise de regressão O poder explicativo do modelo (R2) • O coeficiente de determinação pode assumir valores no intervalo [0, 1]. • Quando R2 = 0, a variação explicada de y é zero, ou seja, a reta ajustada é paralela ao eixo da variável x. R2 = 0 O poder explicativo do modelo (R2) • Se R2 = 1, a reta ajustada explicará toda a variação de y. • Quanto mais próximo de 1 estiver o valor de R2, melhor a qualidade do ajuste da função aos pontos do diagrama de dispersão . Quanto mais próximo de zero, pior a qualidade do ajuste. R2 = 1 O poder explicativo do modelo (R2) • INTERPRETAÇÃO: Se o poder explicativo for 98%, isto significa que 98% das variações de y são explicadas por x através da função escolhida para relacionar as duas variáveis. Ainda, podemos concluir que 2% da explicação é atribuída a causas externas. 0 < R2 < 1 Exercícios • Exercício 04: Sejam 10 observações de duas variáveis x e y, entre os quais existe uma correlação acentuada. Determine o poder explicativo da regressão. ∑xi 65 ∑yi 65 ∑xi2 481 ∑yi2 475 ∑xi.yi 473
Compartilhar