[0.000] (IP:281473657768422

1. [0.000] (IP:281473657768422 21:13:00 22:01:02 48:02 7.886) Para o conjunto de dados abaixo (como nos demais, selecione o arquivo com seu nome dentro do zip), e selecione as regressões com maior e menor resposta ao nitrogênio, verifique se são significativamente diferentes entre si, e indique a produtividade com uma adubação de 100kg de N, bem como a adubação necessária para atingir uma produtividade de 100 t/ha. Pergunta cancelada! exato 2. [4.000] (IP:281473657768422 21:14:41 22:00:15 45:34 1.42) Há inúmeras situações onde não será possível a utilização de modelos lineares para descrever comportamentos através de modelo de regressão linear simples e por isso a análise não será verdadeira. Assim, as regressões não lineares entra como um ferramenta especial na descrição de fenômenos biológicos, pois estes tem uma dinâmica difícil. Os modelos não lineares fazem suposições importantes sobre o problema (através de uma ou mais equações diferenciais), trabalhando uma relação entre as variáveis observáveis de interesse fornecendo informações bastante importantes como reações enzimáticas, taxas de crescimento, entre outros. O modelo de Gompertz é importante na discussão e interpretação de dados obtidos de curvas de crescimento com fases iniciais e finais lentas. Admite-se que a capacidade de desenvolvimento é limitada e por isso, a taxa de crescimento não é constante, o que revela uma queda exponencial em x. Para este exemplo, citamos o crescimento humano. O modelo de Regressão Logística também revela um crescimento, todavia, crescimento inicial aproximadamente exponencial segue por uma redução do crescimento pela competição até se estabilizar, assim, a curva cresce até um ponto em que se torna constante e após torna-se decrescente. Neste exemplo, podemos citar o crescimento de populações microbianas em meio de cultura. O modelo de queda exponencial é mais utilizado para interpretações na composição da matéria orgânica e liberação de nutrientes. Assim, admitindo que a taxa de crescimento é constante. Dessa forma, considera-se que os elementos são degradados de forma diferenciada a depender de sua solubilidade, e facilidade à degradação. Ou seja, a liberação inicial de um elemento será superior à outro, todavia, esta degradação decresce conforme sua quantidade é reduzida e outro inicia sua degradação em altos teores. No modelo hiperbólica, são representadas por uma queda que apresenta interpretação biológica pré-definida, e chegam a uma constante, onde y decresce á medida em que x aumenta. excelente 3. [2.000] (IP:281473657768422 21:14:52 22:00:26 45:34 10.568) Inicialmente, o autor faz uma explanação sobre um mito, a gripe do zumbi, que surgiu em abril de 2005, todavia tornou-se viral na internet no ano de 2009. Este relatório teve grande ênfase na comunidade do twitter, segundo o site techcrunch.com e segundo essas publicações, a mesma surgiu de uma mutação do vírus H1N1. Essa história foi utilizada como fonte de dados para realizar uma avaliação e comprovar estatisticamente que não passava de um mito que se tornou viral. Para tanto, o autor utilizou a regressão linear como ferramenta de monitoramento

para avaliar as publicações e correlaciona-las com o tempo, assim poderia realizar comparações observando o primeiro semestre do ano de 2009. Para isso, o autor discuti sobre o que é uma regressão, com base na mais comum utilizada: a regressão linear. O mesmo elucidou a equação y = ax + b com todos os seus parâmetros e com base nisso, utilizou um ripper web e pesquisou no google todas as postagens com o termo surto da gripe zumbi entre 1 de janeiro e 1 de maio. A posteriori, gerou uma regressão linear, e realizou avaliações para detectar a qualidade desta. Como a mesma teve um R² = 0,997, o teste F foi significativo, e na análise residual não foi observada aleatoriedade e outliers, o autor proceguiu sua pesquisa. O mesmo fez uma extrapolação com os dados observados nos primeiros dois meses para comparar se os dados correspondiam a análise realizada pelo google. Quando comparados, foi observado que a partir de 20 de abril, a quantidade de publicações foi superior na análise em relação à extrapolação e por isso, pode se concluir que o mito tornou-se viral por volta do dia da mentira (1 de abril). Neste contexto, foi extremamente interessante e significativo a utilização da ferramenta estatística empregada na extrapolação de dados como base comparativa de regressão linear, de forma, a advertir uma aplicação possível e divertida do assunto. a estatística não fala nada sobre se é real ou não. O autor apenas usou a ferramenta para ver se o comportamento é SEMELHANTE ao de propagação viral... 4. [1.500] (IP:281473657768422 21:15:01 22:00:37 45:36 6.934) A principal vantagem da utilização de regressões lineares é obter parâmetros que são facilmente interpretáveis para uma descrição de fenômenos biológicos que explica o porquê está acontecendo determinado acontecimentos. Em muitas situações, são necessários menos parâmetros nos modelos não lineares do que nos lineares, o que simplifica e facilita a interpretação. faltou porque estes parâmetros são interpretáveis, e os outros não... o pior é que na outra resposta você acertou isto. comentário: 5. [4.000] (IP:281473208938591 10:48:24 16:49:16 00:52 22.886) O uso de regressões não lineares é aplicado na descrição de fenômenos biológicos, em estudos que requerem longos períodos de tempo, já que os seres vivos apresentam comportamento dinâmico e não linear. A regressão não linear é um processo observacional e interativo, pois realiza com base teórica uma relação com as variáveis observadas, fornecendo informações importantes para a interpretação biológica, como taxas de crescimento, reações enzimáticas, decomposição de matéria orgânica e liberação de nutrientes, e etc. No modelo de crescimento exponencial a taxa instantânea relativa de crescimento é constante, e a variação da população é proporcional ao próprio tamanho da população, com taxa de crescimento constante. A Equação de Gompertz é uma alternativa ao modelo de crescimento exponencial. Nessa equação admite-se a existência de uma capacidade de sustentação do meio que limita o crescimento, sendo a curva de crescimento uma sigmoide. A taxa relativa de crescimento não é constante, nem decresce linearmente, mas decresce exponencialmente em x. Apresenta curva de crescimento com fase inicial e final lentas. O modelo de crescimento logístico também é uma alternativa ao modelo de crescimento exponencial e se difere da Equação Gompertz por decrescer linearmente. No modelo de crescimento hiperbólico, y decresce à medida que x aumenta, chegando a uma constante. ok

6. [0.000] (IP:281473208938591 10:49:58 16:50:01 00:03 41.552) A vantagem de regressões não lineares é que estas são mais adequadas para descrever processos e efeitos biológicos quando comparadas com a regressão linear. isto é resposta digna de um pós-graduando? é melhor porque são mais adequadadas? 7. [2.000] (IP:281473208938591 10:49:49 16:50:49 01:00 11.924) O capítulo 9 do livro Art of Data, tem como objetivo trazer uma abordagem diferente de tópicos relacionados à estatística básica a começar pelo título (When the zombie flu went viral?). O autor utiliza uma história falsa, lenda urbana, para explicar conceitos importantes como regressão (mais especificamente regressão linear) e coeficiente de relação, que geralmente são bastante confundidos, como também a descrição das etapas da regressão linear. Também foi abordado a utilização de ferramentas como gráfico de dispersão para melhor visualização dos dados e teste F para verificar o quanto a inclinação da linha de regressão é diferente de zero. Outro ponto ressaltado pelo autor é a importância de realizar a análise residual utilizando o gráfico de regressão para visualizar os valores discrepantes na distribuição dos dados já que a presença de outliers pode influenciar o coeficiente de determinação (R2) gerando erro na interpretação dos dados. A última etapa da regressão linear é a predição e depende do objetivo do estudo. O autor descreve os dois tipos de predição, interpolação e extrapolação, realçando que o primeiro é mais confiável já utiliza valores de faixa conhecida de valores de x. Porém, a extrapolação é a mais indicada para responder a pergunta central do texto já que utiliza valores além da faixa de valores de x. No geral o texto é bem escrito e facilita a compreensão de assuntos importantes para a interpretação de dados, já que na maioria das vezes aprendemos a rodar os dados em softwares de estatística sem entendimento do que está sendo feito. Com relação à apresentação do seminário, apesar de o texto apresentar uma escrita agradável, aborda muitos assuntos dificultando a síntese do conteúdo para uma apresentação de seminário em 15 minutos. Mas alguns tópicos como os tipos de predição foram comentados superficialmente, e mesmo com o tempo de 15 minutos poderiam ser mais detalhados. excelente 8. 4.000] (IP:281474045907265 10:35:47 16:14:30 38:43 64.237) Algumas vezes o modelo de regressão linear não é capaz de descrever um fenômeno, ou é a maneira menos adequada, pois a regressão linear faz uma descrição empírica. De maneira geral estudos que descrevem comportamento dos seres vivos (fenômenos biológicos), estudos que necessitam de um longo período de tempo, em que a regressão não linear é a mais recomendada. A regressão não linear permite que se façam suposições, baseados em conceitos, a partir de importantes informações para a interpretação biológica, relacionando a teórica com as variáveis observadas tais como reações enzimáticas, taxas de crescimento em função do tempo etc. Também conhecida como observacional e de processos interativos. O modelo de Gompertiz, apresenta uma curva sigmoide e admitisse que existe algo que limita ou sustenta o crescimento, ex.: predadores e caças; semelhante ao modelo de regressão logística, tem crescimento inicial exponencial seguido por redução de crescimento até estabilização, ex.: reações catalíticas. A hiperbólica é indicada para casos em que tende a ficar constantes o y decresce à medida que x aumenta, chegando a uma constante; a queda exponencial o exemplo clássico é o da matéria orgânica em decomposição, que começa alta e depois cai e tende a ficar constante.

ok 9. [2.000] (IP:281474045907265 10:37:17 16:20:19 43:02 1.044) O capitulo Quando a gripe do zumbi se tornou viral: Regredindo os mitos urbanos, tratou de uma maneira mais contextualizada o que é, como e onde deve-se aplicar a regressão linear simples. Como se pode descrever uma variável em função de outra, o que é a inclinação da reta, o que é b(quando a linha corta o eixo y). Deixou claro que é uma ótima maneira de visualizar as relações entre as variáveis; abordou as diferenças e importância dos coeficientes de correlação e de determinação, a importância do teste F, o que é uma analise residual- a diferença entre os dados observados e o que está na linha de dispersão. Mostrou outiliers, correlação e não linearidades. Abordou ainda predição, e o que seria extrapolação- estende a previsão para além do alcance x; e interpolação- processo de confiança. Quando fazemos a comparação com a apresentação percebêssemos, que o mesmo não abordou todo conteúdo, visto que ele deveria ter explicado melhor o que é regressão, além de ter explicado também analise residual, predição (interpolação e extrapolação). Embora saibamos que a falta de experiência e o nervosismo podem ter atrapalhado, poderia ter mostrado melhor a importância do uso da regressão. ok 10. [1.500] (IP:281474045907265 10:37:34 16:17:03 39:29 31.849) A principal vantagem no uso de regressões não lineares é poder explicar melhor as interações e fenômenos relacionados aos seres vivos, a partir de conceitos preexistentes, já que é mais relevante avaliar a importância cientifica do que avaliar a significância propriamente dita, e que em muitas situações o experimento ou dado não se encaixa no modelo linear. um pouco mais superficial do que eu gostaria, e em particular não indicou porque poderia explicar melhor. Além disto, o ponto sobre significância não tem aplicação direta nesta situação. 11. [2.000] (IP:281473857228297 14:19:28 18:48:50 29:22 124.881) Segundo a inferência de alguns pesquisadores, estudos realizados durante longos períodos de tempo poderão não ter os dados obtidos representados de forma satisfatória em regressões lineares, pois o comportamento não linear é o que mais predomina entre os seres vivos, em função da complexidade e dinamicidade de suas naturezas. Quando comparadas com as regressões lineares às não lineares têm a vantagem de apresentar parâmetros com interpretações biológicas, o que possibilita a obtenção de informações importantes como ganho de massa, taxas de crescimento, dentre outras. se livrou pela última frase 12. [1.500] (IP:281473857228297 14:20:33 19:41:50 21:17 1.777) O artigo discutido durante a última aula tratava de um assunto referente a uma falsa doença ocasionada por meio de um vírus (a gripe zumbi). Na realidade o autor quis mostrar como se comportariam os dados obtidos referidos ao início daquela falsa história, levantando através da mesma alguns pontos observados que foram adquiridos a partir de uma faixa de informações que o mesmo obteu do motor de busca google; os pontos observados apresentaram uma tendência um tanto quanto constante e quando foi realizada a estimativa utilizando o excel como ferramenta para avaliar a distribuição dos dados verificou-se uma alta correlação entre as variáveis dependentes (postagens) e independentes (dias), pois o valor de R-quadrado aproximava-se do valor 1. Como instrumento para verificar o quanto havia de correlação entre as variáveis dependentes e independentes o autor utilizou principalmente o coeficiente de correlação e o de

determinação. Foi mostrado que quanto mais próximo o valor do dado obtido se aproxima do valor estimado maior a correlação entre estas variáveis, se existe uma alta variação em valores de uma variável Y em relação a estimativa o valor de R-quadrado será moderado. Se os pontos não apresentam nenhum padrão com base na estimativa e encontram-se dispersos em um gráfico; mais baixo será o valor de R-quadrado, e se o valor estiver próximo a 0 isto indica que não existe correlação entre estas variáveis. Se um outlier encontra-se presente dentro de um conjunto de dados num gráfico de distribuição, este também poderá interferir na estimativa negativamente. Ainda vimos sobre os resíduos dos dados das regressões e de como estes resíduos podem ser encontrados. Normalmente a estimativa passa bem ao centro dos resíduos que se encontram de forma aleatória dentro de uma regressão linear. No último gráfico o autor extrapolou a sua estimativa realizada durante o dia 1 ao dia 63 de janeiro de 2009 até o mês de maio e verificou que os pontos observados após aquele período começaram a ficar sobre a linha da estimativa mas muito distantes dos pontos estimados, indicando que a partir daquele momento que aquela falsa doença tinha se tornado viral na internet, devido ao grande número de postagens sobre o assunto. R² não indica correlação, mas sim determinação... o coeficiente de correlação é R. discussão muito direta em cima somente do texto, e não nos porques das coisas 13. [4.000] (IP:281473857228297 14:20:02 19:38:36 18:34 341.881) Existem situações nas quais não é desejável, ou mesmo possível, descrever um fenômeno através de um modelo de regressão linear, por essa fazer uma descrição puramente empírica. Sendo com isso recomendável o uso de regressões não-lineares na descrição de fenômenos biológicos, em estudos que requerem longos períodos de tempo, pois em função da natureza dinâmica e complexa o que predomina nos seres vivos é o comportamento não-linear. Por princípio, a regressão não-linear é conhecida como observacional e de processos interativos, pois permite suposições, com base teórica, poder realizar uma relação teórica com as variáveis observadas, fornecendo informações importantes para a interpretação biológica, como taxas de crescimento, ganho de massa, recuperação da biomassa em função do tempo, reações enzimáticas, etc. O modelo de crescimento exponencial vem admitir que a taxa instantânea relativa de crescimento é constante. Nesse modelo, se aplica que a variação da população é proporcional ao próprio tamanho da população, com taxa de crescimento constante. Pode ser adequado para explicar o crescimento de populações de animais que não estejam sujeitas a restrições ambientais para o seu crescimento, condição que pode ser verificada, por exemplo, quando uma espécie estranha é introduzida em um ambiente sem predadores, podendo se proliferar sem limitações. O modelo de Gompertz é uma alternativa ao modelo de crescimento exponencial. Nesse modelo se admite a existência de uma capacidade de sustentação do meio que limita o crescimento, sendo a curva de crescimento uma sigmoide. A taxa relativa de crescimento não é constante, nem decresce linearmente, mas decresce exponencialmente em x, como exemplo, tem se o crescimento em função da idade. O modelo de crescimento logístico também é uma alternativa ao modelo de crescimento exponencial. Nele, também se admite a existência de uma capacidade de sustentação do meio que limita um crescimento que, de outra forma, seria exponencial, e sua curva de crescimento também é uma sigmoide, porém difere do modelo de Gompertz por decrescer linearmente, como exemplo desse modelo, podemos citar o crescimento populacional das bactérias. No modelo de crescimento hiperbólico, y decresce à medida que x aumenta, chegando a uma constante, como exemplo, podemos citar o rendimento por planta (y) vs. densidade da cultura (x) um ponto que muitos levantaram na resposta foi sobre o longo período que os autores citam. Só peço que usem o separador de orelhas, porque crescimento bacteriano, por exemplo,

segue um curva exponencial em período de horas, o que dificilmente pode ser caracterizado como longo período. O que interessa é o fenômeno que queremos descrever, somente isto. 1. 14. [1.500] (IP:281473857990473 18:19:19 01:17:10 57:51 325.398) A regressão não linear é uma análise em que os dados são modelados por uma função que é obtida através da combinação não linear de uma ou mais variáveis independentes. Esse tipo de regressão é caracterizado como observacional e permite realizar estudos de longos períodos proporcionando a vantagem de representar parâmetros biológicos como crescimento populacional, taxa de predação por inimigos naturais ou ainda o desenvolvimento vegetativo das culturas, etc. como em grande parte das respostas, faltou o porque da vantagem... chegou mais perto do que várias, mas ainda não falou no porque 15. [0.500] (IP:281473857990473 18:21:37 01:20:35 58:58 196.445) O capítulo apresenta uma situação em que o autor lança mão de uma regressão linear para representar o número de acessos na internet sobre gripe zumbi ao longo do tempo. Para tanto, o autor quantificou através de um programa, o total de acessos no mês de Janeiro e Fevereiro de 2009 e encontrou um correlação entre o número de acessos sobre gripe zumbi e o tempo decorrido nos dois primeiro meses de 2009. Na apresentação em sala de aula percebeu-se de forma clara o objetivo daquela pesquisa e quão significativo foi o resultado, pois percebeu-se ao final o momento em que houve uma mudança brusca no número de acessos sobre aquele assunto e consequentemente o momento em que o mesmo se tornou viral.durante a apresentação houve um pouco de dificuldade na diferenciação de coeficiente de correlação e de determinação, mas as discussões finais foram esclarecedoras. superficial demais no tocante ao livro, com a nítida sensação de que não percebeu que era SOMENTE um exemplo. 16. [4.000] (IP:281473857990473 18:22:35 01:21:34 58:59 37.018) No contexto de pesquisas biológicas o uso de equações lineares nem sempre e capaz de expressar adequadamente os fenômenos estudados. Nessas situações os modelos não lineares apresentam-se como alternativas pertinentes, uma vez que permitem suposições de bases teóricas que possibilitam adequações às variações que naturalmente se observam nos fenômenos biológicos, como por exemplo, um processo de decomposição, o desenvolvimento de uma planta ou crescimento populacional de insetos. Existem vários modelos não lineares. No caso do modelo de crescimento exponencial, admite-se que a taxa instantânea de crescimento é constante. Este modelo é o mais adequado para representar, por exemplo, o crescimento de uma população em um local onde não há resistência ambiental. No entanto, se uma população está num ambiente em que existe a resistência ambiental, a taxa de crescimento não será constante e o modelo que melhor representaria esta situação seria o de Gompertz, onde o início e o final do fenômeno são lentos, resultando em uma curva sigmoidal. Outra alternativa ao modelo de

crescimento exponencial, vem a ser o modelo de crescimento logístico, onde inicialmente ocorre um crescimento aproximadamente exponencial seguido por redução do crescimento, no caso, pela resistência do ambiente e posteriormente a estabilização. ok 17. [4.000] (IP:281473697907531 21:15:34 21:47:46 32:12 36.096) Existem muitas situações nas quais não é apropriado, ou mesmo possível, descrever um fenômeno através de um modelo de regressão linear. Um exemplo é na área de Ciências Biológicas na modelagem de crescimento, onde pode ser necessário ajustes de funções não lineares para melhor explicar o processo de crescimento. Também, no melhoramento genético de plantas onde o modelo é, estatisticamente, um aprimoramento dos modelos lineares de estabilidade, por contar os problemas relacionados com a estimativa do índice ambiental, fazendo com que os testes das hipóteses para os seus parâmetros sejam realizados sem violar os princípios básicos necessários para a sua validade. Essas regressões não lineares são uma forma de análise observacional e que oferece diferentes informações dependendo do modelo a ser usado. A aplicação de diferentes modelos no ajuste de curvas de crescimento, por exemplo, pode mostrar um determinado modelo que se ajuste melhor, apresentando menor quadrado médio de erro, maior coeficiente de determinação, além dos parâmetros serem os mais próximos entre o observado e o esperado. Os modelos exponenciais são muito utilizados em estudos de crescimento, onde a taxa de crescimento num dado tempo X é proporcional a quantidade de crescimento restante (final) que ocorre com o aumento do tempo, e o y0 representa o crescimento máximo, também aplicado para decomposição de matéria orgânica, queda exponencial simples ou dupla, e liberação de nutrientes. Já o modelo logístico é muito usado para variáveis qualitativas, também modelo de crescimento, mostrando crescimento exponencial seguido por redução pela competição até estabilização. Modelos hiperbólicos adequados para casos em que tende a uma constante. Modelo de Gompertz com curvas de crescimento com fase inicial e final lentas. Ou seja, os diferentes modelos podem se adequar melhor ou não a um determinado conjunto de dados. ok, mas não entendi a parte do melhoramento. 18. [2.000] (IP:281473697907531 21:16:55 21:48:23 31:28 18.697) O autor usou da capacidade de espalhar notícias, no caso a gripe do zumbi, para a aplicação de regressão básica, acompanhando relatos dessa notícia pela internet, respondendo um suposto questionamento de quando a gripe do zumbi se tornou viral?. Para isso ele acompanhou a popularidade (quantidade de posts) da história antes e depois de um artigo da BBC ser publicado no primeiro semestre de 2009, quando a história do zumbi supostamente se tornou viral. Já com uma regressão básica (Y=mX+b), através de um gráfico de regressão Y contra X, ele pode visualizar o número total de postagens de gripe do zumbi (Y) a cada semana (X), mostrando uma um padrão claro, com o valor de Y dependente do valor de X com inclinação estimada m=6.2, em média seis novos posts de por dia, e a estimativa de interceptação (b=0,02) que mede o valor de Y no X=0. Com esse modelo para seus dados ele diagnosticou o ajuste para avaliar a qualidade de precisão dele usando o coeficiente de correlação (r2) entre as duas variáveis, obtendo 0,997 mostrando um bom encaixe entre os dados sem valores discrepantes (outlier). Além desse valor o teste F de hipóteses permitiu ele rejeitar a hipótese nula e concluir que a inclinação da linha é estatisticamente significativa. Mesmo com estes testes a análise residual, muito respeitado por ele, possibilitou observar o padrão sutil dos valores evidenciando a forte correlação. Após todas essas análises ele ainda não conseguiu atingir seu objetivo, só com o erro padrão que estima a variação dos valores observados y entorno da linha de regressão. Com isso, o grande salto no número de postagens em abril sugere a gripe do zumbi, de fato, viral

depois da brincadeira do dia da mentira em que se tornou um artigo de notícia, de um surto a pandemia. Por fim, de forma descontraída e fácil ele abordou todas as análises de uma regressão básica e a importância aplicada delas sobre um determinado grupo de dados. ok 19. [2.000] (IP:281473697907531 21:17:10 21:49:03 31:53 15.24) Apresentar parâmetros com interpretação biológica como em modelos de crescimento, rendimento, relações alométricas, etc. Com isso, pode-se obter uma relação teórica entre as variáveis observáveis de interesse, retratando bem o comportamento não linear da maioria dos seres vivos evitando descrever um fenômeno de forma puramente empírica, através de modelos não lineares determinados com base em conhecimentos teóricos do problema tratado. Em muitos casos permite um bom ajuste, sintetizando um grande número de medidas em alguns parâmetros interpretáveis biologicamente, facilitando o entendimento do fenômeno. Além disso, o emprego do modelo de regressão não linear pode ser uma das alternativas para contornar os problemas relacionados com a estimativa do índice ambiental, variável estimada com os próprios dados genotípicos em programas de melhoramento genético, fazendo com que os testes das hipóteses para os seus parâmetros sejam realizados de acordo com os princípios básicos requeridos para sua validade. ótimo 20. [1.500] (IP:281473657768121 10:19:58 14:53:10 33:12 27.881) O autor aborda a regressão linear de forma diferenciada fazendo uso de uma lenda urbana divulgada na internet denominada de gripe zumbi. O autor faz um levantamento do número de postagens e acessos sobre esse assunto nos primeiros meses de 2009, observando que inicialmente uma constância nas pesquisas sobre o assunto, desde o inicio do boato na rede que ocorreu em abril de 2005, no entanto após um relançamento do boato em 2009 onde se falam de casos em Londres e outras cidades da Europa juntamente com relatos de que a suposta gripe era causada por uma mutação do H1N1, ocorreu um aumento na procura deste assunto na rede. Após a coleta dos dados o autor observa que esses tem uma tendência, e comprova uma relação entre o aumento da procura com o passar do tempo desde o relançamento da falsa notícia, com isso ele faz suposições com base na regressão tentando prever quando o assunto iria viralizar (termo usado para indicar que alguma notícia, boato, vídeos, etc. são acessados em massa) na rede. Com isso ele nos mostra que com uma abordagem simples é possível se fazer inferências bastante promissoras sobre um conjunto de dados, proporcionando uma boa explicação e utilidade dos mesmos. Com relação a apresentação em sala, após a explanação do colega duvidas como a diferença entre coeficiente de correlação e coeficiente de determinação foram sanadas bem como houve um maior entendimento sobre os métodos adotados para a realização das analise e o direcionamento usado pelo autor para responder o comportamento dos seus dados. ênfase excessiva no como pouca no que. 21. [1.500] (IP:281473657768121 14:53:10 14:53:48 00:38 37.251) Os modelos não-lineares são mais vantajosos devido sua capacidade de representar os parâmetros biológico, já que estes não seguem um modelo linear quando observados em um longo período de tempo, o que está ligado a complexidade inerente dos processos biológicos. Por definição, a regressão é uma forma de análise observacional em que os dados são modelados por uma função que é uma combinação não-linear de parâmetros do modelo e depende de uma ou mais variáveis independentes. Sendo a assim o modelo não-linear quando comparado ao linear, se torna vantajoso por expor parâmetros com interpretação biológica, possibilitando ao pesquisador obter e ser capaz de interpretar importantes informações como a taxa de

crescimento populacional, em determinadas condições ambientais, produção em função de doses de nutrientes entre outros exemplos. ok, mas bastante confuso e meio circular em alguns pontos. 22. [4.000] (IP:281473657768121 14:53:56 14:54:29 00:33 32.701) Há situações nas quais não é possível ou mesmo recomendado o uso de modelos lineares, por tais não serem capazes de explicar as mais variadas situações ocorridas em um contexto biológico sendo representativos apenas em intervalos curtos. Sendo assim é recomendado o uso de modelos não-lineares quando se quer representa um fenômeno biológico em um período mais extenso, já que devido à complexidade e dinâmica dos eventos biológicos estes são de natureza não-linear. Por se um modelo observacional e de processos interativos, que permite suposições, baseadas em teorias, torna possível a construção de uma relação teórica com as variáveis observadas, o que cria uma base de informações que dão suporte para a interpretação de observações biológicas, como por exemplo taxa de predação ou crescimento populacional. No entanto para cada conjunto de dados existe um modelo não-linear mais adequado como: Modelo logístico, que é caracterizado por uma associação entre a densidade de uma população e sua taxa de crescimento. Por esta razão, é também chamado de modelo densidade-dependente. A população para de crescer ao atingir uma densidade máxima (K), definida como sendo a capacidade de suporte do meio. Sendo que em baixas densidades (K tende a 0), o crescimento é semelhante ao que ocorre no modelo exponencial onde o tamanho da população aumenta através de incrementos que também aumentam durante os intervalos sucessivos, ou seja, quanto maior a população mais ela cresce, nesse modelo diferentemente do logístico não há limite para o crescimento. Outro modelo como de Gompertz que assim como o modelo logístico é uma alternativa ao modelo exponencial. Pois nesse modelo assim como no logístico admite-se que o crescimento é limitado pela capacidade suporte do meio, sendo o crescimento demonstrado através de uma curva sigmoide, onde a taxa relativa de crescimento de y não é constante (como na exponencial), nem decresce linearmente em y (como na logística), mas decresce exponencialmente em x. o não-linear não é somente útil em períodos longos, mas SEMPRE que o comportamenteo real dos dados não for linear. Fora isto, ok. 23. [1.000] (IP:281473899319176 11:14:38 22:50:18 35:40 40.013) Uma situação em que o modelo não-linear é recomendável que pode ser citada é: Um administrador de um hospital deseja ajustar um modelo de regressão para estimar o tempo de recuperação depois que o paciente saiu do hospital devido a uma doença grave. A variável preditora é o número de dias que o paciente ficou hospitalizado (X), e a variável resposta é um índice de prognóstico para o tempo de recuperação (Y), onde, valores grandes indicam um bom prognóstico. Pacientes Dias hospitalizados Prognóstico (índice) i Xi Yi 1 2 54 2 5 50 3 7 45 4 10 37 5 14 35

6 19 25 7 26 20 8 31 16 9 34 18 10 38 13 11 45 8 12 52 11 13 53 8 14 60 4 15 65 6 Outra situação é: Segundo Seber e Wild (2003), a análise dos dados sobre crescimento é importante em muitas áreas de pesquisa. Na biologia, o interesse está na descrição do crescimento de animais e plantas na tentativa de compreender seus mecanismos essenciais. Os químicos estão interessados na formulação do produto de uma reação química ao longo do tempo. Na agricultura, são óbvias as vantagens econômicas e administrativas em conhecer como a produção cresce, o quão rápido ela cresce, e como esses fatores respondem a condições ou tratamentos ambientais. O crescimento infantil é de interesse na medicina, assim como o crescimento de tumores e os efeitos de tratamentos sobre tais crescimentos. Cientistas sociais têm interesse mem crescimento da população, no fornecimento de alimentos e na demanda de energia. O termo curva de crescimento usualmente evoca a imagem de curvas sigmoidais que representam o tempo de vida de medidas de dimensão, geralmente de altura e peso. Na modelagem de dados de crescimento, desejamos obter informações sobre a interpretação física dos parâmetros, a fim de construir um modelo padrão para as observações em estudo. Modelos de regressão não linear utilizados para descrever curvas de crescimento Modelo Função Logístico f(x) = α/[1 + e(β γx)] Gompertz f(x) = αe( e(β γx)) Von Bertalanffy f(x) = α[1 e( γ(x δ))] Richards f(x) = α/(1 + e(β γx))1/δ Weibull f(x) = α βe γxδ Morgan-Mercer-Flodin (MMF) f(x) = (βγ + αxδ)/(γ + xδ) apresentar situações copiadas diretamente de livros, inclusive com direito a copiar exemplos pode ser realmente entendido como discutir, em particular na pós-graduação? o que você fez, se repetido em um trabalho seria simplesmente plágio. 24. [1.000] (IP:281473899319176 21:37:01 23:14:29 37:28 9.88) Professor eu não li esse capítulo. Quanto a apresentação do meu colega, eu entendi mais as explicações da sua parte do que da parte dele, para mim não ficou muito claro o que ele explicou, eu gostei da apresentação, mas faltou uma melhor interpretação dos resultados da parte do aluno de forma que estivesse mais clara para o entendimento do professor e dos demais alunos. ok quanto à avaliação.

25. [2.000] (IP:281473899319176 23:14:29 23:22:48 08:19 5.912) Existe, entretanto, muitas situações nas quais não é desejável, ou mesmo possível, descrever um fenômeno através de um modelo de regressão linear. Ao invés de se fazer uma descrição puramente empírica do fenômeno em estudo, pode-se, a partir de suposições importantes sobre o problema (freqüentemente dadas através de uma ou mais equações diferenciais), trabalhar no sentido de obter uma relação teórica entre as variáveis observáveis de interesse. O problema, diferentemente do caso linear, é que os parâmetros entram na equação de forma não linear, assim, nós não podemos simplesmente aplicar fórmulas para estimar os parâmetros do modelo. ok, embora cópia de texto desta forma seja plágio em um trabalho de pesquisa 26. [4.000] (IP:281474038335825 10:37:42 15:23:42 46:00 8.765) Ocorrem muitas situações nas quais não é desejável, ou mesmo possível, descrever um fenômeno através de um modelo de regressão linear. Ao invés de se fazer uma descrição puramente empírica do fenômeno em estudo, pode-se, a partir de suposições importantes sobre o problema (frequentemente dadas através de uma ou mais equações diferenciais), trabalhar no sentido de obter uma relação teórica entre as variáveis observáveis de interesse. A regressão não-linear é aplicada nas mais diversas áreas, tais como, econometria, agricultura, agronomia, farmacologia, biologia, ecologia, engenharia, educação, química, etc. Um exemplo típico na área de Ciências Biológicas é a modelagem de crescimento, em que pode ser necessário ajustar funções não-lineares para melhor explicar o processo de crescimento. Podemos usar como exemplos de situações para o uso de regressão não-linear também, o peso seco de bulbos de cebola como função do tempo de crescimento; a mortalidade de uma determinada praga em função da aplicação de dois inseticidas que poderão atuar de forma sinérgica ou antagônica; a mortalidade de uma praga em plantas Bt e plantas não Bt, ou a mortalidade da praga em plantas Bt que apresentam apenas uma toxina ou em plantas que apresentam mais de uma toxina (genes piramidizados); produção de pastagens em função do tempo de cultivo. Como exemplo segue três modelos normais não-lineares: Logístico α/{1+exp(β-γx)} Michaelis-Menten αx/(γ+x) Exponencial Y= yo exp(y1xi)+ Ei Nos dois primeiros modelos, o parâmetro α é o valor máximo esperado para a resposta, ou assíntota. O parâmetro β está relacionado com o intercepto, isto é, o valor de µ = E(Y) correspondente a x = 0. O parâmetro γ está relacionado com a taxa média de crescimento da curva, onde o modelo logístico é muito usado para variáveis qualitativas. No modelo exponencial y0 e y1 são os parâmetros do modelo; Xi são constantes conhecidas (variável preditora) e Ei são os termos do erro, independentes, com distribuição normal de média 0 (zero) e variância α2, o modelo de crescimento exponencial vem admitir que a taxa instantânea relativa de crescimento é constante. Já no modelo logístico os erros não tem mais distribuição normal com variância constante, sendo uma alternativa ao modelo de crescimento exponencial. Nele, também se admite a existência de uma capacidade de sustentação do meio que limita um crescimento que, de outra forma, seria exponencial, e sua curva de crescimento também é uma sigmoide, como exemplo desse modelo, podemos citar o crescimento populacional das bactérias. ok. no entanto, recomendo que sempre avalie o material e use sua explicação do assunto, não somente copie o que leu. Em um artigo científico isto seria plágio óbvio.

27. [2.000] (IP:281474038335825 13:37:46 15:24:00 46:14 16.229) Muitas vezes, um modelo linear é utilizado apenas pela facilidade em descrever o relacionamento aproximado. Entretanto, o verdadeiro relacionamento entre uma variável dependente e uma ou mais variáveis independentes pode ser descrito por um modelo não-linear. Os modelos não lineares, geralmente fornecem um bom ajuste, com menos parâmetros do que os modelos lineares, apresentam uma base teórica, os parâmetros dos modelos fornecem um maior conhecimento sobre o fenômeno em estudo do que os modelos lineares, os parâmetros obtidos são facilmente interpretáveis. Em muitas situações, necessita-se menos parâmetros nos modelos não lineares do que nos lineares, isto simplifica e facilita a interpretação. ok em particular pelo meio do texto. no entanto, faltou um pouco do porque... 28. [0.500] (IP:281474038335825 13:38:05 15:25:40 47:35 44.503) O capítulo 9 aborda o tema regressão e pontos como: Teste F, Análise residual, coeficiente de determinação, predição, nele é contada uma história para melhor entendimento do assunto, fala da gripe zumbi que é apenas um relato de que este estranho vírus apareceu pela primeira vez em abril de 2005 no Camboja, sendo transmitida por mosquitos. As vítimas ressuscitavam em duas horas após a morte e apresentavam comportamento zumbi. Apenas quatro anos depois, em 2009, é que a doença tornou-se viral, sendo difundida agora nas redes sociais como um mutante do vírus H1N1 e a partir desta história mostra exemplos de como esses dados podem ser mostrados utilizando a regressão. Regressão é um procedimento utilizado para descrever uma variável, Y, em função de outra variável, X. As variáveis podem ser qualquer coisa, desde que Y dependa de X. A regressão linear, representada por y=mx+b, assume que x e y se relacionam numa linha em que, utilizando a técnica conhecida como quadrados mínimos ajustados, os dados são utilizados para estimar o slope (inclinação) da linha (^m) e o intercepto (^b). No capítulo é abordado que um importante passo na análise de regressão é a avaliação do grau de incerteza dessas estimativas, o que é chamado de previsão de erro, ou seja, a variação inerente ao valor de y como previsto pela linha da regressão. Nenhuma estatística deve contradizer o que você sabe ser verdadeiro. É importante olhar para seus dados e identificar problemas potenciais. Um gráfico bem elaborado faz a maior parte do trabalho por você. A regressão linear ajusta uma linha através de um conjunto de dados aleatórios que podem estar correlacionados, ou seja, quando a ocorrência de um interfere na probabilidade de ocorrência do outro. O coeficiente de determinação é um valor entre -1 a 1. O R2 não mede a correlação entre os valores de X e Y, mas sim entre os valores de Y e ^Y. Se a linha se ajusta bem aos dados, então o Y estimado e observado serão próximos e o R2 será próximo de 1. O Teste F além do R2, muitos relatam o teste de hipótese para o slope, determinando se o slope é significativamente diferente de zero e se realmente existe uma tendência nos dados. Quando seu F calculado for maior que o F tabelado, rejeita-se a hipótese nula, concluindo que o slope é estatisticamente significativo. Análise residual mostra a parte dos seus dados que não foram incluídos na linha de regressão. Corresponde às diferenças entre o Y observado (seus dados) e o Y estimado, plotadas num gráfico de dispersão. Predição é o objetivo final da regressão linear. É onde você toma qualquer valor de X e usa a linha de regressão para inferir qual será o valor correspondente de Y. Pode ser feita através de interpolação (predição para valores dentre os já testados) e extrapolação (predição para valores além dos originalmente usados). O erro padrão mede o desvio médio dos resíduos, enquanto o desvio padrão mede o desvio médio das observações na amostra. Levando em consideração a história abordada e aplicação desses dados por regressão, vistos nesse capítulo, fica muito mais fácil a compreensão do assunto em questão. primeiro, o que quer dizer "Você sabe ser verdadeiro"? Esta é uma afirmativa de ALTO risco, porque muita vezes o que "sabemos" simplesmente está errado, e pela sua afirmativa, a estatística que nega este "saber" deve ser simplesmente desconsiderada...

outro ponto é que você tratou o aspecto do vírus como se fosse algo real, quando é SOMENTE um exemplo de forma de avaliar. Ainda neste ponto, a expressão viral neste caso é de internet, e não tem PN a ver com vírus biológico. 29. [1.500] (IP:281473653672857 21:28:15 22:53:45 25:30 ------ ) O capítulo do livro que tem como título: Quando a gripe do zumbi se tornou viral: Regredindo os mitos urbanos. Trata sobre a facilidade do uso da internet e sua capacidade e velocidade em espalhar notícias. O estudo é feito a partir de um site chamado snopes.com que trata sobre o rastreamento e desmascaramento de mitos urbanos. O mito em estudo foi a gripe do zumbi que de acordo com o site é um vírus estranho que apareceu primeiro em abril de 2005. Esse vírus é um parasita mortal transmitido por insetos que assassina a vítima, e depois reinicia o coração por até duas horas após a morte, levando a pessoa a se comportar como um zumbi em fúria. O relatório sobre o vírus se espalhou na Internet, até se tornar viral no Dia da Mentira, em 2009, sendo o relatório reformulado e recirculado. Agora, uma mutação do vírus H1N1 a gripe zumbi teria sido se espalhando por Londres, com suspeita de casos em outras cidades européias. O boato se espalhou como uma pandemia. Com isso o autor buscou usar a regressão básica para acompanhar os relatos deste mito e mostrar como ele pode explodir em uma lenda urbana, respondendo a pergunta "Quando a gripe do zumbi se tornou viral?". Regressão é um procedimento para descrever uma variável y, em função de outra variável, x. As variáveis podem ser qualquer coisa, desde que haja boa razão para supor y depende de x, assim y é uma função de x, onde y = f(x). A função relativa y de x também pode ser quase qualquer coisa, uma linha, um função quadrática, até mesmo uma função logarítmica. A regressão linear, assume que x e y estão relacionados com uma linha, y = mx + b. A Popularidade do mito pode ser medida de várias maneiras, tais como o número de visitas de um site recebe, o quão rápido um determinado item está sendo compartilhado, ou quantas vezes o tema está sendo discutido. O autor acompanhou a atividade na Internet da gripe do zumbi durante o primeiro semestre de 2009 utilizando o Google, pegou postagens em datas antes do mito ser viral. Este número deve aumentar em um ritmo constante. Depois de ser viral, a taxa de novas postagens devem crescer bruscamente. Para isso ele usou um software que permitia extrair automaticamente bits de informação a partir de qualquer site pesquisando sobre o surto da gripe zumbi no período de 1 de janeiro e 1 de maio de 2009. Ele utilizou um gráfico de disperção para relacionar o tempo com o numero de publicaçõe. Um gráfico de dispersão é um gráfico de duas variáveis uns contra os outros, y contra x, dessa forma o valor de y é dependente do valor de x. Na regressão linear uma variável dependente y, e uma variável independente, x, estão relacionados um a o outro com a função y = mx + b. o propósito de regressão linear é tomar uma amostra e estimar a inclinação, m, e o termo y interceptado, b. A regressão linear ajusta uma linha através de um conjunto de dados. Estatisticamente, este procedimento mede algo chamado de correlação. Duas variáveis aleatórias são correlacionadas se o resultado de uma afeta a probabilidade de o resultado do outro (coeficiente de correlação). O coeficiente de correlação é uma das formas mais comuns de avaliar a qualidade de um procedimento de regressão linear o R-quadrado. O R-quadrado, mede a correlação entre os valores de y e ^y. O valor de R2 mede o quão bem a linha de regressão se ajusta aos dados. Além do valor de R2, a maioria dos procedimentos de regressão linear reportar o resultados de um teste de hipótese para a encosta. Este teste determina se o declive da linha de regressão é significativamente diferente de zero. A análise residual mostra as sobras estatísticas, a partir dos dados que não estão incluídos na linha de regressão. Há duas coisas a procurar nos resíduos: outliers e não- linearidade. Com o uso da estatística de regressão e extraindo as postagens da internet em período de tempo o autor pode observar como foi o comportamento da propagação da informação sobre o mito. E a partir daí observar o momento nesse período de tempo em que gripe do zumbi se tornou viral e pode contatar que esse fato ocorreu antes do dia da mentira como havia sido sugerido. ok quanto ao livro, nada quanto à apresentação.

30. [4.000] (IP:281473653672857 21:33:07 23:08:38 35:31 4.292) Em alguns casos não há a possibilidade de descrever um fenômeno utilizando um modelo de regressão linear. Nesses casos, tendo como exemplo estudos de comportamento biológico, a regressão não linear fornece parâmetros que possibilitam maior conhecimento sobre um determinado fenômeno. Desta forma se torna mais adequado o uso de regressão não linear no estudo de fenômenos biológicos, os estudos destes fenômenos são geralmente longos, complexos e dinâmicos o que caracteriza um comportamento não linear. A regressão não linear tem como princípio a observação e o estudo de processos interativos o que permite suposições com base teórica e a relação entre a teoria e as variáveis observadas fornecendo informações para interpretações biológicas como taxa de crescimento, reação enzimática e crescimento de massa. Os modelos não lineares estão mais presentes na natureza do que os lineares, eles geralmente fornecem um bom ajuste com menos parâmetros que os modelos lineares.nos modelos não lineares, pode-se, a partir das suposições sobre o problema, trabalhar no sentido de se obter uma relação teórica entre as variáveis observáveis de interesse. O problema, diferentemente do modelo linear, é que os parâmetros entram na equação de forma não linear, assim, não se pode simplesmente aplicar fórmulas para estimar os parâmetros do modelo. Os modelos Logístico, Verhultz, Sigmoidal, Gompertz, Exponencial simples, dupla e tripla e hiperbólica são exemplos de modelos não lineares.o modelo de exponencial admite que a taxa instantânea relativa de crescimento é constante. Nesse modelo, se aplica que a variação da população é proporcional ao próprio tamanho da população, com taxa de crescimento constante. Pode ser adequado para explicar o crescimento de populações de animais que não estejam sujeitas a restrições ambientais para o seu crescimento. O modelo de Gompertz é uma alternativa ao modelo de queda exponencial. Nesse modelo se admite a existência de uma capacidade de sustentação do meio que limita o crescimento, sendo a curva de crescimento uma sigmoide. A taxa relativa de crescimento não é constante, nem decresce linearmente, mas decresce exponencialmente em x. O modelo de crescimento logístico também é uma alternativa ao modelo exponencial. Nele, também se admite a existência de uma capacidade de sustentação do meio que limita um crescimento que, de outra forma, seria exponencial, e sua curva de crescimento também é uma sigmoide, porém difere do modelo de Gompertz por decrescer linearmente, como exemplo desse modelo, tem-se o crescimento populacional das bactérias. No modelo de crescimento hiperbólico, y decresce à medida que x aumenta, chegando a uma constante, como exemplo, pode-se citar o rendimento por planta (y) pela densidade da cultura (x).nos modelos de regressão logística, pode-se estudar as reações autocatalítica e para esta situação o modelo que expressa bem é o Sigmoidal, em que se tem um crescimento inicial exponencial, seguido de uma redução desse crescimento. Dentro deste tipo de regressão pode-se estudar o crescimento populacional, sendo o modelo Verhultz, o que mais representa este tipo de comportamento. ok 31. [2.000] (IP:281473653672857 18:30:15 23:08:25 38:10 1.927) A principal vantagem é a interpretação de variáveis biológicas.os modelos não lineares tem uma base teórica, os parâmetros dos modelos fornecem um maior conhecimento sobre o fenômeno biológico do que os modelos lineares. Esses modelos fornecem um bom ajuste, com menos parâmetros do que os modelos lineares. Nos fenômenos biológicos, os estudos são geralmente longos, complexos e dinâmicos o que caracteriza um comportamento não linear. Dessa forma as regressões não lineares tornam possível avaliar variáveis biológicas quando essas não são possíveis de serem feitas utilizando a regressão linear, sendo este o principal

aspecto da regressão não linear. ok 32. [2.000] (IP:281473696701955 23:21:50 01:17:09 55:19 2.332) O capítulo When the zombie flu went viral: regressing the myth out of urban myths, apresentado pelo Jefferson, aborda a regressão linear e termos correlatos utilizando dados coletados na internet sobre uma estória a respeito da gripe zumbi. Utilizando um software especializado em rastreamento, o autor fez um levantamento do número de postagens relacionadas a esse tema durante a primeira metade de 2009 reunindo os dados de cada postagem e contabilizando o número de visualizações. Os dados coletados foram plotados num gráfico de dispersão sobre o qual se traçou uma linha, quando o autor pôde observar que, antes de se tornar um viral, o número de visualizações crescia em ritmo constante, mas, posteriormente, as visualizações das novas postagens praticamente decolaram. Assim inicia-se a discussão do assunto central do texto, a regressão linear, procedimento utilizado para descrever uma variável, Y, em função de outra, X. Aqui, as variáveis podem ser qualquer coisa, desde que Y dependa de X, ou seja, y varia em função de x, logo, y = f(x). A função que relaciona y com x pode ser linear, quadrática ou mesmo logarítmica. A regressão linear, representada por y=a + bx, assume que x e y se relacionam numa linha em que os dados são utilizados para estimar o slope (inclinação) da linha (^b) e o intercepto (^a), que representa o valor de y quando x=0. Além da regressão, discutiu-se também a análise de ajuste do modelo linear, observando o coeficiente de determinação (varia de -1 a 1 e pode ser influenciado por outliers), submetendo seus dados ao teste F (determina se o slope é diferente de zero e se seus dados seguem alguma tendência) e recorrendo à análise residual (parte dos dados que não foram incluídos na linha de regressão, ou seja, quão próximos do estimado estão os seus dados). O autor finaliza com o que desde o início já era seu objetivo, determinar quando a gripe zumbi se tornou um viral e estimar, neste caso por extrapolação, o número de postagens após aquele período considerado por ele (primeira metade de 2009). ok 33. [3.500] (IP:281473696701955 00:05:49 01:17:14 11:25 1.398) Regressão é um procedimento utilizado para formular modelos matemáticos que representem a relação entre variáveis (quantitativas) e usar as relações estabelecidas para fazer estimativas (previsões) e outras inferências estatísticas acerca de pontos não mensurados, seja por interpolação ou extrapolação. Num gráfico de dispersão, quando as variáveis se relacionarem numa linha reta, temos a regressão linear, enquanto as curvas representam regressão não linear. Exemplos de dados que seguem o formato de curva incluem o tamanho de determinada população ao longo do tempo, demanda por certo produto em função da oferta ou o período de duração da bateria de um celular em virtude do número e duração das ligações, peso de um organismo de acordo com a sua idade, etc. Nestes casos não se pode simplesmente aplicar fórmulas para estimar os parâmetros do modelo, então se busca a relação teórica entre as variáveis de interesse, ao invés de se fazer uma descrição empírica do fenômeno em estudo. Assim, observa-se que os modelos não lineares geralmente resultam de processos interativos e derivam de modelagens, onde todas as causas possíveis são conhecidas ou, pelo menos, consideradas em suposições. Dentre os modelos não lineares citam-se o exponencial (utilizado em estudos de crescimento

populacional onde a taxa de crescimento num determinado período é proporcional ao número inicial de indivíduos e ao crescimento que ocorre com o aumento do tempo) e o logístico (utilizado para determinar a relação densidade dependente entre a taxa de predação de determinado inimigo natural sobre dada praga/presa em virtude da sua densidade, podendo-se ainda adicionar ao modelo o tempo de manipulação e taxa de ataque para melhores ajustes). A partir do modelo exponencial pode-se estimar o número de indivíduos numa população após certo período considerando-se também a taxa de natalidade, mortalidade, emigração e imigração e, no segundo caso, modelo logístico, estimar o potencial máximo de consumo de determinado predador observando a limitação do ambiente e a própria saciedade desse inimigo natural. nem todos os exemplos citados são necessariamente não lineares. Por exemplo, a duração da bateria deveria ser aproximadamente linear em função do tempo total de ligações. 34. [2.000] (IP:281473696701955 00:06:01 00:06:16 00:15 14.935) Por apresentarem embasamento teórico, os parâmetros dos modelos de regressão não lineares fornecem maior conhecimento sobre o fenômeno em estudo e geralmente apresentam um bom ajuste com menos parâmetros que os modelos lineares. Dessa forma, a principal vantagem no uso de regressões não lineares é a facilidade de interpretação dos parâmetros obtidos. ok