Baixe o app para aproveitar ainda mais
Prévia do material em texto
Juliana Dubinski e Prof. Jomar REGRESSÃO LINEAR SIMPLES EXERCÍCIO Considere um experimento em que se analisa a octanagem da gasolina em função da adição de um novo aditivo . Para isso, foram realizados ensaios com os percentuais de 1, 2, 3, 4, 5 e 6% de aditivo. Os resultados são mostrados na a seguir: X 1 2 3 4 5 6 Y 80,5 81,6 82,1 83,7 83,9 85,0 Observe que é razoável supor uma relação aproximadamente linear entre X e Y para os níveis de aditivo ensaiados (de 1 a 6%). Contudo, os pontos não estão exatamente sobre uma reta, provavelmente por causa da existência de fatores não controláveis no processo. Vamos supor, então, que o valor esperado de Y se relacione com X, de acordo com uma equação de primeiro grau, ou seja: Em que, são os parâmetros do modelo. Seja um conjunto de observações . O modelo de regressão linear simples para as observações é dado por: Sendo : é a variável aleatória associada à i-ésima observação de Y; é o erro aleatório da i-ésima observação, isto é, o efeito de uma infinidade de fatores que estão afetando a observação de Y de forma aleatória; Tabela- Dados do experimento e cálculos intermediários para obter a equação de regressão. Assim, temos a seguinte reta de regressão: Para traçar a reta no plano, basta atribuir os valores para X e estimar Y. Por exemplo: Se x=4 ⇒ 83,244=ŷ . Note que o y observado foi igual a 83,7. Logo, tem-se um erro igual a 0,456. Interpretação: • a = 79,7. É o valor da octanagem médio (esperado) caso não haja adição de aditivo (x=0). • b > 0 ⇒ Correlação Linear Positiva (direta). Quando X aumenta, Y também aumenta (e vice-versa). • b = 0,886. A cada aumento de uma unidade de medida em X (aumento de 1% do aditivo), espera-se um aumento médio de 0,886 para o nível de octanagem. Aditivo vs Octanagem 80 80,5 81 81,5 82 82,5 83 83,5 84 84,5 85 85,5 0 2 4 6 8 Y Y previsto RESUMO DOS RESULTADOS Estatística de regressão R múltiplo 0,98744143 R-Quadrado 0,97504058 Coef. de Explicação (Determinação) R-quadrado ajustado 0,96880073 Erro padrão 0,29640706 Observações 6 ANOVA Causas de Variação gl SQ MQ F F de significação (P-valor) Regressão 1 13,7285714 13,728571 156,26016 0,000235586 Resíduo 4 0,35142857 0,0878571 Total 5 14,08 Conclusão: Com base na ANOVA, nota-se que o p-valor (F de Significação) foi igual a 0,000235586 (valor com prob. baixa=evento raro). Logo, a hipótese testada H0: β = 0, deve ser rejeitada. Assim, conclui-se que existe a regressão linear. Pela análise do Coeficiente de Determinação (R 2 = 97,504058% ), interpreta-se que: da variabilidade total (associada à octanagem), 97,5% se deve (pode ser explicada) por X (aditivo). Note, também, que o coeficiente de Pearson ( 0,987=ρ̂ = 97504058,02 =R ) indica uma correlação linear forte entre X e Y. Pois, encontra-se próximo a 1. Assim, a reta estimada ( ) é adequada para predizer valores (Ŷ ) no intervalo de X experimentado, ou seja, entre 1% e 6%. ][ 1 1 ];[ˆ ∑∑ ∑ ∑− − = n YX XY n YXvoC ⇒≅ ↓↑⇔⇒< ↑↑⇔⇒> LINEARassociaçãodeAusência vvYXnegativaInversaAssociação YXpositivaDiretaAssociação voCSe 0 ).(:)(0 :)(0 ˆ YX ss YXvoC . ];[ˆ ˆ =ρ ; Total Modelo SQ SQ R =2 Soma de Quadrados (SQ): 222 ).1(.).1( YTotalXModelo SnSQeSbnSQ −=−= Quadrados Médios (QM): gl SQ QM = XbYa .−= 2 ];[ˆ X S YXvoC b =
Compartilhar