Baixe o app para aproveitar ainda mais
Prévia do material em texto
Este é um estudo de caso simulado que tem o propósito de demonstrar a técnica de predição, com o emprego de modelos de regressão linear múltipla. 100 pessoas em bom estado de saúde, porém com índices altos de massa corporal (IMC entre 30 e 40) foram convidadas a participar de um estudo sobre o impacto da prática de atividades físicas e de dieta alimentar na redução da massa corporal (perda de peso). Elas foram randomicamente divididas em dois grupos, um que se submeteu a uma dieta alimentar com o uso concomitante de um estimulante natural recém-descoberto, e outro grupo, que não se submeteu a qualquer tipo de dieta. Aparentemente, esse novo estimulante resultava em grande efeito quando a pessoa se exercitava, caso contrário, o efeito era bem pequeno. O estudo foi conduzido para se testar essa hipótese. Sendo assim, todas as pessoas foram incentivadas a praticar atividades físicas de alta intensidade e registrar, a cada semana, o tempo total que haviam conseguido dedicar a essas atividades. As atividades físicas, entretanto, não eram obrigatórias. No final da primeira semana mediu-se a redução de massa corporal de cada um dos indivíduos. Os dados obtidos foram organizados na forma de uma tabela. Um modelo de regressão linear múltipla foi ajustado a esses dados, nos quais se incluiu o efeito cruzado entre as variáveis preditivas, que é o efeito do produto entre as mesmas variáveis na redução de peso, obtendo-se o seguinte resultado: y= 1,25+0,15 x1+0,20 x2+0,30 x1 x2 onde y=perda de peso ocorrido na primeira semana (kg) x1=tempo dedicado a atividades físicas na primeira semana (h) x2= indicador se a pessoa não fez (0) ou fez (1) dieta alimentar Com base nesses resultados, os pesquisadores puderam tirar algumas conclusões sobre o efeito do tempo semanal dedicado a atividades físicas e à prática de dieta alimentar com uso concomitante de estimulante natural na redução de peso daquele conjunto de pessoas, na primeira semana de tratamento. Vamos Praticar Agora que você compreendeu as funções e objetivos da construção de modelos de regressão para predição, pratiquemos um pouco mais sobre este assunto por meio da aplicação do conhecimento adquirido no estudo de caso proposto. Analise e interprete os resultados da pesquisa e responda às seguintes perguntas: 1) Quais foram as variáveis estudadas? As variáveis estudas foram: y=perda de peso ocorrido na primeira semana (kg) x1=tempo dedicado a atividades físicas na primeira semana (h) x2= indicador se a pessoa não fez (0) ou fez (1) dieta alimentar 2) Qual o tipo de cada variável, quantitativa ou qualitativa? Se quantitativa, qual sua unidade de medida? Se qualitativa, que níveis ou classes podem assumir? Y é uma variável quantitativa continua, e é medida em Kg. X1 é uma variável quantitativa continua, e é medida em horas. X2 é uma variável quantitativa discreta, e é medida no formato binário (0 ou 1). 3) O que representa cada um dos quatro coeficientes do modelo de regressão linear múltipla? 1,25 representa o valor de y (perda de peso) caso x1 e x2 sejam igual a 0. 0,15 x1 representa quanto será diminuído no peso dependendo das horas de exercícios realizadas na semana. 0,20 x2 representa o quanto será diminuído no peso, caso a pessoa tenha optado em realizar a dieta. 0,30 x1 x2 representa o quanto será diminuído no peso dependendo da relação entre horas de exercícios versus realização da dieta, lembrando que caso qualquer variável tenha o valor de zero, esse coeficiente será nulo. 4) O efeito cruzado entre as variáveis x1 (tempo dedicado a atividades físicas na primeira semana) e x2 (se a pessoa fez ou não dieta alimentar) é positivo? Ou seja, um ajuda o outro na redução de peso das pessoas? Levando-se em consideração os seguintes dados: x1 = 8 horas de exercícios na semana x2 = 0 (não fez dieta) ou 1 (fez dieta) Caso se tenha feito dieta y = 1,25+0,15 x1+0,20 x2+0,30 x1 x2 y = 1,25+0,15*8+0,20*1+0,30*8*1 y = 2,45+0,2+2,4 y = 5,05 Caso não se tenha feito dieta y = 1,25+0,15 x1+0,20 x2+0,30 x1 x2 y = 1,25+0,15*8+0,20*0+0,30*8*0 y = 2,45 Sim, quando a pessoa se exercita e faz a dieta a perda de peso é maior. 5) Em que situações similares você poderia aplicar essa mesma técnica para gerar conhecimento a partir de dados? Poderíamos aplicar essa técnica para correlacionar dados e gerar informação em muitas situações, como: - Altura dos pais e altura dos filhos; - Renda semanal e despesas de consumo; - Variação dos salários e taxa de desemprego; - Demanda dos produtos de uma firma e publicidade;
Compartilhar