Exemplo Número de Clientes da Loja
|
|
- João Henrique Valgueiro Espírito Santo
- 7 Há anos
- Visualizações:
Transcrição
1 Exemplo Número de Clientes da Loja Gilberto A. Paula Departamento de Estatística IME-USP, Brasil 2 o Semestre 2015 G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
2 Clientes da Loja Sumário 1 Clientes da Loja 2 Análise de Dados Preliminar 3 Ajuste Modelo de Poisson 4 Resultados Modelo Ajustado 5 Conclusões 6 Referências G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
3 Clientes da Loja Clientes da Loja Descrição dos Dados Considere os dados apresentados em Neter et al. (1996) sobre o perfil dos clientes de uma determinada loja oriundos de 110 áreas de uma cidade. O objetivo principal do estudo é relacionar o número esperado de clientes de cada área (nclientes) com as seguintes variáveis explicativas em cada área: G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
4 Clientes da Loja Clientes da Loja Descrição dos Dados Considere os dados apresentados em Neter et al. (1996) sobre o perfil dos clientes de uma determinada loja oriundos de 110 áreas de uma cidade. O objetivo principal do estudo é relacionar o número esperado de clientes de cada área (nclientes) com as seguintes variáveis explicativas em cada área: número de domicílios (em mil) (domic), G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
5 Clientes da Loja Clientes da Loja Descrição dos Dados Considere os dados apresentados em Neter et al. (1996) sobre o perfil dos clientes de uma determinada loja oriundos de 110 áreas de uma cidade. O objetivo principal do estudo é relacionar o número esperado de clientes de cada área (nclientes) com as seguintes variáveis explicativas em cada área: número de domicílios (em mil) (domic), renda média anual (em mil USD) (renda), G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
6 Clientes da Loja Clientes da Loja Descrição dos Dados Considere os dados apresentados em Neter et al. (1996) sobre o perfil dos clientes de uma determinada loja oriundos de 110 áreas de uma cidade. O objetivo principal do estudo é relacionar o número esperado de clientes de cada área (nclientes) com as seguintes variáveis explicativas em cada área: número de domicílios (em mil) (domic), renda média anual (em mil USD) (renda), idade média dos domicílios (em anos) (idade), G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
7 Clientes da Loja Clientes da Loja Descrição dos Dados Considere os dados apresentados em Neter et al. (1996) sobre o perfil dos clientes de uma determinada loja oriundos de 110 áreas de uma cidade. O objetivo principal do estudo é relacionar o número esperado de clientes de cada área (nclientes) com as seguintes variáveis explicativas em cada área: número de domicílios (em mil) (domic), renda média anual (em mil USD) (renda), idade média dos domicílios (em anos) (idade), distância ao concorrente mais próximo (em milhas) (dist1), G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
8 Clientes da Loja Clientes da Loja Descrição dos Dados Considere os dados apresentados em Neter et al. (1996) sobre o perfil dos clientes de uma determinada loja oriundos de 110 áreas de uma cidade. O objetivo principal do estudo é relacionar o número esperado de clientes de cada área (nclientes) com as seguintes variáveis explicativas em cada área: número de domicílios (em mil) (domic), renda média anual (em mil USD) (renda), idade média dos domicílios (em anos) (idade), distância ao concorrente mais próximo (em milhas) (dist1), distância à loja (em milhas) (dist2) (1 milha = 1609,344m). G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
9 Análise de Dados Preliminar Sumário 1 Clientes da Loja 2 Análise de Dados Preliminar 3 Ajuste Modelo de Poisson 4 Resultados Modelo Ajustado 5 Conclusões 6 Referências G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
10 Análise de Dados Preliminar Boxplot Número de Clientes Número de Clientes G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
11 Análise de Dados Preliminar Boxplot Número de Domicílios Número de Domicílios G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
12 Análise de Dados Preliminar Dispersão Clientes versus Domicílios Número de Clientes Número de Domicílios G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
13 Análise de Dados Preliminar Boxplot Renda Média Renda Média G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
14 Análise de Dados Preliminar Boxplot Idade Média Idade Média G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
15 Análise de Dados Preliminar Boxplot Distância ao Concorrente Distância ao Concorrente G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
16 Análise de Dados Preliminar Boxplot Distância à Loja Distância à Loja G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
17 Análise de Dados Preliminar Diagramas de Dispersão Clientes Clientes Renda Idade Clientes Clientes Dist Dist2 G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
18 Ajuste Modelo de Poisson Sumário 1 Clientes da Loja 2 Análise de Dados Preliminar 3 Ajuste Modelo de Poisson 4 Resultados Modelo Ajustado 5 Conclusões 6 Referências G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
19 Ajuste Modelo de Poisson Modelo de Poisson Descrição Seja y i o número de clientes da i-ésima área que visitaram a loja num determinado período. Vamos supor o seguinte modelo: G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
20 Ajuste Modelo de Poisson Modelo de Poisson Descrição Seja y i o número de clientes da i-ésima área que visitaram a loja num determinado período. Vamos supor o seguinte modelo: y i ind P(µ i ), (i = 1,...,110), G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
21 Ajuste Modelo de Poisson Modelo de Poisson Descrição Seja y i o número de clientes da i-ésima área que visitaram a loja num determinado período. Vamos supor o seguinte modelo: y i ind P(µ i ), (i = 1,...,110), log(µ i ) = α+β 1 domic i +β 2 renda i +β 3 idade i +β 4 dist1 i +β 5 dist2 i. G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
22 Resultados Modelo Ajustado Sumário 1 Clientes da Loja 2 Análise de Dados Preliminar 3 Ajuste Modelo de Poisson 4 Resultados Modelo Ajustado 5 Conclusões 6 Referências G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
23 Resultados Modelo Ajustado Estimativas Descrição Efeito Estimativa E/E.Padrão Constante 2,942 14,21 Domicílio 0,606 4,27 Renda -0,012-5,54 Idade -0,004-2,09 Dist1 0,168 6,54 Dist2-0,129-7,95 G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
24 Resultados Modelo Ajustado Estimativas Descrição Efeito Estimativa E/E.Padrão Constante 2,942 14,21 Domicílio 0,606 4,27 Renda -0,012-5,54 Idade -0,004-2,09 Dist1 0,168 6,54 Dist2-0,129-7,95 Desvio O desvio do modelo é dado por D(y; ˆµ) = 114, 98 (104 g.l.) com valor-p dado por P=0,35 (não rejeitamos o modelo). G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
25 Resultados Modelo Ajustado Resultados Preliminares Interpretações Podemos concluir que o número esperado de clientes que frequentam a loja: G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
26 Resultados Modelo Ajustado Resultados Preliminares Interpretações Podemos concluir que o número esperado de clientes que frequentam a loja: cresce com o aumento do número de domicílios na área, G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
27 Resultados Modelo Ajustado Resultados Preliminares Interpretações Podemos concluir que o número esperado de clientes que frequentam a loja: cresce com o aumento do número de domicílios na área, cresce com a distância ao concorrente mais próximo, G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
28 Resultados Modelo Ajustado Resultados Preliminares Interpretações Podemos concluir que o número esperado de clientes que frequentam a loja: cresce com o aumento do número de domicílios na área, cresce com a distância ao concorrente mais próximo, diminui com o aumento da renda média, G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
29 Resultados Modelo Ajustado Resultados Preliminares Interpretações Podemos concluir que o número esperado de clientes que frequentam a loja: cresce com o aumento do número de domicílios na área, cresce com a distância ao concorrente mais próximo, diminui com o aumento da renda média, diminui com o aumento da idade média dos domicílios, G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
30 Resultados Modelo Ajustado Resultados Preliminares Interpretações Podemos concluir que o número esperado de clientes que frequentam a loja: cresce com o aumento do número de domicílios na área, cresce com a distância ao concorrente mais próximo, diminui com o aumento da renda média, diminui com o aumento da idade média dos domicílios, diminui com o aumento da distância da área à loja. G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
31 Resultados Modelo Ajustado Resultados Preliminares Interpretações Podemos concluir que o número esperado de clientes que frequentam a loja: cresce com o aumento do número de domicílios na área, cresce com a distância ao concorrente mais próximo, diminui com o aumento da renda média, diminui com o aumento da idade média dos domicílios, diminui com o aumento da distância da área à loja. Isso sugere que deve ser uma loja de conveniência. G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
32 Resultados Modelo Ajustado Interpretações Aumento da Renda Média Podemos notar pelas estimativas que se aumentarmos, por exemplo, em 1 mil USD a renda média dos domicílios de uma determinada área esperamos aumento relativo no número de clientes que irão à loja de G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
33 Resultados Modelo Ajustado Interpretações Aumento da Renda Média Podemos notar pelas estimativas que se aumentarmos, por exemplo, em 1 mil USD a renda média dos domicílios de uma determinada área esperamos aumento relativo no número de clientes que irão à loja de exp( 0, 012) = 0, 988. G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
34 Resultados Modelo Ajustado Interpretações Aumento da Renda Média Podemos notar pelas estimativas que se aumentarmos, por exemplo, em 1 mil USD a renda média dos domicílios de uma determinada área esperamos aumento relativo no número de clientes que irão à loja de Ou seja, decrescimento de 1,2%. exp( 0, 012) = 0, 988. G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
35 Resultados Modelo Ajustado Interpretações Aumento da Renda Média Podemos notar pelas estimativas que se aumentarmos, por exemplo, em 1 mil USD a renda média dos domicílios de uma determinada área esperamos aumento relativo no número de clientes que irão à loja de Ou seja, decrescimento de 1,2%. exp( 0, 012) = 0, 988. Aumento da Distância ao Concorrente Por outro lado, se a distância ao concorrente mais próximo aumentar em uma milha, esperamos aumento relativo no número de clientes que irão à loja de G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
36 Resultados Modelo Ajustado Interpretações Aumento da Renda Média Podemos notar pelas estimativas que se aumentarmos, por exemplo, em 1 mil USD a renda média dos domicílios de uma determinada área esperamos aumento relativo no número de clientes que irão à loja de Ou seja, decrescimento de 1,2%. exp( 0, 012) = 0, 988. Aumento da Distância ao Concorrente Por outro lado, se a distância ao concorrente mais próximo aumentar em uma milha, esperamos aumento relativo no número de clientes que irão à loja de exp(0, 168) = 1, 183. G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
37 Resultados Modelo Ajustado Interpretações Aumento da Renda Média Podemos notar pelas estimativas que se aumentarmos, por exemplo, em 1 mil USD a renda média dos domicílios de uma determinada área esperamos aumento relativo no número de clientes que irão à loja de Ou seja, decrescimento de 1,2%. exp( 0, 012) = 0, 988. Aumento da Distância ao Concorrente Por outro lado, se a distância ao concorrente mais próximo aumentar em uma milha, esperamos aumento relativo no número de clientes que irão à loja de exp(0, 168) = 1, 183. Ou seja, aumento de 18,3%. G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
38 Resultados Modelo Ajustado Diagnóstico Modelo Final Medida h Distancia de Cook Valor Ajustado Indice Componente do Desvio Variavel z Valor Ajustado Preditor Linear G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
39 Resultados Modelo Ajustado Resíduos Modelo Final Componente do Desvio Percentil da N(0,1) G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
40 Conclusões Sumário 1 Clientes da Loja 2 Análise de Dados Preliminar 3 Ajuste Modelo de Poisson 4 Resultados Modelo Ajustado 5 Conclusões 6 Referências G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
41 Conclusões Conclusões Considerações Finais Dentre as observações destacadas pelos gráficos de diagnóstico, apenas as áreas #20 e #43 apresentam algumas variações desproporcionais nas estimativas dos parâmetros, porém não houve mudança inferencial. G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
42 Conclusões Conclusões Considerações Finais Dentre as observações destacadas pelos gráficos de diagnóstico, apenas as áreas #20 e #43 apresentam algumas variações desproporcionais nas estimativas dos parâmetros, porém não houve mudança inferencial. Nota-se também que não há indícios de que a ligação utilizada seja inapropriada e o gráfico de resíduos não apresenta indicações de afastamentos importantes da suposição de distribuição de Poisson para o número de clientes que frequentam a loja de conveniência. G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
43 Referências Sumário 1 Clientes da Loja 2 Análise de Dados Preliminar 3 Ajuste Modelo de Poisson 4 Resultados Modelo Ajustado 5 Conclusões 6 Referências G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
44 Referências Referências Referência Neter, J.; Kutner, M. H.; Nachtsheim, C. J. e Wasserman, W.(1996). Applied Linear Regression Models, 3rd Edition. Irwin, Illinois. G. A. Paula (IME-USP) Clientes da Loja 2 o Semestre / 24
Exemplos Regressão Dados de Contagem
Exemplos Regressão Dados de Contagem p. 1/26 Exemplos Regressão Dados de Contagem Gilberto A. Paula Departamento de Estatística IME-USP MAE5763 - Modelos Lineares Generalizados 2 o semestre de 2011 Exemplos
Leia maisExemplo Falhas em Tecidos
Exemplo Falhas em Tecidos Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre 2016 1 / 27 Rolos de Tecido
Leia maisExemplo Cupons com Desconto
Exemplo Cupons com Desconto Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2013 G. A. Paula (IME-USP) Cupons com Desconto 2 o Semestre 2013 1 / 21 Cupons
Leia maisExemplo Infecções de Ouvido
Exemplo Infecções de Ouvido Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Infecções de Ouvido 2 o Semestre 2016 1 / 27 Infecções
Leia maisExemplo Cupons com Desconto
Exemplo Cupons com Desconto Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Cupons com Desconto 2 o Semestre 2016 1 / 22 Cupons
Leia maisExemplo Ausências Escolares
Exemplo Ausências Escolares Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Ausências Escolares 2 o Semestre 2015 1 / 24 Ausências
Leia maisFaturamento de Restaurantes
Faturamento de Restaurantes Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Faturamento de Restaurantes 2 o Semestre 2016 1 / 29
Leia maisExemplo Vida Útil de Ferramentas
Exemplo Vida Útil de Ferramentas Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Vida útil de Ferramentas 2 o Semestre 2016 1 /
Leia maisExemplos Modelos de Quase-Verossimilhança
Exemplos Modelos de Quase-Verossimilhança p. 1/40 Exemplos Modelos de Quase-Verossimilhança Gilberto A. Paula Departamento de Estatística IME-USP MAE5763 - Modelos Lineares Generalizados 2 o semestre de
Leia maisExemplo Multicolinearidade
Exemplo Multicolinearidade Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 1 o Semestre 2013 G. A. Paula (IME-USP) Calor do Cimento 1 o Semestre 2013 1 / 28 Calor de Cimento
Leia maisExemplos Regressão Dados Binários
Exemplos Regressão Dados Binários p. 1/28 Exemplos Regressão Dados Binários Gilberto A. Paula Departamento de Estatística IME-USP MAE5763 - Modelos Lineares Generalizados 2 o semestre de 2011 Exemplos
Leia maisExemplo Regressão Binomial Dados Emparelhados
Exemplo Regressão Binomial Dados Emparelhados Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2013 G. A. Paula (IME-USP) Desenvolvimento de Diabetes 2 o Semestre
Leia maisFaturamento de Restaurantes
Faturamento de Restaurantes Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Faturamento de Restaurantes 2 o Semestre 2015 1 / 28
Leia maisExemplo Preferência de Automóveis
Exemplo Preferência de Automóveis Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre 2016 1 /
Leia maisExemplo Chamadas Telefônicas
Exemplo Chamadas Telefônicas Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Chamadas Telefônicas 2 o Semestre 2016 1 / 25 Chamadas
Leia maisExemplo Abastecimento de Refrigerantes
Exemplo Abastecimento de Refrigerantes Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 1 o Semestre 2016 G. A. Paula (IME-USP) Abastecimento de Refrigerantes 1 o Semestre
Leia maisExemplo Regressão Robusta
Exemplo Regressão Robusta Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 1 o Semestre 2013 G. A. Paula (IME-USP) Abastecimento de Refrigerantes 1 o Semestre 2013 1 /
Leia maisExemplo Espinhel de Fundo
Exemplo Espinhel de Fundo Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Espinhel de Fundo 2 o Semestre 2016 1 / 35 Espinhel de
Leia maisModelos para dados de contagem
O modelo de Poisson Sumário 1 Introdução 2 Regressão de Poisson Taxa de Incidência Inclusão de covariáveis Interpretação dos parâmetros 3 Exemplos 4 Superdispersão Dados de Contagem Podemos estar interessados
Leia mais1 z 1 1 z 2. Z =. 1 z n
Gabarito Lista 3. Tópicos de Regressão. 2016-2. 1. Temos que y i ind N (µ, φi ), com log φ i = α + γz i, para i = 1,..., n, portanto (i) para o γ = (α, γ) a matriz modelo ca Z = 1 z 1 1 z 2.. 1 z n (ii)
Leia maisExemplo Misto Ataques Epilépticos
Exemplo Misto Ataques Epilépticos Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Ataques Epilépticos 2 o Semestre 2016 1 / 25
Leia maisExemplo Demanda de TV a Cabo
Exemplo Demanda de TV a Cabo Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Demanda de TV a Cabo 2 o Semestre 2015 1 / 21 Demanda
Leia maisExemplo Regressão Linear Simples
Exemplo Regressão Linear Simples Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 1 o Semestre 2013 G. A. Paula (IME-USP) Área e Preço de Imóveis 1 o Semestre 2013 1 /
Leia maisExemplo Ataques Epilépticos
Exemplo Ataques Epilépticos Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Ataques Epilépticos 2 o Semestre 2015 1 / 20 Ataques
Leia maisExemplos Modelos Binomiais de Dose-Resposta
Exemplos Modelos Binomiais de Dose-Resposta p. 1/14 Exemplos Modelos Binomiais de Dose-Resposta Gilberto A. Paula Departamento de Estatística IME-USP MAE5763 - Modelos Lineares Generalizados 2 o semestre
Leia maisExemplo Placas Dentárias
Exemplo Placas Dentárias Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Placas Dentárias 2 o Semestre 2016 1 / 20 Placas Dentárias
Leia maisExemplo Turbinas de Avião
Exemplo Turbinas de Avião Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Turbinas de Avião 2 o Semestre 2015 1 / 29 Turbinas de
Leia maisExemplo MLG Misto. Gilberto A. Paula. Departamento de Estatística IME-USP, Brasil
Exemplo MLG Misto Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Placas Dentárias 2 o Semestre 2015 1 / 16 Placas Dentárias Sumário
Leia maisExemplo Regressão Linear Múltipla
Exemplo Regressão Linear Múltipla Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 1 o Semestre 2013 G. A. Paula (IME-USP) Salário de Executivos 1 o Semestre 2013 1 / 27
Leia maisESTUDO SOBRE A TAXA ANUAL DE CÂNCER NASAL EM UMA REFINARIA DE NÍQUEL NO PAÍS DE GALES
Universidade Federal do Paraná Setor de Ciências Exatas Departamento de Estatística ESTUDO SOBRE A TAXA ANUAL DE CÂNCER NASAL EM UMA REFINARIA DE NÍQUEL NO PAÍS DE GALES CE225 - Modelos Lineares Generalizados
Leia maisResenha Modelos Lineares Generalizados
Resenha Modelos Lineares Generalizados Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2014 G. A. Paula (IME-USP) Resenha MLGs 2 o Semestre 2014 1 / 75 Introdução
Leia maisExame da OAB. Gilberto A. Paula. Departamento de Estatística IME-USP, Brasil
Exame da OAB Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2017 G. A. Paula (IME-USP) Exame da OAB 2 o Semestre 2017 1 / 29 Exame da OAB Sumário 1 Exame
Leia maisExemplos Equações de Estimação Generalizadas
Exemplos Equações de Estimação Generalizadas Bruno R. dos Santos e Gilberto A. Paula Departamento de Estatística Universidade de São Paulo, Brasil giapaula@ime.usp.br Modelos Lineares Generalizados dos
Leia maisModelos de Regressão Múltipla - Parte IV
1 Modelos de Regressão Múltipla - Parte IV Erica Castilho Rodrigues 01 de Fevereiro de 2017 2 3 4 Nos modelos vistos até agora a mudança de um grupo para o outro estava apenas no intercepto. Podemos também
Leia maisExemplo Preferência de Automóveis
Exemplo Preferência de Automóveis Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2013 G. A. Paula (IME-USP) Preferência Automóveis 2 o Semestre 2013 1 /
Leia maisMAE Modelos Lineares Generalizados 2 o semestre 2017
MAE5763 - Modelos Lineares Generalizados 2 o semestre 2017 Prof. Gilberto A. Paula 3 a Lista de Exercícios 1. Supor y i ind FE(µ, φ i ) com φ i = α + γz i, para i = 1,..., n. Como ca a matriz modelo Z?
Leia maisPrincípios em Planejamento e Análise de Dados Ecológicos. Regressão linear. Camila de Toledo Castanho
Princípios em Planejamento e Análise de Dados Ecológicos Regressão linear Camila de Toledo Castanho 217 Conteúdo da aula 1. Regressão linear simples: quando usar 2. A reta de regressão linear 3. Teste
Leia maisSME0820 Análise de Regressão 1º/2014
Mário de Castro mcastro@icmc.usp.br Sala 4-240, telefone 3373-6631 Cibele Russo cibele@icmc.usp.br http://www.icmc.usp.br/~cibele Sala 3-113, telefone 3373-6606 SME0820 Análise de Regressão 1º/2014 Site
Leia maisSME0820 Análise de Regressão 1º/2013
Cibele Russo cibele@icmc.usp.br http://www.icmc.usp.br/~cibele Sala 3-113, ramal 73-6606 Mariana Cúri mcuri@icmc.usp.br http://www.icmc.usp.br/~mcuri Sala 4-211, ramal 73-8175 SME0820 Análise de Regressão
Leia maisEstatística e Delineamento
Estatística e Delineamento Jorge Cadima Secção de Matemática (DCEB) Instituto Superior de Agronomia (ULisboa) 2018-19 J. Cadima (ISA - ULisboa) Estatística e Delineamento 2018-19 1 / 459 1 Professores:
Leia maisEstudar a relação entre duas variáveis quantitativas.
Estudar a relação entre duas variáveis quantitativas. Exemplos: Idade e altura das crianças Tempo de prática de esportes e ritmo cardíaco Tempo de estudo e nota na prova Taxa de desemprego e taxa de criminalidade
Leia maisAplicação do modelo de Quase-Verossimilhança
Aplicação do modelo de Quase-Verossimilhança Fábio Hideto Oki 1 1 Introdução O câncer é uma doença de proporção mundial, atingindo só no Brasil cerca de 350 mil pessoas por ano e é caracterizado pela mutação
Leia maisModelos de Regressão Linear Simples - parte II
Modelos de Regressão Linear Simples - parte II Erica Castilho Rodrigues 14 de Outubro de 2013 Erros Comuns que Envolvem a Análise de Correlação 3 Erros Comuns que Envolvem a Análise de Correlação Propriedade
Leia maisNa aula do dia 24 de outubro analisamos duas variáveis quantitativas conjuntamente com o objetivo de verificar se existe alguma relação entre elas.
Regressão Múltipla Na aula do dia 24 de outubro analisamos duas variáveis quantitativas conjuntamente com o objetivo de verificar se existe alguma relação entre elas. 1. definimos uma medida de associação
Leia maisModelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais
Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais João Eduardo da Silva Pereira (UFSM) jesp@smail.ufsm.br Tânia Maria Frighetto (UFSM) jesp@smail.ufsm.br
Leia maisEstatística e Delineamento
Estatística e Delineamento Jorge Cadima Secção de Matemática (DCEB) Instituto Superior de Agronomia (ULisboa) 2016-17 J. Cadima (ISA) Estatística e Delineamento 2016-17 1 / 474 1 Professores: Jorge Cadima
Leia maisMétodos Estatísticos Avançados em Epidemiologia
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Métodos Estatísticos Avançados em Epidemiologia Aula 2-2 Regressão de Poisson: Modelando Contagens Distribuição
Leia maisMAE Planejamento e Pesquisa II
MAE0327 - Planejamento e Pesquisa II EXPERIMENTOS/ESTUDOS NÃO-BALANCEADOS COM FATORES FIXOS - PARTE 1 7 de agosto de 2016 Denise A Botter MAE0327 7 de agosto de 2016 1 / 1 PLANEJAMENTO E PESQUISA I Estudos
Leia maisCORRELAÇÃO E REGRESSÃO. Modelos Probabilísticos para a Computação Professora: Andréa Rocha. UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011
CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Modelos Probabilísticos para a Computação Professora: Andréa Rocha UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011 CORRELAÇÃO Introdução Quando consideramos
Leia maisModelos de Regressão para Dados de Contagem
UNIVERSIDADE FEDERAL DO PARANÁ Departamento de Estatística Modelos de Regressão para Dados de Contagem CE225 - Modelos Lineares Generalizados Professor Cesar Taconelli Andrea A Alves, GRR: 20096668 NathanM
Leia maisModelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência
Modelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência Erica Castilho Rodrigues 12 de Agosto 3 Vimos como usar Poisson para testar independência em uma Tabela 2x2. Veremos
Leia maisModelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência
Modelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência Erica Castilho Rodrigues 12 de Agosto Introdução 3 Vimos como usar Poisson para testar independência em uma Tabela 2x2.
Leia maisResenha dos Modelos Lineares Generalizados
Resenha dos Modelos Lineares Generalizados p. 1/67 Resenha dos Modelos Lineares Generalizados Gilberto A. Paula Departamento de Estatística IME-USP MAE5763 - Modelos Lineares Generalizados 2 o semestre
Leia maisREGRESSÃO LINEAR Parte I. Flávia F. Feitosa
REGRESSÃO LINEAR Parte I Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Julho de 2015 Onde Estamos Para onde vamos Inferência Esta5s6ca se resumindo a uma equação
Leia maisO parâmetro β1 indica a mudança ocorrida na esperança de Y a cada unidade de mudança em X 1 quando X2 é mantida fixa.
Outras informações para ajudar na interpretação das análises de Regressão 1. Interpretação dos parâmetros na ausência de interações Considere o modelo E(Y x) = β0 + β1 x1 + β2 x2. O parâmetro β0 é o intercepto
Leia maisModelos de Regressão Linear Simples - parte III
1 Modelos de Regressão Linear Simples - parte III Erica Castilho Rodrigues 20 de Setembro de 2016 2 3 4 A variável X é um bom preditor da resposta Y? Quanto da variação da variável resposta é explicada
Leia maisSME0803 ANÁLISE DE REGRESSÃO 1º/2011
SME0803 ANÁLISE DE REGRESSÃO 1º/2011 Cibele Russo cibele@icmc.usp.br http://www.icmc.usp.br/~cibele Sala 3-160, ramal 8174 CoteiaWIKI: http://wiki.icmc.usp.br/index.php/sme-260 OBJETIVO DO CURSO Introduzir
Leia maisMAE Estatística Descritiva - 1 o semestre de 2017 Professora: Márcia D Elia Branco Monitora PAE: Simone Harnik Gabarito - Lista 4
MAE0217 - Estatística Descritiva - 1 o semestre de 2017 Professora: Márcia D Elia Branco Monitora PAE: Simone Harnik Gabarito - Lista 4 Exercício 1 Uma rede de supermercados decidiu dar um bônus aos clientes
Leia mais9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla
9 Correlação e Regressão 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 1 9-1 Aspectos Gerais Dados Emparelhados há uma relação? se há, qual
Leia mais1 semestre de 2014 Gabarito Lista de exercícios 3 - Estatística Descritiva III C A S A
Exercício 1. (1,0 ponto). A tabela a seguir mostra o aproveitamento conjunto em Física e Matemática para os alunos do ensino médio de uma escola. Notas Notas Notas Física/Matemática Altas Regulares Baixas
Leia maisAnalise de sobreviventes em acidentes de carros
Analise de sobreviventes em acidentes de carros Modelos Lineares Generalizados Lais Hoffmam GRR20159455 Simone Matsubara GRR20124663 Willian Meira GRR20159077 Yasmin Fernandes ISO20180365 Curitiba 2018
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisIntrodução ao modelo de Regressão Linear
Introdução ao modelo de Regressão Linear Prof. Gilberto Rodrigues Liska 8 de Novembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores (junto ao administrativo)
Leia maisMAE116 - Noções de Estatística Grupo B - 2 semestre de 2016 Gabarito da Lista de exercícios 3 1 Estatística Descritiva III - CASA
MAE116 - Noções de Estatística Grupo B - 2 semestre de 2016 Gabarito da Lista de exercícios 3 1 Estatística Descritiva III - CASA Exercício 1. Uma amostra aleatória de 352 estudantes foi entrevistada,
Leia maisRenda x Vulnerabilidade Ambiental
Renda x Vulnerabilidade Ambiental ANEXO D ANÁLISE EXPLORATÓRIA E PREPARAÇÃO DOS DADOS Identificamos tendência linear positiva. A correlação entre as variáveis é significativa, apresentando 99% de confiança.
Leia maisModelo de regressão Beta
Modelo de regressão Beta Fernando Lucambio Pérez Departamento de Estatística Universidade Federal do Paraná Agosto de 2004 1 Consideremos uma situação em que a variável resposta contínua é restrita ao
Leia maisEsse material foi extraído de Barbetta (2007 cap 13)
Esse material foi extraído de Barbetta (2007 cap 13) - Predizer valores de uma variável dependente (Y) em função de uma variável independente (X). - Conhecer o quanto variações de X podem afetar Y. Exemplos
Leia maisMAE Planejamento e Pesquisa I
MAE0317 - Planejamento e Pesquisa I COMPARAÇÕES DE MÉDIAS - 1 FATOR FIXO 1 de abril de 2014 Denise A. Botter MAE0317 1 de abril de 2014 1 / 55 INTRODUÇÃO Testamos H 0 : µ 1 =... = µ r. Se H 0 não é rejeitada,
Leia maisCorrelação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
1 Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 27 de Setembro de 2016 2 3 O modelo de regressão linear é dado por 3 O modelo de regressão linear é dado por Y i = β
Leia maisIntrodução aos Modelos Lineares em Ecologia
Introdução aos Modelos Lineares em Ecologia Prof. Adriano Sanches Melo - Dep. Ecologia UFG asm.adrimelo no gmail.com Página do curso: www.ecologia.ufrgs.br/~adrimelo/lm/ Livro-texto: Crawley, M.J. 2005.
Leia maisModelos Lineares Generalizados - Verificação do Ajuste do Modelo
1 Modelos Lineares Generalizados - Verificação do Ajuste do Modelo Erica Castilho Rodrigues 9 de Abril de 2015 2 3 Função Deviance Podemos ver o ajuste de um modelo a um conjunto de dados como: uma forma
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ CURSO ESTATÍSTICA CALEB SOUZA GRR DENNIS LEÃO GRR LUAN FIORENTIN GRR
UNIVERSIDADE FEDERAL DO PARANÁ CURSO ESTATÍSTICA CALEB SOUZA GRR -20149072 DENNIS LEÃO GRR - 20160239 LUAN FIORENTIN GRR - 20160219 MODELAGEM DA QUANTIDADE DE MATRÍCULAS NO ENSINO REGULAR NO ESTADO DO
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ CURSO ESTATÍSTICA DENNIS LEÃO GRR LUAN FIORENTIN GRR
UNIVERSIDADE FEDERAL DO PARANÁ CURSO ESTATÍSTICA DENNIS LEÃO GRR - 20160239 LUAN FIORENTIN GRR - 20160219 MODELAGEM DE DADOS DE ÓBITOS POR AGRESSÕES NO ESTADO DE SÃO PAULO NO ANO DE 2016 CURITIBA Novembro
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro
Leia maisTratamento Estatístico de dados em Física Experimental
Tratamento Estatístico de dados em Física Experimental Prof. Zwinglio Guimarães 2 o semestre de 2017 Tópico 6 - Testes estatísticos (Chi-quadrado, z e t ) O método dos mínimos quadrados (revisão) O método
Leia maisAplicação de modelos lineares generalizados na captura de atum da espécie Thunnus albacares.
Reunião Anual da Região Brasileira Internacional de Biometria -22 a 26 de julho de 2013 - Campina Grande/PB Aplicação de modelos lineares generalizados na captura de atum da espécie Thunnus albacares.
Leia maisModelos de Regressão Múltipla - Parte VI
1 Modelos de Regressão Múltipla - Parte VI Erica Castilho Rodrigues 7 de Fevereiro de 2017 2 3 Podemos fazer uma transformação na variável resposta Y e/ou na preditora X para: solucionar problemas de variância
Leia maisCoeficiente de determinação R 2 no modelo de regressão linear normal
Coeficiente de determinação R 2 no modelo de regressão linear normal Fernando Lucambio Departamento de Estatística Universidade Federal do Paraná Curitiba/PR, 81531 990, Brasil email: lucambio@ufpr.br
Leia maisRegressão Linear Múltipla no R MAE-0217: ESTATÍSTICA DESCRITIVA MAIO DE 2017 PROFESSORA: MÁRCIA D ELIA BRANCO
Regressão Linear Múltipla no R MAE-0217: ESTATÍSTICA DESCRITIVA MAIO DE 2017 PROFESSORA: MÁRCIA D ELIA BRANCO MONITORA PAE: SIMONE HARNIK Regressão Linear Simples > O modelo de regressão linear simples
Leia maisDisciplina de Modelos Lineares Professora Ariane Ferreira
Disciplina de Modelos Lineares 2012-2 Regressão Logística Professora Ariane Ferreira O modelo de regressão logístico é semelhante ao modelo de regressão linear. No entanto, no modelo logístico a variável
Leia maisDisciplina de Modelos Lineares
Disciplina de Modelos Lineares 2012-2 Seleção de Variáveis Professora Ariane Ferreira Em modelos de regressão múltipla é necessário determinar um subconjunto de variáveis independentes que melhor explique
Leia maisModelos de Regressão Múltipla - Parte VII
1 Modelos de Regressão Múltipla - Parte VII Erica Castilho Rodrigues 26 de Janeiro de 2016 2 3 Vimos como ajustar um modelo não linear fazendo transformações das variáveis, como, por exemplo Y = exp{β
Leia maisWHITE PAPER SOBRE O ASSISTENTE DO MINITAB
WHITE PAPER SOBRE O ASSISTENTE DO MINITAB Este artigo é parte de uma série de artigos que explicam a pesquisa conduzida pelos estatísticos do Minitab para desenvolver os métodos e verificações de dados
Leia maisTransformações e Ponderação para corrigir violações do modelo
Transformações e Ponderação para corrigir violações do modelo Diagnóstico na análise de regressão Relembrando suposições Os erros do modelo tem média zero e variância constante. Os erros do modelo tem
Leia maisCorrelação e Regressão
Correlação e Regressão Exemplos: Correlação linear Estudar a relação entre duas variáveis quantitativas Ou seja, a força da relação entre elas, ou grau de associação linear. Idade e altura das crianças
Leia maisMétodos Estatísticos Avançados em Epidemiologia
1 / 44 Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Referência: Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 44
Leia maisREGRESSÃO LINEAR SIMPLES E MÚLTIPLA
REGRESSÃO LINEAR SIMPLES E MÚLTIPLA Curso: Agronomia Matéria: Metodologia e Estatística Experimental Docente: José Cláudio Faria Discente: Michelle Alcântara e João Nascimento UNIVERSIDADE ESTADUAL DE
Leia maisModelos Lineares Generalizados - Análise de Resíduos
Modelos Lineares Generalizados - Análise de Resíduos Erica Castilho Rodrigues 15 de Maio de 2014 Tipos de Resíduos 3 Assim como em Regressão Linear, também precisamos fazer Análise de Resíduos para os
Leia maisRegressão para Dados Binários - Estudo de Dengue
Universidade Federal do Paraná Departamento de Estatística Regressão para Dados Binários - Estudo de Dengue CE225 - Modelos Lineares Generalizados Francielle Przibiciem de Mattos GRR20124686 Guilherme
Leia maisModelos Lineares Generalizados - Análise de Resíduos
Modelos Lineares Generalizados - Análise de Resíduos Erica Castilho Rodrigues 28 de Junho de 2013 3 Assim como em Regressão Linear, também precisamos fazer Análise de Resíduos para os MLG s. São semelhantes
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisEspecialização em Engenharia de Processos e de Sistemas de Produção
Especialização em Engenharia de Processos e de Sistemas de Produção Projetos de Experimento e Confiabilidade de Sistemas da Produção Prof. Claudio Luis C. Frankenberg 3ª parte Conforme foi apresentado
Leia maisInfluência Local Gilberto A. Paula
Influência Local p. 1/18 Influência Local Gilberto A. Paula Instituto de Matemática e Estatística Universidade de São Paulo e-mail:giapaula@ime.usp.br Influência Local p. 2/18 Preliminares O método de
Leia maisModelos de Regressão Linear Simples parte I
Modelos de Regressão Linear Simples parte I Erica Castilho Rodrigues 27 de Setembro de 2017 1 2 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir modelos
Leia maisEstatística Descritiva (III) Associação entre Variáveis
Estatística Descritiva (III) Associação entre Variáveis 1 Associação entre variáveis qualitativas Tabelas de Contingência 2 Podemos construir tabelas de frequências conjuntas (tabelas de contingência),
Leia maisModelos de Regressão Linear Simples - parte I
Modelos de Regressão Linear Simples - parte I Erica Castilho Rodrigues 19 de Agosto de 2014 Introdução 3 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir
Leia maisMAE116 NOÇÕES DE ESTATÍSTICA. Aula Correlação e Regressão. Autoria de Profª. Carmen Diva Saldiva de André Prof. Gilberto Alvarenga Paula
MAE116 NOÇÕES DE ESTATÍSTICA Aula Autoria de Profª. Carmen Diva Saldiva de André Prof. Gilberto Alvarenga Paula Data 25 de agosto de 2005 Índice Analítico Índice Analítico...1...2 Objetivo da aula...2
Leia maisDefinição Há correlação entre duas variáveis quando os valores de uma variável estão relacionados, de alguma maneira, com os valores da outra variável
Correlação Definição Há correlação entre duas variáveis quando os valores de uma variável estão relacionados, de alguma maneira, com os valores da outra variável Exemplos Perímetro de um quadrado e o tamanho
Leia maisME613 - Análise de Regressão
ME613 - Análise de Regressão Parte 12 Gráficos de Regressão Parcial Samara F. Kiihl - IMECC - UNICAMP file:///users/imac/documents/github/me613-unicamp/me613-unicamp.github.io/aulas/slides/parte12/parte12.html#1
Leia mais