Baixe o app para aproveitar ainda mais
Prévia do material em texto
EstatEstatíística stica -- Prof. Paulo Renato A. Firmino Prof. Paulo Renato A. Firmino -- Aulas 29Aulas 29--30 30 -- Regressão Linear SimplesRegressão Linear Simples 1 Estatística Prof. Paulo Renato A. Firmino praf62@gmail.com Aulas 29 - 30 EstatEstatíística stica -- Prof. Paulo Renato A. Firmino Prof. Paulo Renato A. Firmino -- Aulas 29Aulas 29--30 30 -- Regressão Linear SimplesRegressão Linear Simples 2 • Temos sempre estudado associações (heterogeneidade) entre variáveis (populações) Por exemplo: Há associação entre 1. O consumo de dada substância e a incidência de aborto? 2. A tecnologia da produção e a quantidade de leite produzida? • Contudo, temos sempre envolvido variáveis categóricas/qualitativas (ou categorizadas) • Estudaremos agora a associação entre variáveis quantitativas Teste de hipóteses: Análise de Associação - Heterogeneidade Variável categórica consumo da substância (sim, não) tipo de tecnologia (proposta ou tradicional) EstatEstatíística stica -- Prof. Paulo Renato A. Firmino Prof. Paulo Renato A. Firmino -- Aulas 29Aulas 29--30 30 -- Regressão Linear SimplesRegressão Linear Simples 3 • Elabora um modelo matemático para representar a associação entre variáveis quantitativas • Exemplo 1: Estuda-se a associação entre o peso de um animal (X) e o efeito sonífero de um sedativo (Y). Análise de Regressão Indivíduo (i) 1 2 3 4 5 6 7 8 9 10 11 12 Peso em kg (xi) 22.9 27.7 19.5 25.8 22.6 39.7 27.9 35.5 36.1 28.6 48.5 16.0 Tempo de sono em min (yi) 34.0 25.5 35.7 29.5 31.7 25.1 35.9 24.6 27.5 27.1 26.9 39.2 Ind. 9 20.00 25.00 30.00 35.00 40.00 15.00 20.00 25.00 30.00 35.00 40.00 45.00 50.00 Peso (kg): x T e m p o s o n o ( m i n ) : y f(x) g(x) EstatEstatíística stica -- Prof. Paulo Renato A. Firmino Prof. Paulo Renato A. Firmino -- Aulas 29Aulas 29--30 30 -- Regressão Linear SimplesRegressão Linear Simples 4 • Do Exemplo 1: Estuda-se a associação entre o peso de um animal (X) e o efeito sonífero de um sedativo (Y). • Qual é a reta que melhor se ajusta aos dados? f(xi) = a + bxi Para cada xi teremos um erro: Yi = f(xi) + ei → ei = f(xi) - Yi Análise de Regressão Linear Ind. 9 20.00 25.00 30.00 35.00 40.00 15.00 20.00 25.00 30.00 35.00 40.00 45.00 50.00 Peso (kg): x T e m p o s o n o ( m i n ) : y f(x) e9 EstatEstatíística stica -- Prof. Paulo Renato A. Firmino Prof. Paulo Renato A. Firmino -- Aulas 29Aulas 29--30 30 -- Regressão Linear SimplesRegressão Linear Simples 5 • Do Exemplo 1: Estuda-se a associação entre o peso de um animal (X) e o efeito sonífero de um sedativo (Y). • Qual é a reta que melhor se ajusta aos dados? f(xi) = a + bxi Para cada xi teremos um erro: Yi = f(xi) + ei→ ei = Yi- f(xi) De um conjunto de observações (xi, yi), i=1, .., n • A melhor reta pode ser aquela que minimiza ∑ei2= ∑(yi -a-bxi)2 Análise de Regressão Linear- Método dos Mínimos Quadrados Ind. 9 20.00 25.00 30.00 35.00 40.00 15.00 20.00 25.00 30.00 35.00 40.00 45.00 50.00 Peso (kg): x T e m p o s o n o ( m i n ) : y f(x) e9 EstatEstatíística stica -- Prof. Paulo Renato A. Firmino Prof. Paulo Renato A. Firmino -- Aulas 29Aulas 29--30 30 -- Regressão Linear SimplesRegressão Linear Simples 6 Análise de Regressão Linear- Método dos Mínimos Quadrados n xby xbya n 1i i n 1i i ∑∑ == ⋅− =⋅−= 2n 1i i n 1i 2 i n 1i i n 1i i n 1i ii xxn yxyxn b ⎟⎟⎠ ⎞⎜⎜⎝ ⎛−⋅ ⎟⎟⎠ ⎞⎜⎜⎝ ⎛⋅⎟⎟⎠ ⎞⎜⎜⎝ ⎛−⋅⋅ = ∑∑ ∑∑∑ == === • Do Exemplo 1: Estuda-se a associação entre o peso de um animal (X) e o efeito sonífero de um sedativo (Y). • Qual é a reta que melhor se ajusta aos dados? f(xi) = a + bxi Para cada xi teremos um erro: Yi = f(xi) + ei→ ei = Yi- f(xi) De um conjunto de observações (xi, yi), i=1, .., n • A melhor reta pode ser aquela que minimiza ∑ei2= ∑(yi -a-bxi)2 EstatEstatíística stica -- Prof. Paulo Renato A. Firmino Prof. Paulo Renato A. Firmino -- Aulas 29Aulas 29--30 30 -- Regressão Linear SimplesRegressão Linear Simples 7 • Do Exemplo 1: Estuda-se a associação entre o peso de um animal (X) e o efeito sonífero de um sedativo (Y) Análise de Regressão Linear- Método dos Mínimos Quadrados Ind. 1 2 3 4 5 6 7 8 9 10 11 12 xi 22.9 27.7 19.5 25.8 22.6 39.7 27.9 35.5 36.1 28.6 48.5 16.0 yi 34.0 25.5 35.7 29.5 31.7 25.1 35.9 24.6 27.5 27.1 26.9 39.2 xi2 523.48 769.99 380.49 667.18 509.75 1,575.65 779.44 1,257.91 1,306.03 818.36 2,352.16 256.97 xiyi 778.29 708.52 696.22 761.60 715.62 997.97 1,001.20 873.98 992.46 775.77 1,306.58 628.79 ( ) 4.09.3504.1119712 8.3629.35001.1023712 xxn yxyxn b 22n 1i i n 1i 2 i n 1i i n 1i i n 1i ii −=−⋅ ⋅−⋅= ⎟⎟⎠ ⎞⎜⎜⎝ ⎛−⋅ ⎟⎟⎠ ⎞⎜⎜⎝ ⎛⋅⎟⎟⎠ ⎞⎜⎜⎝ ⎛−⋅⋅ = ∑∑ ∑∑∑ == === 01.10237yx n 1i ii =⋅∑ = 9.350x n 1i i =∑ = 8.362y n 1i i =∑ = 4.11197x n 1i 2 i =∑ = 86.41 12 9.350)4.0(8.362 n xby xbya n 1i i n 1i i =⋅−−= ⋅− =⋅−= ∑∑ == lm() EstatEstatíística stica -- Prof. Paulo Renato A. Firmino Prof. Paulo Renato A. Firmino -- Aulas 29Aulas 29--30 30 -- Regressão Linear SimplesRegressão Linear Simples 8 • Do Exemplo 1: Estuda-se a associação entre o peso de um animal (X) e o efeito sonífero de um sedativo (Y) Qual seria o tempo esperado de efeito sedativo para um animal que pese 45 kg? • Resposta: f(45) = 41.86 – 0.4·45 = 23.86 min Análise de Regressão Linear- Método dos Mínimos Quadrados EstatEstatíística stica -- Prof. Paulo Renato A. Firmino Prof. Paulo Renato A. Firmino -- Aulas 29Aulas 29--30 30 -- Regressão Linear SimplesRegressão Linear Simples 9 Observações importantes • Supõe-se que ei é um erro aleatório associado à iª observação Ele representa uma infinidade de fatores que influenciam Y, além de X • Tais fatores não são considerados pelo modelo f(x) Supõe-se que a média dos erros é zero: E(ei) = 0 Supôe-se que os erros são independentes entre si • X é considerada como uma variável que se pode controlar Para cada valor assumido por X, x, a média de Y é dada por E[Y|x]= α+β·x • De posse de uma amostra, uma estimativa para E(Y|xi) é ŷi=f(xi)=a+b·xi • Recomenda-se usar o modelo f(x) apenas para valores de x pertencentes ao intervalo de observações De fato, não há informação sobre a associação entre X e Y fora deste intervalo Análise de Regressão Linear EstatEstatíística stica -- Prof. Paulo Renato A. Firmino Prof. Paulo Renato A. Firmino -- Aulas 29Aulas 29--30 30 -- Regressão Linear SimplesRegressão Linear Simples 10 Análise de Regressão Linear- Método dos Mínimos Quadrados • Exercícios 1. Obtenha a reta que melhor representa a associação entre a quantidade consumida de dado fruto em mg, X, e a proporção de abortos em vacas (Y). A tabela ao lado exibe os resultados de experimentos realizados em 4 grupos de animais. 334 123 2 12 1 01 Proporção de abortos (Y) Exposição em mg (X)Grupo 2. A seguir apresenta-se a série de precipitações de chuva de uma dada localidade, ao longo de algumas semanas, em unidades de 10 ml (xt). (a) Construa um modelo linear que permita estimar a precipitação na semana t (xt) a partir da precipitação observada na semana anterior (xt-1). Trata-se de um modelo auto-regressivo. (b) Verifique, via histograma e teste de hipóteses, se os resíduos gerados seguem uma distribuição normal, com média zero. (c) Verifique, via gráfico de pares, se os resíduos são independentes das precipitações observadas. 23.324.224.923.71916.71710.53.82.9Precipitaçãoem unidades de 10 ml (xt) 10987654321Semana (t) EstatEstatíística stica -- Prof. Paulo Renato A. Firmino Prof. Paulo Renato A. Firmino -- Aulas 29Aulas 29--30 30 -- Regressão Linear SimplesRegressão Linear Simples 11 Análise de Regressão Linear- Método dos Mínimos Quadrados • Exercícios 3. Obtenha a reta que melhor representa a associação entre a quantidade consumida de dado fruto em mg, X, e a proporção de abortos em vacas (Y). A tabela ao lado exibe os resultados de experimentos realizados em 10 grupos de animais. Grupo Exposiçãoem mg (X) Proporção de abortos (Y) 1 0 0.05 2 50 0.10 3 100 0.06 4 150 0.12 5 200 0.06 6 250 0.10 7 300 0.15 8 350 0.11 9 400 0.11 10 450 0.16 4. Elabore um problema de decisão na sua área que ainda não tenha sido discutido em sala cuja aplicação da análise de regressão possa ser util.
Compartilhar