A maior rede de estudos do Brasil

Correlação e Regressão Linear Simplesvideo play button

Transcrição


professora lá e hoje falaremos sobre a regressão linear simples antes de começar a falar sobre a regressão linear simples. É necessário que a gente fala um pouco sobre correlação e o que é com relação com relação nada mais? É como duas variáveis se relaciona, então vamos definir aquilo. Damos o nome de com relação à forma como as variáveis diz e pressão se relacionam. Ela pode ser positiva quando as variáveis são diretamente proporcionais, ou seja, quando um aumenta a outra, também aumenta na mesma proporção na mesma intensidade. Ou ela pode ser negativa quando elas são inversamente proporcionais. Ou seja, quando uma aumenta a outra, diminui na mesma tem cidade ou contrário. Quando uma diminui a outra aumento por quem e como que a gente faz para verificar isso modo prévio? Nós fazemos aqui um diagrama de pontos para representar. Então, a princípio olha para você. Olha esse diagrama de pontos aqui que a gente tem esse diagrama de pontos aqui você percebe que não Não nos dá uma ideia de reta, então a gente nós dizemos que isso aqui é uma correlação não linear. Então o nome linear não sei se você vai se lembrar disso. das funções de primeiro grau, ela vende que dos gráficos que são representados corretas. Então, se os pontos nos dão pelo menos uma noção que a gente pode passar, uma reta que entre eles aí a gente fala que a correção ela está tendendo para Celina. Então, dá uma olhada nesse segundo aqui. Nesse segundo a gente percebe aqui que os pontos vão diminuindo, Então a gente consegue aqui ajustar. Pelo menos tenho dando uma ideia de uma reta que vai passar por eles aqui é uma reta que vai se ajustar melhor esses pontos. Observer está descendo então lá das funções meio grau, quando se tem uma reta que ela desse aqui, Ou seja, quando se aumenta os físicos, não diminui isso, que é uma função decrescente, então aqui o coeficiente angular é negativo, Por isso que a gente fala que esse tipo de correlação aqui ela é linear e negativa aqui, ou em contrapartida, esses pontos aqui também nos dão ideia que uma reta vai passar aqui por ele, vai se ajustar aqui e aqui é o contrário, aumentando Shizue estão também aumenta, Então está me dando a ideia de uma correlação linear positiva nessa outra nova de pontos aqui aqui que se percebe que os pontos estão completamente aqui, a ex mulher, ou seja, não tem uma característica que a primeira impressão que vai passar uma reta que eu não consigo nem entender esses pontos aqui. Logo nesse tipo de situação aqui a gente não tem uma correlação, não há correlação. A gente vai ver isso aqui através do coeficiente, mas a nove pontos. E só para a gente ter uma ideia, é possível que seria uma correlação perfeita. Aqui aos pontos estão exatamente alinhados, coisa que não aconteceu nos exemplos anteriores. Então, aqui sim há uma correlação linear perfeita, positiva, porque está crescendo aqui e aqui negativa porque está decrescendo. Então, aqui sim a gente pode falar que as variáveis se relacionam perfeitamente, se correlaciona perfeitamente que isso quer dizer que uma variável explica assim a variável dependente. Ela, a variável impressão que a dependente, ela explica, é explicada pela variável dependente e independente de quem a gente vai ver um pouco isso melhor, através de exemplos, o coeficiente de correlação linear de pista, que vai dar essa ideia, essa intensidade para a gente. Então, o que que é esse coeficiente? O coeficiente com relação à guerra de piso é um valor que informa a intensidade e a forma da correlação de área entre duas variáveis. A partir da análise. Seu resultado podemos determinar se adequado ou não, a utilização do modelo linear para a modelagem do fenômeno, chamando de coeficiente com relação a isso. Ele é calculado por essa forma que então era possível. Calma da filha não precisa se assustar com tamanho da forma não. Como a gente já tem aquela calculadora, filé, ela vai fazer de tudo para a gente. Porque aí então, isso aqui que a gente vai precisar? Se fosse fazer isso na mão, é preciso do produto. Eu preciso do somatório de xis no somatório de Ibson do somatório de Shizuo quadrado do somatório de vista ao quadrado. Então a gente vai ter que criar algumas colunas aqui auxiliares para gente obter essa fórmula que lembrando que não é necessário, uma vez que você tem a calculadora, que cálculos para você. Então vamos aqui a fazer alguns exemplos para a gente entender como que a gente obtém esse coeficiente, que é o primeiro passo aí para a gente modelar matematicamente o problema através da regressão linear simples. Depois, o que você acha esse coeficiente, a gente pode classificar também em função do resultado obtido. Eu peguei um autor aqui que é um millones, então ele classifica da seguinte maneira Olha para você ver o erro com eficiente, porque é para esse módulo, porque a questão de ser positivo a gente já sabe que ela é crescente. Quando um aumenta, também aumenta. E a questão de ser negativo a gente sabe que é decrescente como momento, outra diminuiu vice versa, então a gente tem que mencionar sim, se o coeficiente que eu achei positivo negativo, mas independente do sinal, se a gente estiver o módulo dele entre zero vírgula nove uma classificação ótima, uma correlação ótima se tiver entre zero vírgula oito zero vírgula nove uma boa correlação entre zero vírgula sete oito razoável entre seis e sete. Mediu que entre cinco e seis péssima e abaixo de zero vírgula cinco ou igual impróprio seja a gente fala que não tem correlação. O modelo não vai ficar bacana. Não consigo modelar o fenômeno através da regressão. Então vão fazer um exemplo E nós vamos seguir essa classificação? Que beleza, então só um minutinho que eu vou abrir aqui outra telinha. Veja o exemplo, uma empresa resolveu estudar a variação da demanda em unidades do produto em função do preço de venda em reais praticado. Para isso, foram coletados os seguintes dados estão aqui eu tenho preço trinta e seis, quarenta e três, quarenta e nove, cinquenta e cinco, na entrada, a demanda que a procura, enquanto o preço está isso aqui a procura isso contra preço quarenta e três A procura isso quando o preço quarenta e nove para isso, e assim por diante. Então, que o que era que eu quero calcular o coeficiente de correlação. Então, calculando com recente com relação à qual é a fórmula que eu vou precisar, está lembrado da fórmula, aquela assustadora somatório de higiene que multiplica, explica. Somatório decisivos podem pegar isso, fazer isso. Fez isso, somatório de xisto. Tem que somar tudo isso somatório chips que tem que somar tudo isso e aí vai. Então eu vou criar uma tabelinha que a gente vai fazer esses cálculos aqui auxiliares para a gente, ganha tempo aqui para não perder muito tempo. No vídeo eu já vou a já tensa tabelinha. Pronto, Então tá aqui machista que houve pressão. Chiesa, o quadrado e pressão ao quadrado e xiitas exibição e aqui os respectivos somatório, então é só gente substituir, então vou pegar aqui e agora os dados já substituídos. Olha aqui para você ver o iene quantos números eu tenho? Um, dois, três, quatro, cinco, seis, sete, oito nove Destaque desse agora o somatório de xiitas exibição aqui é o somatório de chineses. Visita aqui tá vendo, chega aqui para você ver Somatório de Shizuo. As visitas vão estar aqui. Depois decidi que somatório de justiça que deu somatório de xisto daqui a quinhentos e noventa e nove quinhentos e noventa e nove depois Somatório Gibson dois mil quatrocentos e trinta e dois mil quatrocentos e trinta. Logo aqui na raiz quadrada, tem o NCD dez, agora somatório de xiitas ao quadrado que está aqui. Beleza está aqui menos somatório de xisto ao quadrado do somatório justiça quinhentos e noventa e nove ao quadrado aqui depois vezes somatório de Ibson ao quadrado que é esse aqui Menezes, menos somatório ao quadrado. Lembra que são coisas diferentes E aqui eu tenho um somatório de chips que é isso. Depois eu levo quinze, noventa e nove. O quadrado aqui não é o somatório de Chiesa, o quadrado então essa coluna flashes ao quadrado, fazendo as continhas de qualquer calculadora, a gente encontra esse coef