MINISTÉRIO DA EDUCAÇÃO

UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ
CAMPUS PATO BRANCO
Curso de Tecnologia em Manutenção Industrial

6 REGRESSÃO LINEAR SIMPLES

Prof jorge roberto grobe ES34MTEC 14:11:14 11/09/14

 ii
MINISTÉRIO DA EDUCAÇÃO
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ
CAMPUS PATO BRANCO
Curso de Tecnologia em Manutenção Industrial

Sumário
CAPITULO 6..............................................................................................................................4
6 REGRESSÃO LINEAR...........................................................................................................4
6.1 A EQUAÇÃO DE  UMA REGRESSÃO.........................................................................4
6.3 CORRELAÇÃO (r)..........................................................................................................6
6.4 COEFICIENTE DE DETERMINAÇÃO ........................................................................6
                                                                                                                                              .......6
        REFERENCIAS..................................................................................................................9
REFERENCIAS .........................................................................................................................9
 4
MINISTÉRIO DA EDUCAÇÃO
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ
CAMPUS PATO BRANCO
Curso de Tecnologia em Manutenção Industrial

CAPITULO 6
6 REGRESSÃO LINEAR
Definição: uma linha de regressão tambem chamada de linha de melhor ajuste , é a linha para a
qual a soma dos quadrados dos residuos é um minimo. FARBER (2009,p.409) .
Considere o diagrama de dispersão e a linha mostrados a seguir:

6.1 A EQUAÇÃO DE UMA REGRESSÃO

FARBER (2009, p.410) A equação de uma reta de regressão para uma variável independente x e
uma variável dependente y é: ̂y =mx+ b
1) Encontre a reta de regressão para os gastos com propaganda e dados sobre vendas da empresa:
Custo de propaganda Vendas da empresa
2,4 225
1,6 184
2 220
2,6 240
1,4 180
1,6 184
2 186
2,2 215

a) qual é a reta de regressão

resposta: f(x) = 50,7287449393x + 104,0607287449

b) use a equação para prever as vendas esperadas da empresa para os seguintes gastos com
propaganda:
 5
MINISTÉRIO DA EDUCAÇÃO
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ
CAMPUS PATO BRANCO
Curso de Tecnologia em Manutenção Industrial

i) 1,5 mil dólares resposta: 180,1538

ii) 1,8 mil dólares resposta:195,3724
iii) 2,5 mil dólares resposta: 230,8825
* os valores de previsão são significativos somente para valores de x na ( ou próximos a) faixa de dados.
6.2 EXERCICIOS
2) FARBER (2009, p.414) O numero de horas que 12 alunos passaram on-line durante o fim de
semana e as pontuações que cada um conseguiu em um teste na segunda-feira seguinte:
Horas gastas on-line x Pontuação no teste y
0 96
1 85
2 82
3 74
3 95
5 68
5 76
5 84
6 58
7 65
7 75
10 50
Construa um diagrama de dispersão dos dados e desenhe a linha de regressão. Use a equação de
regressão para prever o valor de y para um dos valores x dados. Caso o valor de x não seja
importante para prever o valor de y , explique o porque.
A equação de regressão é -4,0674*x +93,9700
a) x=4 horas resposta: 77,7004

b) x=8 horas resposta: 61,6308

c) x= 9 horas resposta: 57,5634

d) x=15 horas resposta : este valor esta fora da faixa de dados, por isso não é possível prever o
resultado.
 6
MINISTÉRIO DA EDUCAÇÃO
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ
CAMPUS PATO BRANCO
Curso de Tecnologia em Manutenção Industrial

6.3 CORRELAÇÃO (r)

◦ FARBER (2009, p.398) é uma medida da força e direção de uma relação entre duas
variáveis.
◦ A amplitude do coeficiente de correlação é -1 para 1.
◦ Mais próximo de zero não há correlação linear.
◦ Comandos no calc : correl ou pearson

6.4 COEFICIENTE DE DETERMINAÇÃO

FARBER (2009, p.420) o coeficiente de r2 é a relação da variação explicada com variação total.
variação explicada ∑ ( ŷ i− y )
2
r 2= =
variaçã total ∑ ( y i− y )2
• variação explicada é a soma dos quadrados das diferenças entre cada valor de y previsto e a
média de y.
• variação total é a soma dos quadrados das diferenças entre cada valor de y e a média de y.
O quadrado do coeficiente de correlação (r) é chamado de coeficiente de determinação (r2)
• Por exemplo se o coeficiente de correlação r= 0,90 , então o coeficiente de
determinação é r2=0,902= 81% , significa que 81% da variação de y podem ser
explicados pela relação entre x e y ;
• 19% restante da variação é não explicada e é em razão de outros fatores
 7
MINISTÉRIO DA EDUCAÇÃO
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ
CAMPUS PATO BRANCO
Curso de Tecnologia em Manutenção Industrial

3)FARBER (2009, p.425) A tabela mostra o numero de cigarros consumidos( em bilhoes) nos EUA
e o numero de cigarros exportados ( em bilhoes) nos EUA por 7 anos. Determine a equação de
regressão e o coeficiente de determinação.

Cigarros consumidos nos EUA (x) – bilhões Cigarros consumidos nos EUA (y)exportados –
bilhões

435 166
430 154
425 145
415 130
400 127
388 122
376 124

RESPOSTA:
f(x) = 0,6711050038x - 136,7714651251
R² = 0,7869564637

4) FARBER (2009, p.416) Use dos dados apresentados na tabela:

Numero de horas x Numero de bactérias y
1 165
2 280
3 468
4 780
5 1310
6 1920
7 4900

a) encontre a equação de regressão.

f(x) = 654,5357142857x - 1214,8571428572
R² = 0,7243296207
 8
MINISTÉRIO DA EDUCAÇÃO
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ
CAMPUS PATO BRANCO
Curso de Tecnologia em Manutenção Industrial

b) construa um grafico de dispersão de (x,log y) e encontre a equação de regressão.

f(x) = 3,8581524066x - 2,8885449998

R² = 0,9837535766

c) uma equação exponencial é uma equação de regressão não linear da forma y=ab x, encontre essa
equação.
f(x) = 93,0282142524·1,7119074994^x
R² = 0,9897099883

d) uma equação de potencia é uma equação de regressão não linear da forma y=axb, encontre essa
equação.

Solução: y=axb,
*APLICAR LOGARITMO NEPERIANO OU LOGARITMO NA BASE 10 NOS DOIS
TERMOS.
• Ln y = Ln axb
• Ln (y)= Ln (a) + b Ln (x)
• Y = Bo +B1X
• Construir a tabela com Ln (y) e Ln(x).
x y LN(x) LN(y)
1 165 0,0000 5,1059
2 280 0,6931 5,6348
3 468 1,0986 6,1485
4 780 1,3863 6,6593
5 1310 1,6094 7,1778
6 1920 1,7918 7,5601
7 4900 1,9459 8,4970

f(x) = 1,6163518497x + 4,7148129033

R² = 0,89906368
FAZENDO A COMPARAÇÃO ENTRE Y=B0=B1*X e Ln y = Ln a +b* Ln x

• b=1,6163 * Ln a= 4,7148 a = exp(4,7148)= 111,5864

• A EQUAÇÃO DE POTENCIA AJUSTADA É :
• Y =111,5864∗X 1,6163
 9
MINISTÉRIO DA EDUCAÇÃO
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ
CAMPUS PATO BRANCO
Curso de Tecnologia em Manutenção Industrial

REFERENCIAS
• Disponivel em www.inf.ufsc.br/~ogliari/arquivos/Tabelas.doc, acessado em 29/10/2010
• Disponivel em www.dimap.ufrn.br/~marcilio/AM/testehipotese.ppt, acessado em
13/10/2010.
• REFERENCIAS
• MONTGOMERY,   D.C.   e   RUNGER,G.C.  Estatística   Aplicada   e   Probabilidade   Para
Engenheiros. 2a edição RJ. Editora LTC.2003.     
• LEVINE, David M. et. al. Estatística –Teoria e Aplicações Usando o Microsoft Excel em
Português. 3a ed.RJ Editora LTC. 2005.
• CRESPO, A. Estatística Fácil. 14a ed .SP. Editora Saraiva.1994        
• BROFFICE
• LARSON & FARBER. Estatística Aplicada. 4a edição.SP.Pearson Education.2009.
• DOMENICO, Luiz Carlos De. MATEMATICA 3 em 1. Artes Gráficas e Editora- Unificado.
Curitiba.PR.
• FARBER, Betsy. LARSON, Ron. Estatística Aplicada. São Paulo. 4 edição.2009. Pearson.
• MILONE, Giuseppe. Estatistica Geral e Aplicada.São Paulo: Thomson Learning.2006.
• WITTE, John S.; WITTE, Robert S. Estatística. LTC. 7a edição 2005. 506p. ISBN 85-216-1441-
1