Regresso Linear Simples

2016.1
Integrantes
Matrcula
1
151007005
2
151006215
3
151005112
4
161001598
5
151005326
6
131006176
7
Turma
Engenharia Civil

Nome
Valnei Silva Alves
Thalita Pereira Bispo
Nayara Fres
Gabriele Plcido do Vale
Carlos de Santana da Silva
Roberval Santos de Azevedo
Turno

Noturno

Sala

Docente: Prof. Msc. Jonatas Silva do Espirito Santo

2016.1

2007

SUMRIO
1. INTRODUO...........................................................................................................3
1.1 REGRESSO LINEAR SIMPLES.........................................................................3
1.2 EQUAO DE REGRESSO LINEAR SIMPLES.............................................4
1.3 METODO E ESTIMAO DOS PARAMETROS...............................................4
2. O DIAGRAMA DE DISPERSO..............................................................................5
3. CORRELAO LINEAR..........................................................................................6
4. INTERVALO DE CONFIANA PARA INCLINAO DA RETA.....................7
4.1 MODELO SIGNIFICATIVO...................................................................................7
5. REGRESSO LINEAR NA CALCULADORA......................................................8
6. REGRESSO LINEAR NO EXCEL........................................................................9
7.EXEMPLO DE REGRESSO LINEAR.................................................................10
7.1 EXEMPLO 1............................................................................................................10
7.2 EXEMPLO 2............................................................................................................12
REFERENCIAS.............................................................................................................14

1. Introduo.
O motivo de utilizar regresso linear consiste na realizao de uma anlise
estatstica, com o objetivo de verificar a existncia de uma relao funcional
entre uma varivel dependente, com uma ou mais variveis independentes. Em
outras palavras consiste na obteno de uma equao que tenta explicar a
variao da varivel dependente pela variao dos nveis das variveis
independentes.
1.1 Regresso linear simples
A anlise de regresso entende-se como previso. Quando fazemos uma
regresso, queremos prever resultados.
O objetivo prever os valores de uma varivel dependente com base em
resultados da varivel independente.
Ento, da frmula de regresso linear Y = ax + b, x a varivel
independente e y a varivel dependente, uma vez que y depende de x. J x, no
depende de y.
No exemplo a seguir, apresentamos uma tabela que relaciona nmero de
clientes com vendas totais efetuadas por uma determinada loja no perodo de 20
semanas.
O objetivo ser o de prever as vendas futuras com base na quantidade de
clientes estimados para as prximas semanas.
Neste caso nossa varivel independente (x) clientes e nossa varivel
dependente (y) vendas. Isto quer dizer que vendas depende de clientes. Por outro
lado, clientes no depende de vendas.
Semanas Cliente Venda
s
s
1
907
11,20
2

926

11,05

506

6,84

741

9,21

789

9,42

889

10,08

874

9,45

510

6,73

529

7,24

10

420

6,12

1.2 Equao de regresso linear simples.

simples
Para se estimar o valor esperado, usa-se
usa se de uma equao, que determina a
relao entre ambas as variveis.
Em que:
- Varivel explicada (dependente); o valor que se quer atingir;
- uma constante, que representa a interceptao da reta com o eixo vertical;
- outra constante, que representa o declive(coeficiente angular)da reta;
- Varivel explicativa (independente), representa o fator explicativo na
equao;
- Varivel que inclui todos os fatores residuais mais os possveis erros de
medio. O seu comportamento aleatrio, devido natureza dos fatores que encerra.
Para que essa frmula possa ser aplicada, os erros devem satisfazer determinadas
hipteses, que so: serem variveis normais, com a mesma varincia
(desconhecida), independentes e independentes da varivel explicativa X.
1.3Mtodo
Mtodo e estimao dos parmetros
O parmetro
chamado intercepto ou coeficiente linear e representa o ponto
em que a reta regressora corta o eixo dos y's, quando x=0. J o parmetro
representa
a inclinao da reta regressora e dito coeficiente de regresso ou coeficiente
angular. Alm disso, temos
os que para um aumento de uma unidade na varivel x, o valor
E(Y|x) aumenta
unidades. A interpretao geomtrica dos parmetros
e pode
ser vista na Figura 1.1.1.

Figura 1.1.1: Reta Regressora.

2. O Diagrama de Disperso
O diagrama de disperso um grfico onde pontos no espao cartesiano
XY so usados para representar simultaneamente os valores de duas variveis
quantitativas medidas em cada elemento do conjunto de dados.O diagrama de
disperso usado principalmente para visualizar a relao/associao entre duas
variveis, mas tambm muito til para:

Comparar o efeito de dois tratamentos no mesmo indivduo.

Verificar o efeito tipo antes/depois de um tratamento;
Em sntese trs situaes marcantes poderiam acontecer:

Se, quando uma das variveis cresce, a outra, em mdia, tambm

cresce, dizemos que entre as duas variveis existem correlao
positiva, tanto mais forte quanto mais perto de uma reta imaginria os
pontos estiverem;

Se, quando uma das variveis cresce, a outra, em mdia, tambm

decresce, dizemos que entre as duas variveis existem correlao
negativa, tanto mais forte quanto mais perto de uma reta imaginria os
pontos estiverem;

Se os pontos estiverem dispersos, sem definio de direo, dizemos

que a correlao muito baixa, ou mesmo nula. As variveis nesse
caso so ditas no correlacionadas.

3. Correlao linear
A correlao linear tambm conhecida como correlao de Pearson tambm
chamado de "coeficiente de correlao produto-momento"
momento" ou simplesmente de " de
Pearson" mede o grau da correlao (e a direco dessa correlao - se positiva ou
negativa) entre duas variveis de escala mtrica (intervalar ou de rcio/razo).
Este coeficiente, normalmente representado por

assume apenas valores entre -1 e 1.

Significa uma correlao perfeita positiva entre as duas variveis.

Significa uma correlao negativa perfeita entre as duas variveis - Isto ,
se uma aumenta, a outra sempre diminui.
Significa que as duas variveis no dependem linearmente uma da outra. No
entanto, pode existir uma dependncia
dependncia no linear. Assim, o resultado
deve
ser investigado por outros meios.
Calcula-se
se o coeficiente de correlao de Pearson segundo a seguinte frmula:

onde
e
variveis. Para alm disso

so os valores medidos de ambas as

so as mdias aritmticas de

ambas as variveis.

4. Intervalo de confiana para inclinao da reta.

O intervalo de confiana de modo geral possui est formula: sua estatstica mais
ou menos uma margem de erro. A margem de erro inclui um determinado numero de
desvios padro a partir de sua estatstica. O numero de erros padro
padro adicionados e
subtrados depende do nvel de confiana,
confia
1-

, desejado. O tamanho do erro padro

depende do tamanho amostral e de outros fatores.

A equao da reta de regresso linear simples y=a+bx inclui um coeficiente
angular(b) e uma intercepo y (a). Uma vez que estes foram encontrados atravs dos
dados, so apenas estimativas do que realmente acontece com a populao e portanto,
devem ser acompanhados por uma margem de erro.
err
A formula para um intervalo de confiana de nvel 1- para o coeficiente angular de
uma reta de regresso b t*
t n-2 * SEb ondee o erro padro denotado por
SEb =

onde S=

1
( yi
n2 i

y )
i

O valor de t* vem
em da distribuio t

com n-2 graus

us de liberdade e rea a sua direita igual a

2.

4.1 Modelo significativo atravs do intervalo de confiana.

Os intervalos de confiana apresentam
apresentam informaes semelhantes quela oriunda
s par p (significncia estatstica).
estatstica). Se o valor de risco relativo 1 (efeitos iguais do grupo
interveno e controle)estiver presente entre o limite inferior e superior do intervalo de
confiana, ento o valor p ser superior ou igual a 0,05 (diferena no significativa).
Entretanto, se o valorr de risco 1 no estiver dentro do intervalo de confiana interpolado
pelos limites inferiores e superiores, ento o valor p ser inferior a 0,05(diferena
significativa).

5. Regresso linear na calculadora.

1passo apagar a memria da calculadora
pressionar a tecla shift + clr(clear) + 3 e posteriormente duas vezes a tecla
=(igual)
observao: a grafia (+) no corresponde a tecla de soma, e sim a
sequncia a ser formada!
2 passo pressione a tecla mode + 3 + 1 pronto agora sua calculadora
adora esta
operando em modo regresso linear
3passo- entrada dos valores
valor de x, posteriormente pressione a tecla vrgula (esta tecla fica ao lado
da tecla m+), depois entrar com os valores de y, em seguida pressionar a tecla m+.
repetir a operao para
ra inserir o prximo conjunto de dados.
exemplo:
considerando o conjunto de dados abaixo:
TEMPERATURA (C)
PRESSO (KPA)
VARIVEL X
VARIVEL Y
28,96
0,04
32,12
Y
X
0,05
36,16
0,06
exemplo de entrada dos valores: 28.96,0.04 m+ 36.16,0.06 m+
4passo- descobrir a correlao
teclamos o valor que obtemos e posteriormente as teclas shift
+
+ 1 ou 2 + igual (=)
+ s-var +
+
onde
calculadora

corresponde a seta indicadora esquerda da

sendo 1 igual a x e 2 igual

a y exemplos:
quando x=32.12, o valor de y ser igual a 0.048
quando y=0.05, o valor de x ser igual a 32.5
32.

Vantagens: Calculadoras cientficas trabalham com um grande nmero de

algarismos, mais do que geralmente necessrio e mais do que mostrado no visor.
8

Isso significa que, na maioria das aplicaes, no ocorrem erros de arredondamento.

Para tirar vantagem disso, necessrio guardar resultados intermedirios na
memria da calculadora e no, copi-los e depois digit-los novamente quando se
tornam necessrios em clculos subsequentes. Assim, evitam-se erros de
arredondamento e erros de leitura no visor e de digitao no teclado.

6. Regresso linear no Excel.

1 Voc deve ir guia Arquivo e clicar em Opes
2. Aps esse procedimento na guia Opes do Excel voc deve clicar em suplementos
Feito isso ir ser exibido os complementos ativados no seu Excel.
3.Voc deve ir em Gerenciar e clicar no boto Ir.
4. Em suplementos voc deve selecionar Ferramentas de Anlise e clicar em OK.
Pronto. Depois de realizado estes passos voc no precisar voltar a realiza-los.
5. Agora na aba Dados ir ser possvel visualizar a ferramenta de anlise de dados.
Clicando em Anlise de dados voc ter acesso aos diversos tipos de anlise de dados
do Excel.
6. Agora s selecionar Regresso e clicar em OK.
7. Agora s selecionar as variveis. Em Intervalo Y de entrada voc selecionar a
varivel dependente e em Intervalo X de entrada voc colocar as variveis
independentes. As variveis devem ser selecionadas com os respectivos ttulos.
Feito isso o Excel dar o output, a partir da s analisar os dados.
Vantagens: Permite utilizar os parmetros da regresso estimados para efetuar
previses.
Reage a modificao de dados.
Desvantagem: No fornecem informaes estatsticas sobre o modelo.

7. Exemplo de regresso linear.

7.1 Exemplo

Os dados abaixo referem-se ao volume de precipitao pluviomtrica (mm) e ao volume

de produo de leite tipo C (milhes de litros), em determinada regio do pas.

Ajustar os dados atravs de um modelo linear

Admitindo-se, em 1980, um ndice pluviomtrico de 24 mm, qual dever ser o volume

esperado de produo do leite tipo C?
AnosProduo de leite (1.000.000 l)ndice Pluviomtrico (mm)
1970 26

23

1917 25

21

1972 31

28

1973 29

27

1974 27

23

1975 31

28

1976 32

27

1977 28

22

1978 30

26

1979 30

25

Soluo:
Y

X2

XY

26

23

529

598

25

21

441

525

10

31

28

784

868

29

27

729

783

27

23

529

621

31

28

784

868

32

27

729

864

28

22

484

616

30

26

676

780

30

25

625

750

y = 289x = 250x2 =6.310xy = 7.273

I Determinar o valor do Parmetro b

b = (10x7.273)- (250x289) = 0,8

(10x6.310) - 2502
II Determinar o valor do Parmetro a

a = 289 - 0,8. 250 = 8,9

10 10
III Equao da Reta Ajustada
y = a + bx
y = 8,9 +0,8x
b) fazendo x = 24 mm temos: y = 8,9 +0,8x24 = 28,1. De acordo com o modelo, podemos
esperar 28,1 milhes de litros produzidos para um ndice pluviomtrico de 24 mm.

11

7.2 Exemplo 2.
Utilizando os dados abaixo:
a)

Construa o diagrama de disperso.

Ajuste uma reta aos dados pelo mtodo de mnimos quadrados.

Trace-a no diagrama de disperso.
b)

c)

Qual o custo para 16 unidades do artigo?

Quantidade (x)

10

11

12

13

14

15

Custos (y)

100

112

119

130

139

142

Soluo:
a)

Diagrama de disperso
Diagrama de disperso
160
140
120
100
80 0

10

15

20

Quantidades

b) Ajustamento da reta
Nesse item, precisamos avaliar a e b. conveniente a construo
da tabela:

X
10
11
12
13
14
15
75

Y
10
0
11
2
11
13
0
13

Xy
100
0
123
2
142
169
0
194

14
2
74

213
0
94
26

X2
100
121
144
169
196
225
955

12

y= 15,79 + 8,63x

c) Custo para 16 unidades

Como x = quantidade e y = custo, basta calcularmos o valor de y quando x = 16.
Assim:
y = 15,79 + 8,63. (16)
y = 153,87
Logo o custo para dezesseis unidades ser de R$ 153,87.

13

Referencias.
http://leg.ufpr.br/~silvia/CE055/node15.htmlfile:///C:/Users/Valnei/Documents/
CAPITULO9.pdf

http://www.cavalcanteassociados.com.br/utd/UpToDate151.pdf
http://www.portalaction.com.br/analise-de-regressao/11-modelo-estatistico
http://pt-br.aia1317.wikia.com/wiki/Intervalo_de_Confian%C3%A7a_(IC)__Signific%C3%A2ncia_estat%C3%ADstica_al%C3%A9m_do_valor_p
Autor Thiago Sampaio http://metodologiapolitica.com/como-calcular-regressaono-excel/#sthash.FInUjH7E.dpbs
http://www.ebah.com.br/content/ABAAAAldsAI/correlacao-regressaolinear?part=2
Livro: Estatstica II para leigos http://www.adslwifi.com/aa.php?isbn=ISBN:9788576086369&name=Estat%C3%ADstica_II_Para_Leigo
s
Autor Luiz Carlos Terra
http://www2.anhembi.br/html/ead01/estatistica_aplic_mercadologia/aula7.pdf

14