Regressão linear simples
|
|
- Kléber Bentes Mirandela
- 5 Há anos
- Visualizações:
Transcrição
1 Regressão linear simples Universidade Estadual de Santa Cruz Ivan Bezerra Allaman
2 Introdução Foi visto na aula anterior que o coeficiente de correlação de Pearson é utilizado para mensurar o grau de associação entre duas variáveis quantitativas. E se o nosso interesse for ir além disso, ou seja, se estivermos interessados em saber o quanto o aumento no número de horas de treinamento de um empregado irá reduzir o número de acidentes daquele empregado? Ou ainda, o aumento em uma hora de sono irá aumentar em quanto o tempo de reação de uma pessoa? E se estivéssimos interessados em prever o tempo de reação de uma pessoa para uma determinada quantidade de horas de sono. Como fazer? Para responder a estas perguntas utilizaremos a análise de regressão linear simples. 2/42
3 Objetivo Estudar a relação funcional entre duas variáveis quantitativas. Estabelecer um modelo para entender a relação funcional entre as variáveis. Fazer predições como o modelo ajustado principalmente para valores que não foram observados na amostra. 3/42
4 O modelo O modelo matemático que estabele a relação funcional entre duas variáveis é definido como: y = β 0 + β 1 x + ε em que: y= é a variável dependente β 0 = é o coeficiente linear ou intercepto da reta de regressão β 1 = é o coeficiente angular ou inclinação (declive) da reta de regressão x= é a variável independente ε= é o erro aleatório referente a variabilidade em y quem não pode ser explicada pela variável x. 4/42
5 Possíveis retas de regressão linear simples 5/42
6 Entendendo o comportamento de β 0 e β 1 Ver simulação! 6/42
7 Ajuste da regressão Agora que já entendemos como funciona os parâmetros de uma regressão, chegou a hora de ajustarmos um modelo de regressão aos dados provenientes de uma amostra. Observemos a seguinte situação - - Suponhamos que o dono de uma rede de restaurantes esteja interessado em saber a relação entre a quantidade de estudantes que almoçam em seus restaurantes com o lucro obtido trimestralmente. Uma amostra de dez restaurantes foi coletado e os dados podem ser visualizados a seguir: 7/42
8 restaurante estudantes vendas_trimestrais O primeiro passo é verificarmos qual variável é causa e qual é efeito, ou seja, quem é a variável independente (x) e quem é a variável dependente (y). 8/42
9 Logo, a variável estudante será considerada independente e vendas a variável dependente. O segundo passo, é elaborarmos um diagrama de dispersão para detectarmos o tipo de relação existente entre as variáveis. 9/42
10 Agora vem a grande pergunta. Como podemos ajustar uma regressão que explique o máximo de variabilidade possível dos dados e com um mínimo de erro? 10/42
11 Método dos mínimos quadrados A idéia é encontrar valores de b e a que faça com que a reta de regressão passe na menor distância possível entre os pontos observados, minimizando o máximo possível o erro e fazendo com que o modelo explique o máximo possível a variabilidade dos dados. As letras a e b são os estimadores dos parâmetros β 0 e β 1 respectivamente. Primeiramente vamos demonstrar o método de maneira interativa, ou seja, vamos tentar encontrar valores de b e a que minimiza a soma de quadrados do erro. Ver simulação! 11/42
12 Matematicamente o que queremos é minimizar a seguinte quantidade: ε 2 = (y β 0 β 1 x) 2 Qual é o mínimo que desejamos para ε 2? - Obviamente que a resposta é zero. Então basta substituirmos ε 2 relação a β 0 e β 1. por zero, e derivarmos a expressão em 12/42
13 Portanto, tem-se as seguintes equações para determinar os valores de a e b: a = ȳ bx e b xy = x y n x 2 ( x) 2 n 13/42
14 Aplicação 1. Os dados a seguir foram coletados para determinar a relação entre a pressão e a escala de leitura para uma determinada proposta de calibração. pressao leitura /42
15 a. Encontre a equação de regressão. Por partes temos: 10 i=1 x i = 300 = 1300 Logo, a equação de regressão ajustada é: y^ 10 i=1 10 x i j=1 = x y j 10 i=1 10 x 2 i = x i y j = ȳ i=1 10 j=1 = 52.6 x = b = = a = = /42
16 Interpretando a equação de regressão Muitos pesquisadores utilizam a regressão linear simples, mas não sabem o que fazer com ela. Com a nossa equação ajustada, podemos tirar as seguintes conclusões: - O aumento em uma unidade na variável x, provoca o aumento em 1.81 unidades a variável y. O que isso quer dizer na prática? - O aumento em uma libra/sq da pressão, aumenta em média em 1.81 a escala de leitura. Uma outra utilidade da equação de regressão, é podermos estimar y para pontos em x que não foram observados. 16/42
17 Aplicação 2. A quantidade de um composto químico y que dissolveu em 100 gramas de água em várias temperaturas foram as seguintes: temp composto temp composto /42
18 a. Encontre a equação de regressão e estime a quantidade de composto químico dissolvido em 100 gramas de água quando a temperatura for de 20 C. A equação de regressão estimada foi: y^ = x. Logo, a quantidade de composto químico estimada para uma temperatura de 20 C é: y^ = = 17.18g. 18/42
19 Coeficiente de determinação ( ) r 2 E se perguntássemos qual foi a qualidade do ajuste pelo modelo de regressão? É possível determinarmos o quanto a equação ajustada explica a variabilidade dos dados? Sim! O coeficiente de determinação representado pela letra r 2 minúsculo responde as perguntas anteriores. Em alguns livros ainda terá a notação R 2, mas já está ultrapassada, sendo este último utilizado para outros tipos de regressão. Logo, o coeficiente de determinação é calculado da seguinte forma: r 2 = 1 SQerro SQtotal 19/42
20 As quantidades SQerro e SQtotal são a soma de quadrados do erro e soma de quadrados total respectivamente. A SQerro é calculada como: SQerro = (y y^) 2 ou seja, é a soma dos desvios ao quadrado do que foi observado na amostra menos o que foi estimado pela equação de regressão. A SQtotal é calculada como: SQtotal = ( y) 2 y 2 n 20/42
21 Aplicação 3. Considerando a aplicação 2, calcule o coeficiente de determinação. Vamos calcular o y^ para os mesmos valores da variável independente com a equação de regressão estimada. Tem-se: y^0 = = = = y^15 = = y^30 = = y^45 = = y^60 = = y^75 Logo, a soma de quadrados do erro (SQerro) é: 21/42
22 y y^ y y^ y ȳ ( y y^) 2 (y ȳ) SQerro SQtotal /42
23 Portanto, o coeficiente de determinação é: r 2 SQerro = 1 = 1 = SQtotal Logo, podemos afirmar que a equação estimada explica em 97,29% a variabilidade dos dados. 23/42
24 Inferência para β 1
25 Pressupostos do modelo Para realizarmos inferência a cerca dos parâmetros da regressão, algumas suposições se faz necessário sobre o termo ε do modelo de regressão. Estas suposições são: - Os erros devem ser normalmente distribuídos com média 0 e variância igual para todo x; - Os erros são independentes, ou seja, o valor de ε para um valor particular de x, não está relacionado ao valor de ε para qualquer outro valor de x; Veremos adiante como checar estes pressupostos. 25/42
26 Teste de hipótese Iremos abordar a parte inferencial apenas para β 1, pois é ele que determina a relação funcional entre as variáveis x e y. Uma vez que a equação de regressão foi ajustada a partir de uma amostra, poderíamos nos perguntar se de fato a relação entre x e y não ocorreu por mero acaso. Repare que se β 1 for igual a zero, o valor médio de y não dependente de x e, portanto, concluiríamos que x e y não estão linearmente relacionados. Logo, o seguinte teste de hipótese se faz necessário: { : = 0 H 0 β 1 : 0 H a β 1 26/42
27 Precisamos agora estimar a variância do erro. s 2 erro SQerro = n 2 E portanto, o erro padrão residual (do erro) é = O desvio padrão de b é calculado como: s erro s 2 erro s b = s erro x 2 ( x) 2 n Logo, tem-se a seguinte estatística de teste: t = b s b t em que tem distribuição t de student com n-2 graus de liberdade. 27/42
28 Aplicação 4. Considerando ainda a aplicação 2, teste a hipótese de que β 1 0 considerando um α = Segue os cálculos. s b s 2 erro s erro SQerro = = = n = = = s erro s 2 erro = = = x 2 ( x) n t = = p valor = Logo, como o p-valor é menor que α podemos afirmar com 99% de confiabilidade que o β1 é diferente de zero /42
29 Análise de resíduos Na verdade, após ajustarmos um modelo de regressão o primeiro passo é analisarmos se o modelo é válido ou não, ou seja, se os pressupostos citados anteriormente estão sendo satisfeitos. Isto é necessário para que as inferências feitas a cerca dos parâmetros sejam válidas. Primeiro vamos avaliar se os resíduos são normalmente distribuídos. Iremos utilizar o gráfico quantil-quantil que é mais fácil de verificarmos quando uma reta se ajusta aos pontos do que se uma curva se ajusta a um histograma, principalmente com pequenas amostras. 29/42
30 Para elaborarmos o gráfico devemos seguir os seguintes passos: - - Ordenar a variável Determinar as probabilidades teóricas de acordo com a seguinte expressão: i 0.5 n em que i é a posição da variável e n é o tamanho da amostra - - Determinar os quantis teóricos. No nosso caso iremos usar a função qnorm. Fazer um gráfico de dispersão do par ordenado (variável ordenada,quantil teórico). 30/42
31 - Fazer uma reta de referência para compararmos e julgarmos se a variável tem distribuição normal ou não. - - Já sabemos que uma reta é composta por uma função do primeiro grau e portanto precisamos encontrar a e b. Como é uma reta empírica, o coeficiente b (inclinação da reta) é determinado como: b = 3ºquarti l dados 1ºquartil dados 3ºquarti l teórico 1ºquarti l teórico a = 1ºquartil dados b (1ºquarti l teórico ) - Então a linha é elaborada como: y = a + b quantil teórico 31/42
32 Para avaliar se a variância é constante, ou seja, a mesma para cada x usaremos um gráfico no qual no eixo y será colocado os erros e no eixo a variável independente (estudantes no caso). x 32/42
33 Aplicação 5. Avalie a validade da regressão ajustada na aplicação 2. Precisamos verificar se os erros são normalmente distribuídos e se a variância é constante. Vamos avaliar primeiro a normalidade dos erros. Os erros já foram calculados na aplicação 3 e portanto vamos pular esta etapa. Determinando as probabilidades, os quantils teóricos e a linha de referência temos os seguintes valores: 33/42
34 erro prob. teórica quantil teórico linha referência /42
35 Segue então o gráfico de dispersão do erro (quantis amostrais) em função do quantis teóricos. Podemos observar que os pontos se ajustam bem a reta e portanto podemos inferir que os erros são normalmente distribuídos. 35/42
36 Para avaliar se a variância é constante, ou seja, a mesma para cada x usaremos um gráfico no qual no eixo y será colocado os erros e no eixo x a variável independente (temperatura). Segundo o gráfico não há nenhuma tendência nos resíduos, o que indica variância constante. 36/42
37 Nos gráficos a seguir, seguem exemplos de resíduos que violam o pressuposto de variância constante. 37/42
38 Intervalo de Confiança do Valor Médio de y Quando utilizamos a equação de regressão para estimarmos y em função de x, estamos fazendo uma estimação pontual. No entanto, qual seria a margem de erro associado a esta estimação pontual? Para repondermos a esta pergunta, precisamos determinar a variância associado ao y estimado no ponto x desejado. 38/42
39 s 2 y^ s 2 erro 1 = [ + ] n ( x e x ) 2 ( x i x ) 2 em que: s 2 erro é a variância do erro, ou seja, é a soma de quadrados do erro dividido por n - 2. x e é o valor no qual se quer predizer y. x x i é a média da variável independente. são os valores observados da variável independente. 39/42
40 Portanto, a margem de erro associada a um valor estimado é determinada como: ME = t (α/2,n 2) s 2 y^ 40/42
41 Aplicação 6. Aproveitando os dados da aplicação 2, determine um intervalo de confiança de 95% para y^ quando a temperatura for de 30 C. Na aplicação 3 já foi determinado o valor estimado de y em todas as temperaturas. Para a temperatura igual a 30, o valor estimado é de Vamos determinar a variância do valor estimado. s 2 y^ 1 = [ + ] s 2 y^ 18 = ( ) /42
42 Logo, a margem de erro é: ME = ME = Portanto o intervalo de confiança de 95% para o valor médio quando a temperatura for de 30 C é ( ; ) = (21.554; ). 42/42
Modelos 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 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 maisModelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
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 maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisRegressão. PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei
Regressão PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei Regressão Introdução Analisar a relação entre duas variáveis (x,y) através da equação (equação de regressão) e do gráfico
Leia maisCorrelação e Regressão Linear
Correlação e Regressão Linear Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais CORRELAÇÃO LINEAR Coeficiente de correlação linear r Mede o grau de relacionamento linear entre valores
Leia maisAnálise de Regressão Prof. MSc. Danilo Scorzoni Ré FMU Estatística Aplicada
Aula 2 Regressão Linear Simples Análise de Regressão Prof. MSc. Danilo Scorzoni Ré FMU Estatística Aplicada Conceitos Gerais A análise de regressão é utilizada para explicar ou modelar a relação entre
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 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 maisAnálise de regressão linear simples. Diagrama de dispersão
Introdução Análise de regressão linear simples Departamento de Matemática Escola Superior de Tecnologia de Viseu A análise de regressão estuda o relacionamento entre uma variável chamada a variável dependente
Leia maisAnálise da Regressão. Prof. Dr. Alberto Franke (48)
Análise da Regressão Prof. Dr. Alberto Franke (48) 91471041 O que é Análise da Regressão? Análise da regressão é uma metodologia estatística que utiliza a relação entre duas ou mais variáveis quantitativas
Leia maisEstatística - Análise de Regressão Linear Simples. Professor José Alberto - (11) sosestatistica.com.br
Estatística - Análise de Regressão Linear Simples Professor José Alberto - (11 9.7525-3343 sosestatistica.com.br 1 Estatística - Análise de Regressão Linear Simples 1 MODELO DE REGRESSÃO LINEAR SIMPLES
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
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 maisUNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO. PROJETO DE EXTENSÃO Software R: de dados utilizando um software livre.
UNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO PROJETO DE EXTENSÃO Software R: Capacitação em análise estatística de dados utilizando um software livre. Fonte: https://www.r-project.org/ Módulo
Leia maisExemplo 1. Conjunto de dados de uma amostra de 12 meninas da escola: y i x i
Exemplo 1 Y : peso (kg) de meninas de 7 a 11 anos de uma certa escola de dança X : altura (m) das meninas A partir de 3 valores prefixados de X, foram obtidas, para cada valor de X, 4 observações independentes
Leia maisPREVISÃO. Prever o que irá. acontecer. boas decisões com impacto no futuro. Informação disponível. -quantitativa: dados.
PREVISÃO O problema: usar a informação disponível para tomar boas decisões com impacto no futuro Informação disponível -qualitativa Prever o que irá acontecer -quantitativa: dados t DEI/FCTUC/PGP/00 1
Leia maisAnálise de Regressão Linear Simples e
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável
Leia maisContabilometria. Aula 9 Regressão Linear Inferências e Grau de Ajustamento
Contabilometria Aula 9 Regressão Linear Inferências e Grau de Ajustamento Interpretação do Intercepto e da Inclinação b 0 é o valor estimado da média de Y quando o valor de X é zero b 1 é a mudança estimada
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 maisAnálise de variância (ANOVA)
Análise de variância (ANOVA) Universidade Estadual de Santa Cruz Ivan Bezerra Allaman CRONOGRAMA 1. História 2. Concepção da ideia 3. Formalização da ideia e o surgimento da distribuição F 4. Hipóteses
Leia maisCapacitação em R e RStudio PROJETO DE EXTENSÃO. Software R: capacitação em análise estatística de dados utilizando um software livre.
UFFS Universidade Federal da Fronteira Sul Campus Cerro Largo PROJETO DE EXTENSÃO Software R: capacitação em análise estatística de dados utilizando um software livre Fonte: https://www.r-project.org/
Leia maisResolução da Prova de Matemática Financeira e Estatística do ISS Teresina, aplicada em 28/08/2016.
de Matemática Financeira e Estatística do ISS Teresina, aplicada em 8/08/016. 11 - (ISS Teresina 016 / FCC) Joana aplicou todo seu capital, durante 6 meses, em bancos ( e Y). No Banco, ela aplicou 37,5%
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 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 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 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 maisAnálise de Regressão - parte I
16 de Outubro de 2012 Introdução Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir modelos para dados coletados. Entender como método de mínimos é usado
Leia maisANÁLISE DE REGRESSÃO
ANÁLISE DE REGRESSÃO Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 09 de janeiro de 2017 Introdução A análise de regressão consiste na obtenção de uma equação
Leia maisMétodos Quantitativos para Avaliação de Políticas Públicas
ACH3657 Métodos Quantitativos para Avaliação de Políticas Públicas Aula 11 Análise de Resíduos Alexandre Ribeiro Leichsenring alexandre.leichsenring@usp.br Alexandre Leichsenring ACH3657 Aula 11 1 / 26
Leia maisCaros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. De forma geral, a prova manteve o padrão das questões da
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 maisAnálise de Regressão EST036
Análise de Regressão EST036 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Regressão sem intercepto; Formas alternativas do modelo de regressão Regressão sem
Leia maisNoções sobre Regressão
Noções sobre Regressão Nos interessa estudar como uma variável varia em função de outra. Por exemplo, considere a questão de demanda e preço de bens. Quando se estuda a variação de uma variável Y em função
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Permite avaliar se existe relação entre o comportamento de duas ou mais variáveis e em que medida se dá tal interação. Gráfico de Dispersão A relação entre duas variáveis pode ser
Leia maisEstatística Aplicada
Estatística Aplicada Correlação e Regressão Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada REGRESSÃO Correlação não implica Causalidade! O coeficiente de correlação não mede
Leia maisCapítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Leia maisAnálise de Regressão
Análise de Regressão Tópicos em Avaliação de Desempenho de Sistemas Aline Oliveira Camila Araujo Iure Fé Janailda aso2@cin.ufpe.br cga2@cin.ufpe.br isf2@cin.ufpe.br jbs4@cin.ufpe.br Agenda Parte I: Contextualização
Leia maisANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS
ANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS Nível de significância No processo de tomada de decisão sobre uma das hipóteses levantadas num estudo, deve-se antes de tudo definir
Leia maisMétodos Numéricos e Estatísticos Parte II-Métodos Estatísticos
Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Lic. Eng. Biomédica e Bioengenharia-2009/2010 Modelos de regressão É usual estarmos interessados em estabelecer uma relação entre uma variável
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 maisAULA 07 Regressão. Ernesto F. L. Amaral. 05 de outubro de 2013
1 AULA 07 Regressão Ernesto F. L. Amaral 05 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas
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 maisSeção 2.6 Duas Variáveis Quantitativas: Regressão Linear
Seção 2.6 Duas Variáveis Quantitativas: Regressão Linear A Reta de Regressão Predições Resíduos Sumário Interpretando a Inclinação e o Intercepto Cuidados com a Regressão Grilos e Temperatura Você pode
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 maisAnálise de Regressão. Luiz Carlos Terra
Luiz Carlos Terra Em mercadologia é importante conhecer as ferramentas existentes para estimação dos valores de vendas, de preços de produtos ou de custos de produção. A análise de regressão representa
Leia maisREGRESSÃO E CORRELAÇÃO
Vendas (em R$) Disciplina de Estatística 01/ Professora Ms. Valéria Espíndola Lessa REGRESSÃO E CORRELAÇÃO 1. INTRODUÇÃO A regressão e a correlação são duas técnicas estreitamente relacionadas que envolvem
Leia maisRegressão Linear Simples
Regressão Linear Simples Capítulo 16, Estatística Básica (Bussab&Morettin, 8a Edição) 10a AULA 18/05/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 10a aula (18/05/2015) MAE229 1 / 38 Introdução
Leia maisEstatística. Correlação e Regressão
Estatística Correlação e Regressão Noções sobre correlação Existem relações entre variáveis. Responder às questões: Existe relação entre as variáveis X e Y? Que tipo de relação existe entre elas? Qual
Leia maisAULA 07 Inferência a Partir de Duas Amostras
1 AULA 07 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 10 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola,
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 maisProfessora Ana Hermínia Andrade. Período
Estimação intervalar Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Estimação Intervalar Vimos que como
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 maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisVERIFICAÇÃO DA ADEQUAÇÃO DO MODELO DE ANÁLISE DE VARIÂNCIA ANÁLISE DE RESÍDUOS
VERIFICAÇÃO DA ADEQUAÇÃO DO MODELO DE ANÁLISE DE VARIÂNCIA ANÁLISE DE RESÍDUOS Conforme foi apresentado anteriormente, o modelo de análise de variância assume que as observações são independentes e normalmente
Leia maisaula ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES
ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES 18 aula META Fazer com que o aluno seja capaz de realizar os procedimentos existentes para a avaliação da qualidade dos ajustes aos modelos. OBJETIVOS Ao final
Leia maisRegression and Clinical prediction models
Regression and Clinical prediction models Session 6 Introducing statistical modeling Part 2 (Correlation and Linear regression) Pedro E A A do Brasil pedro.brasil@ini.fiocruz.br 2018 Objetivos Continuar
Leia maisLucas Santana da Cunha de julho de 2018 Londrina
Análise de Correlação e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 26 de julho de 2018 Londrina 1 / 17 Há casos em que pode existir um relacionamento entre duas variáveis:
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO 1 1. CORRELAÇÃO 1.1. INTRODUÇÃO 1.. PADRÕES DE ASSOCIAÇÃO 1.3. INDICADORES DE ASSOCIAÇÃO 1.4. O COEFICIENTE DE CORRELAÇÃO 1.5. HIPÓTESES BÁSICAS 1.6. DEFINIÇÃO 1.7. TESTE DE HIPÓTESE.
Leia maisRegressão Linear - Parte I
UFPE - Universidade Federal de Pernambuco Curso: Economia Disciplina: ET-406 Estatística Econômica Professor: Waldemar Araújo de S. Cruz Oliveira Júnior Regressão Linear - Parte I 1 Introdução Podemos
Leia maisUNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL LISTA DE EXERCÍCIOS 5
UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Disciplina: Estatística II LISTA DE EXERCÍCIOS 5 1. Quando que as amostras são consideradas grandes o suficiente,
Leia maisIntrodução. São duas técnicas estreitamente relacionadas, que visa estimar uma relação que possa existir entre duas variáveis na população.
UNIVERSIDADE FEDERAL DA PARAÍBA Correlação e Regressão Luiz Medeiros de Araujo Lima Filho Departamento de Estatística Introdução São duas técnicas estreitamente relacionadas, que visa estimar uma relação
Leia maisHoje vamos analisar duas variáveis quantitativas conjuntamente com o objetivo de verificar se existe alguma relação entre elas.
Correlação e Regressão Hoje vamos analisar duas variáveis quantitativas conjuntamente com o objetivo de verificar se existe alguma relação entre elas. Vamos 1. definir uma medida de associação entre duas
Leia maisMedidas de tendência central,dispersão, posição, associação e boxplot
Medidas de tendência central,dispersão, posição, associação e boxplot Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução Uma vez entendido qual o comportamento dos dados, como eles estão
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 maisUniversidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica. Regressão. David Menotti.
Universidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica Regressão David Menotti www.inf.ufpr.br/menotti/ci171-182 Hoje Regressão Linear ( e Múltipla ) Não-Linear ( Exponencial / Logística
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 maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
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 maisAula 2 Regressão e Correlação Linear
1 ESTATÍSTICA E PROBABILIDADE Aula Regressão e Correlação Linear Professor Luciano Nóbrega Regressão e Correlação Quando consideramos a observação de duas ou mais variáveis, surge um novo problema: -as
Leia maisAULA 03 Estimativas e tamanhos amostrais
1 AULA 03 Estimativas e tamanhos amostrais Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade
Leia maisAPROXIMAÇÃO DE FUNÇÕES MÉTODO DOS MÍNIMOS QUADRADOS
MÉTODO DOS MÍNIMOS QUADRADOS INTRODUÇÃO Frequentemente é possível estabelecer uma relação linear entre duas grandezas medidas experimentalmente. O método dos mínimos quadrados é uma maneira de se obter
Leia maisIntrodução à Bioestatística Turma Nutrição
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Introdução à Bioestatística Turma Nutrição Aula 8: Intervalos de Confiança para Média e Proporção Distribuição
Leia maisCapítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Leia maisRESPOSTAS - PROVA ESTATÍSTICA AGENTE PF 2018
RESPOSTAS - PROVA ESTATÍSTICA AGENTE PF 018 Determinado órgão governamental estimou que a probabilidade p de um ex-condenado voltar a ser condenado por algum crime no prazo de 5 anos, contados a partir
Leia maisESTATÍSTICA. Lucas Santana da Cunha 18 de setembro de Universidade Estadual de Londrina
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 18 de setembro de 2017 Introdução Estatística Descritiva: Preocupa-se com
Leia maisUniversidade Federal de Alfenas Programa de Pós-graduação em Estatística Aplicada e Biometria-PPGEAB Prova de Conhecimentos Específicos
-PPGEAB Dados que podem ser necessários na resolução de algumas questões: I. Dados da Tabela t de Student com ν graus de liberdade. P (t > t α ) = α ν 0,05 0,025 4 2,132 2,776 5 2,015 2,571 6 1,943 2,447
Leia maisAula 03 Estatística, Correlação e Regressão
BIS0005-15 Bases Computacionais da Ciência Aula 03 Estatística, Correlação e Regressão http://bcc.compscinet.org Prof. Rodrigo de Alencar Hausen hausen@ufabc.edu.br 1 Medidas de tendência central: Média,
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisEstatística CORRELAÇÃO E REGRESSÃO LINEAR. Prof. Walter Sousa
Estatística CORRELAÇÃO E REGRESSÃO LINEAR Prof. Walter Sousa CORRELAÇÃO LINEAR A CORRELAÇÃO mede a força, a intensidade ou grau de relacionamento entre duas ou mais variáveis. Exemplo: Os dados a seguir
Leia maisIntervalos Estatísticos para uma única Amostra - parte I
Intervalos Estatísticos para uma única Amostra - parte I Intervalo de confiança para média 14 de Janeiro Objetivos Ao final deste capítulo você deve ser capaz de: Construir intervalos de confiança para
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 7: Intervalos de Confiança com uma amostra Leitura obrigatória: Devore, cap 7 ou Montgomery e Runger, cap 8 Chap 8-1 Objetivos Como inferir sobre um parâmetro da população,
Leia maisAula IV. Representação gráfica e regressão linear. Prof. Paulo Vitor de Morais
Aula IV Representação gráfica e regressão linear Prof. Paulo Vitor de Morais Representação gráfica A representação gráfica é uma forma de representar um conjunto de dados de medidas que permite o estudo
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário (bootstrap) Este método foi proposto por Efron
Leia maisEstatística Aplicada ao Serviço Social
Estatística Aplicada ao Serviço Social Módulo 7: Correlação e Regressão Linear Simples Introdução Coeficientes de Correlação entre duas Variáveis Coeficiente de Correlação Linear Introdução. Regressão
Leia maisEstimação de valores. Luiz Carlos Terra
Luiz Carlos Terra Nesta aula, você conhecerá a parte mais importante da estatística, que é conhecida como inferência estatística, ou seja, você aprenderá como usar os dados de uma amostra para estimar
Leia maisEstatística aplicada ao Melhoramento animal
Qual é a herdabilidade para uma característica? Qual é a variabilidade de desempenho para essa característica? Selecionando para a característica X, característica Y será afetada? Como predizer os valores
Leia maisINSTRUÇÕES. O tempo disponível para a realização das duas provas e o preenchimento da Folha de Respostas é de 5 (cinco) horas no total.
INSTRUÇÕES Para a realização desta prova, você recebeu este Caderno de Questões. 1. Caderno de Questões Verifique se este Caderno de Questões contém a prova de Conhecimentos Específicos referente ao cargo
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 maisEconometria Lista 1 Regressão Linear Simples
Econometria Lista 1 Regressão Linear Simples Professores: Hedibert Lopes, Priscila Ribeiro e Sérgio Martins Monitores: Gustavo Amarante e João Marcos Nusdeo Exercício 1 (2.9 do Wooldridge 4ed - Modificado)
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 maisANÁLISE DOS RESÍDUOS. Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos:
ANÁLISE DOS RESÍDUOS Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos: seguem uma distribuição normal; têm média zero; têm variância σ 2 constante
Leia maisCORRELAÇÃO E REGRESSÃO
UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA DEPARTAMENTO DE TRANSPORTES MEAU- MESTRADO EM ENGENHARIA AMBIENTAL URBANA CORRELAÇÃO E REGRESSÃO Professora: Cira Souza Pitombo Disciplina: ENG C 18 Métodos
Leia maisNessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:
Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S Silva http://wwwimufrjbr/ralph/multivariadahtml Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Revisão:
Leia mais