Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
Plan1 Y X1 X2 166 250 95 140 153 50 173 213 107 187 229 126 139 194 90 Iremos fazer a seguinte regressão linear: Y_chapeu=a+bX1+cX2 Para tal, calcularemos os valores de a, b, c matricialmente. As matrizes que precisamos são as seguintes: 166 1 250 95 140 1 153 50 a Y(5x1) 173 X(5x3) 1 213 107 Beta b 187 1 229 126 c 139 1 194 90 A matriz Y é a matriz que contém os valores de Y 5 1039 468 A matriz X contém os valores X1 e X2 assim como uma coluna toda cheia de 1. Xt*X 1039 221355 100505 A matriz Beta irá conter os valores a, b, c, coeficientes da regressão linear 468 100505 46950 90.452667545352881 8.8946078225610723 -5.3261918953634267E-2 2.5354903162437246E-2 Xt = transposta de X Beta= 9.8060623359618848E-2 (Xt*X)^-1 -5.3261918953634087E-2 4.800780287066899E-4 -4.9677666038051361E-4 (Xt*X)^-1 = inversa do produto entre a transposta de X e a matriz X 0.53600785171492804 2.5354903162436878E-2 -4.9677666038051187E-4 8.3200092804095599E-4 Então, agora de posse dos coeficientes, teremos os valores de Y_chapeu para estimarmos: -2.0121561154159555 2.0132793807768921 0.26279372381775934 -0.10765381935408147 0.84373683017537759 (Xt*X)^-1*Xt 1.9563805486889609E-2 -4.648813580536218E-3 -4.1604014998240929E-3 -5.9179095877468155E-3 -4.8366808187824684E-3 165.88856929817575 -1.9799173768800263E-2 -9.0518794737336344E-3 8.5655738017701571E-3 1.6425164868460115E-2 3.8603145723036109E-3 132.25633550512097 Y_chapeu = 168.69242045444901 90.452667545352881 180.44553961078654 Beta (Xt*X)^-1*Xt*Y 9.8060623359618848E-2 157.71713513146244 0.53600785171492804 Plan2 Plan3