Baixe o app para aproveitar ainda mais
Prévia do material em texto
CONTEÚDO PROGRAMÁTICO AlfaCon Concursos Públicos Lei do Direito Autoral nº 9.610, de 19 de Fevereiro de 1998: Proíbe a reprodução total ou parcial desse material ou divulgação com fins comerciais ou não, em qualquer meio de comunicação, inclusive na Internet, sem autorização do AlfaCon Concursos Públicos. 1 ÍNDICE Regressão Linear ��������������������������������������������������������������������������������������������������������������������������������������������������2 Introdução ��������������������������������������������������������������������������������������������������������������������������������������������������������������������������2 Equação de uma Reta ��������������������������������������������������������������������������������������������������������������������������������������������������������3 Método de Mínimos Quadrados �������������������������������������������������������������������������������������������������������������������������������������5 AlfaCon Concursos Públicos Lei do Direito Autoral nº 9.610, de 19 de Fevereiro de 1998: Proíbe a reprodução total ou parcial desse material ou divulgação com fins comerciais ou não, em qualquer meio de comunicação, inclusive na Internet, sem autorização do AlfaCon Concursos Públicos. 2 Regressão Linear Introdução Imaginemos duas variáveis, que chamaremos genericamente de Y e X – mas que poderiam ser consumo e renda; salários e anos de estudo; lucro e investimento; preço de revenda de um carro e seu ano de fabricação; enfim, quaisquer duas variáveis que, supostamente, tenham relação entre si� Suponhamos, ainda, que X é a variável independente e Y é a variável dependente, isto é, Y é afetado por X, e não o contrário� Por exemplo, considere a relação entre as variáveis X e Y (pontos) mostrada no diagrama de dis- persão abaixo� No gráfico acima, verificamos que existe, sim, uma dependência entre Y e X, pois se percebe que y aumenta à medida que x aumenta� O processo de encontrar a relação entre Y e X é chamado de re- gressão� Se esse processo é uma reta (como parece ser o caso), é uma regressão linear� E, se houver apenas uma variável independente (só tem uma, a variável X), é uma regressão linear simples� Como a relação expressa pelo gráfico acima é, aparentemente, dada por uma reta, vamos passar uma reta que esteja ajustada aos pontos� Com o conhecimento da equação dessa reta, podem-se estimar valores futuros de uma variável com base em valores conhecidos da outra variável� A variável y é a variável que deve ser predita, e x é o preditor� A variável x também é chamada: variável independente ou variável explicativa� A variável y também é chamada: variável dependente ou variável explicada� Faremos uma pausa no assunto de Regressão Linear e relembraremos alguns conceitos sobre a equação de uma reta� AlfaCon Concursos Públicos Lei do Direito Autoral nº 9.610, de 19 de Fevereiro de 1998: Proíbe a reprodução total ou parcial desse material ou divulgação com fins comerciais ou não, em qualquer meio de comunicação, inclusive na Internet, sem autorização do AlfaCon Concursos Públicos. 3 Equação de uma Reta A equação de uma reta tem o seguinte modelo: y = a + bx� (Muitos livros de Matemática trazem a equação da reta com “a” e “b” em posições trocadas: y = ax + b, mas a primeira forma é a preferida dos estatísticos, portanto ficaremos com ela)� O valor “a” é chamado de coeficiente linear ou intercepto y (porque a reta intercepta o eixo y em y=a)� O valor “b” é chamado de coeficiente angular e está associado ao grau de inclinação da reta em relação ao eixo horizontal: b = ∆y/∆x Demonstração: Se escolhermos dois pontos: (x1, y1) e (x2, y2), ao substituirmos esses pontos na equação da reta, teremos: y2 = a + bx2 e y1 = a + bx1 Subtraindo essas duas equações membro a membro, temos: (y2 – y1) = (a + bx2) – (a + bx1) (y2 – y1) = bx2 – bx1 (y2 – y1) = b�(x2 –x1) b = (y2 – y1) / (x2 –x1) Assim: b = ∆y/∆x Por meio do sinal de “b”, podemos saber se a reta é crescente, decrescente ou constante� ˃ Se b>0 a reta será crescente� ˃ Se b<0 a reta será decrescente� ˃ Se b=0 a reta será paralela ao eixo horizontal� Quanto maior o módulo (valor absoluto) de “b”, maior será a inclinação da reta, tendendo à vertical; e quando “b” se aproxima de zero, a reta diminui a inclinação, tendendo à horizontal� Como exemplo, vamos determinar a reta que passa pelos pontos: (0, 1) e (1, 3)� AlfaCon Concursos Públicos Lei do Direito Autoral nº 9.610, de 19 de Fevereiro de 1998: Proíbe a reprodução total ou parcial desse material ou divulgação com fins comerciais ou não, em qualquer meio de comunicação, inclusive na Internet, sem autorização do AlfaCon Concursos Públicos. 4 O modelo da equação da reta é: y = a + bx Vamos substituir os pontos (0, 1) e (1, 3) na equação acima: (0, 1) 1 = a + b�0 a = 1 (coef� linear) (1, 3) 3 = 1 + b�1 b = 2 (coef� angular) Daí: y = 1 + 2x (Resposta!) Como b>0, a reta é crescente� O coeficiente angular da reta, b, indica a variação de y por unidade de variação de x� Por exemplo: Neste exemplo, qual é o ∆y correspondente a ∆x = 1? Temos que: b = ∆y/∆x Substituindo os valores, temos: 2 = ∆y/1 ∆y = 2 Significa que a cada unidade de variação de x, correspondem 2 unidades de variação de y� Podemos observar a relação entre as variações de x e de y no gráfico abaixo� Verifica-se que enquanto x varia de 1 para 2 (∆x=1), o y varia de 3 para 5 (∆y=2)� A tangente do ângulo que a reta faz com a horizontal é igual ao coeficiente angular� AlfaCon Concursos Públicos Lei do Direito Autoral nº 9.610, de 19 de Fevereiro de 1998: Proíbe a reprodução total ou parcial desse material ou divulgação com fins comerciais ou não, em qualquer meio de comunicação, inclusive na Internet, sem autorização do AlfaCon Concursos Públicos. 5 Método de Mínimos Quadrados No diagrama de dispersão abaixo, é mostrada a reta que relaciona as variáveis X e Y� Observe que a reta não passa por cima de todos os pontos� Desse modo, haverá um erro denotado por εi� O modelo da regressão linear é dado por: yi = α + βxi + εi Sendo α+βx a equação da reta, e ε é o erro (ou desvio)� O erro εi observado no gráfico acima é dado pela diferença (vertical) entre o valor observado yi (referente ao ponto) e o valor estimado (que fica em cima da reta), ou seja: O próximo passo é estimar a reta de regressão� Uma vez que normalmente estaremos trabalhan- do com uma amostra, não teremos os valores de α e β, mas sim de seus estimadores� Se “a” e “b” são estimadores de α e β, respectivamente, a reta de regressão estimada é: Para encontrar as estimativas “a” e “b” da reta de regressão, utilizaremos o Método de Mínimos Quadrados� Ele é o mais utilizado para ajustar uma linha reta a um conjunto de pontos� Por esse método, a reta resultante tem duas características importantes: 1) a soma dos desvios verticais dos pontos em relação à reta é zero: � 2) a soma dos quadrados dos desvios é mínima: deve ser mínima� Após a aplicação do Método de Mínimos Quadrados, chegaremos às seguintes expressões para a obtenção das estimativas “a” e “b” da reta de regressão: 1) Para obtenção de “b” podemos utilizar uma das três possibilidades abaixo: AlfaCon Concursos Públicos Lei do Direito Autoral nº 9.610, de 19 de Fevereiro de 1998: Proíbe a reprodução total ou parcial desse material ou divulgação com fins comerciais ou não, em qualquer meio de comunicação, inclusive na Internet, sem autorização do AlfaCon Concursos Públicos. 6 2) Para obtenção de “a”, podemos usar uma das duas expressões a seguir: ou Podemos encontrar uma relação importante entre o coeficiente angular da reta de regressão (b) e o coeficiente de correlação linear (r)� Sabemos que: Dessas duas expressões, é fácil chegar à seguinte expressão: Em que SX e SY são os desvios padrões das variáveis X e Y, respectivamente� Como SX e SY são sempre positivos, então o sinal de “b” é o mesmo de “r”� Isso concorda com o quejá aprendemos, pois uma correlação negativa indica uma reta decrescente entre X e Y e, portanto, o coeficiente angular é negativo� E o contrário, uma correlação positiva indica uma reta crescente entre X e Y e, portanto, o coeficiente angular é positivo� → Exemplo 01. Uma empresa presta serviços de manutenção de eletrodomésticos em domicílio� Para cada um de 18 atendimentos coletou o tempo gasto em minutos (y) com a manutenção e o número de máquinas servidas (x)� Postula-se que o modelo linear yi = α + βxi + εi seja adequado, onde α e β são parâmetros desconhecidos e os εi são componentes de erro não diretamente ob- serváveis, não correlacionados, com média nula e variância σ2 desconhecida� As estimativas de mínimos quadrados dos parâmetros do modelo linear são dadas por a=10, b=2 e σ2=4� A estima- tiva do aumento esperado de tempo por máquina adicional servida por chamada é de a) 2 minutos� b) 10 minutos� c) 12 minutos� d) 5 minutos� e) 6 minutos� AlfaCon Concursos Públicos Lei do Direito Autoral nº 9.610, de 19 de Fevereiro de 1998: Proíbe a reprodução total ou parcial desse material ou divulgação com fins comerciais ou não, em qualquer meio de comunicação, inclusive na Internet, sem autorização do AlfaCon Concursos Públicos. 7 → Solução: O enunciado forneceu os valores de “a” e “b” da reta de regressão� Podemos, então, montar a reta de regressão: Mas não é necessário montar a reta de regressão para resolver esta questão� A questão pede a es- timativa do aumento esperado de tempo (∆y=?) por máquina adicional servida por chamada (∆x=1)� Precisamos da relação entre as variações de X e de Y, que é dada por: b = ∆y/∆x Isolando ∆y, temos: ∆y = b�∆x Substituindo b por 2 e ∆x por 1, temos: ∆y = 2�1 = 2 Portanto, para cada máquina adicional servida por chamada, teremos um acréscimo de 2 minutos no tempo gasto com a manutenção� → Resposta: Alternativa A� → Exemplo 02. Na análise de regressão linear simples, as estimativas e dos parâmetros α e β da reta de regressão podem ser obtidas pelo método de Mínimos Quadrados� Nesse caso, os valores dessas estimativas são obtidos através de uma amostra de n pares de valores (Xi ,Yi ) com (i =1, 2, ����,n), obtendo-se: , onde é a estimativa de Yi = α + βXi � Para cada par de valores (Xi Yi) com (i =1, 2, ���,n) pode-se estabelecer o desvio ou resíduo − aqui denotado por ei − entre a reta de regressão Yi e sua estimativa � Sabe-se que o Método de Mínimos Quadrados consiste em adotar como estimativas dos parâmetros α e β os valores que minimizam a soma dos qua- drados dos desvios ei� Desse modo, o Método de Mínimos Quadrados consiste em minimizar a expressão dada por: → Solução: Segundo o enunciado, o desvio ou resíduo − denotado por ei – é dado entre a reta de regressão Yi e sua estimativa � Ou seja: Ainda segundo o enunciado, o Método de Mínimos Quadrados consiste em adotar como esti- mativas dos parâmetros α e β os valores que minimizam a soma dos quadrados dos desvios ei� Essa soma é dada por: AlfaCon Concursos Públicos Lei do Direito Autoral nº 9.610, de 19 de Fevereiro de 1998: Proíbe a reprodução total ou parcial desse material ou divulgação com fins comerciais ou não, em qualquer meio de comunicação, inclusive na Internet, sem autorização do AlfaCon Concursos Públicos. 8 Temos que ; substituindo, vem: Observe nas alternativas da questão que o somatório acima não aparece entre as opções de resposta� Também uma possível resposta poderia ser: Esse somatório aparece na alternativa B, porém nessa alternativa aparece um parêntese sobrando dentro do somatório� O gabarito preliminar apontava a alternativa C como resposta, mas a questão foi anulada� → Resposta: Anulada� → Exemplo 03. Determine a reta de regressão de Y em X, considerando que uma amostra aleatória simples (X1,Y1), (X2,Y2),���, (X22,Y22) forneceu as seguintes estatísticas: médias amostrais = 4,8 e = 15,3, variâncias amostrais Sx 2 = 8 e Sy 2 = 40 e covariância amostral Sxy = 12� a) Ŷi = 8,1 + 0,3 Xi b) Ŷi = 8,1 + 1,5 Xi c) Ŷi = 15,3 + 1,5 Xi d) Ŷi = 15,3 + 0,3 Xi e) Ŷi = 15,3 + 2,25 Xi → Solução: A reta de regressão de Y em X é dada por: Temos, primeiramente, que encontrar o valor de “b”, depois o valor de “a”� De acordo com os dados fornecidos no enunciado, é melhor utilizarmos a relação que existe entre o coeficiente angular “b” e a covariância: Vamos lançar os dados fornecidos no enunciado na expressão acima: Agora precisamos encontrar o valor do coeficiente linear “a” para montar a reta de regressão� Vamos lançar o valor de “b” e dos dados fornecidos no enunciado na expressão acima: AlfaCon Concursos Públicos Lei do Direito Autoral nº 9.610, de 19 de Fevereiro de 1998: Proíbe a reprodução total ou parcial desse material ou divulgação com fins comerciais ou não, em qualquer meio de comunicação, inclusive na Internet, sem autorização do AlfaCon Concursos Públicos. 9 Resolvendo, temos: Portanto, a reta de regressão é: → Resposta: Alternativa B�
Compartilhar