Análise de regressão linear
Upcoming SlideShare
Loading in...5
×

Like this? Share it with your network

Share
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
No Downloads

Views

Total Views
6,159
On Slideshare
6,159
From Embeds
0
Number of Embeds
0

Actions

Shares
Downloads
135
Comments
0
Likes
4

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. Análise de RegressãoAlexandre Kindermann BezEduardo CoveseviskiVinícius Vilella
  • 2. EscopoO que é regressãoTipos de regressãoRegressão simplesRegressão múltiplaExemplos de aplicação
  • 3. Análise de Regressão• Uma das preocupações estatísticas ao analisar dados, é a de criar modelos que explicitem estruturas do fenômeno em observação• O modelo de regressão é um dos métodos estatísticos mais usados para investigar a relação entre variáveis• Análise de regressão: metodologia estatística que estuda (modela) a relação entre duas ou mais variáveis
  • 4. Tipos de Modelos de Regressão
  • 5. Método de regressão linear simples yi = b + a.xi , i=1,...,nSendo• yi: valor da variável dependente (resposta) para o i-ésimo elemento da amostra• xi: valor (conhecido) da variável independente ou preditora para o i-ésimo elemento da amostra• b e a são parâmetros desconhecidos
  • 6. Método de regressão linear simplesA presença ou ausência de relação linear pode ser investigada sob dois pontos de vista• Quantificando a força dessa relação: correlação.• Explicitando a forma dessa relação: regressão.
  • 7. Coeficiente de Correlação de Pearson• A correlação é calculada independente da unidade de medida das variáveis.• A técnica usada para calcular este coeficiente, supõe que a associação entre as variáveis seja linear, ou seja, expressa por uma reta ou linha.• Se a relação apresentada no diagrama de dispersão não for do tipo linear, o coeficiente de correlação de Pearson não deve ser calculado.
  • 8. Coeficiente de correlação de Pearson• O coeficiente de correlação pode variar entre –1 (correlação negativa perfeita) e +1 (correlação positiva perfeita).• Valores negativos do coeficiente de correlação indicam uma correlação do tipo inversa, isto é, quando x aumenta y diminui.• Valores positivos do coeficiente de correlação ocorrem quando x e y variam no mesmo sentido, isto é, quando x aumenta y aumenta ou quando x diminui y também diminui.
  • 9. Ajuste da Reta do método simples
  • 10. Aplicação do método Linear• Montar tabela relacionando as variáveis de interesse• Obter os coeficientes “a” e “b” a partir das relações matemáticas apresentadas• Obter a equação da reta
  • 11. Método de regressão não-linear simples Regressão Exponencial Regressão Polinomial
  • 12. Método de regressão linear múltiplo• A análise de uma regressão múltipla segue, basicamente, os mesmos critérios da análise de uma regressão simples.• Vamos supor que temos X1, X2,..., Xp-1 variáveis preditoras. Definamos modelo de regressão multíplo, em termos das variáveis preditoras:• Sendo:β0, β1,..., βp-1, parâmetros desconhecidos;
  • 13. Coeficiente de Correlação Múltiplo• E uma medida do grau de associaçao linear entre Y e o conjunto de variáveis X1, X2, ..... , Xk .• r varia entre 0 e 1;• r = 1 indica a existência de uma associação linear perfeita, ou seja, Y pode ser expresso como uma combinação linear de X1, X2, ..... , Xk ;• r = 0 indica a inexistência de qualquer relação linear entre a variável dependente Y e o conjunto de variáveis independentes X1, X2, ..... , Xk.
  • 14. Previsão e Análise• Refugos em função da produção• Quantidade de matéria-prima em função da produção• Preço em função da demanda• Previsão do quadro de funcionários em função da sazonalidade
  • 15. Exemplo de aplicação de regressão linear simples• Custo anual de transporte de carga por caminhão em perímetro urbano
  • 16. Exemplo de aplicação Y 171 X 1, 64
  • 17. Exemplo de aplicação 1560,8 5(1, 64)(171) a 2 109, 23 14,90 5(1, 64) b 171 109, 230(1, 64) 8,137 Y 109, 230 X 8,137 Onde Y é custo e X o número de viagens