Análise de

Regressão

1
 Analisando o Processo
Quais as Reais Fontes de Variação?
NATUREZA DOS DADOS

X (Fonte de Variação) Tratado como:

CONTÍNUO DISCRETO (ATRIBUTO)
Y (Variável Resposta)

Box Plot
CONTÍNUO
Tratado como:

Diagrama de Dispersão Teste de Hipótese

Regressão Simples ANOVA
Mood’s Median Test
(ATRIBUTO)
DISCRETO

Pareto
Regressão Logística
Tabela Análise de Contingência
Chi Quadrado: Independência

Pergunta Chave:
O X analisado tem impacto significativo na variável resposta Y do processo estudado?

2
Análise de Regressão Aplicações Práticas

Conforme analisado previamente, utilizaremos agora ferramentas estatísticas que avaliam o

impacto de X contínuo em um Y contínuo. São inúmeros os exemplos da aplicação na
prática:

- comparação da temperatura impactando no índice de fluidez do produto;

- análise da pressão ajustada sobre a concentração de ferro no produto final;
- análise da vazão da corrente de alimentação no volume final de produção;
- verificação do impacto da velocidade de rotação do equipamento sobre o diâmetro final;
- análise do número de horas extras afetando os custos de uma área;
- análise do volume de um certo insumo afetando a produtividade de uma máquina ou
equipamento.

Escreva outros casos de aplicação na seqüência:

3
Conceitos

4
Análise de Regressão Causalidade x Correlação

Antes de iniciarmos os estudos de correlação (e a ferramenta estatística conhecido por Análise de

Regressão), faz-se necessária a explicação de dois conceitos bastante importantes: correlação e
causalidade. Deve-se sempre ressaltar que uma forte relação matemática (gráfica, numérica) entre
duas ou mais variáveis não necessariamente significa que uma é causa da outra.

Duas variáveis podem ser altamente correlacionadas, mas nenhuma é causa da outra.

Para validarmos que um efeito pode ser atribuído a uma causa, necessitamos verificar se:

- Estatisticamente (com um certo % de confiança), há evidências da relação (utiliza-se princípios

de Teste de Hipótese);

- Na prática, conhecendo-se o processo, a relação causa-e-efeito pode acontecer (verificar, por

exemplo, se é fisicamente possível);

Devemos responder às duas perguntas acima; apenas uma resposta positiva não significa que
encontrou-se a correlação e a causalidade.

5
Análise de Regressão Correlação

A definição de correlação é quando dois (ou mais) variáveis apresentam tendência

conjunta.
Podemos observar esta tendência através de um diagrama de correlação, ferramenta já vista
na primeira semana de treinamento.

Quando analisamos o diagrama,

seria útil ter uma medida da
X
X força da correlação entre as

X X variáveis.
X
X
A esta “força”, chamamos de
X
Y X X coeficiente de correlação
X
X linear (r).
X
X X
X
X
X

6
Análise de Regressão Correlação

Para se calcular r, pode-se utilizar a n(Sxy) - (Sx)(Sy)

fórmula ao lado: r=
n (Sx2) – (Sx)2 n (Sy2) – (Sy)2

O coeficiente de correlação linear mede o quão próximos estão os pontos de uma reta.

X
X X NEGATIVA
X
X X X X X X
X X X X X X X
X X X
X
X X X
X X X X X
POSITIVA X NULA
X
X X

X X
X

Para correlações positivas, o valor de
“r” é positivo também. Quanto mais
alinhados a uma reta os pontos
estiverem, mais próximos de +1 será
o valor de “r”.
Para correlações negativas, o valor de Para correlações nulas, o valor de “r”
“r” é negativo também. Quanto mais é o mais próximo de “0”.
alinhados a uma reta os pontos
estiverem, mais próximos de -1 será o
valor de “r”.

7
Análise de Regressão Correlação

Utilizando o Minitab, podemos calcular o coeficiente de correlação linear. Abra o arquivo

“Crianças.MTW”.
Perceba que você pode verificar
a correlação para muitas
variáveis ao mesmo tempo

8
Análise de Regressão Correlação

Significa que as variáveis “altura” e “peso” das crianças estão correlacionadas:

- O fato de ser positivo (+) significa que quanto maior uma variável, maior a outra. No caso,
quanto mais alta a criança, maior seu peso.
- o fato de ser próximo de 1, significa que esta relação praticamente pode ser explicada por
uma reta.

9
Análise de Regressão Correlação

Normalmente, à esta altura, fica uma dúvida: qual é o valor de r que diz se a correlação entre
as variáveis é alta ou não.

Na verdade, não existe este valor ideal… a resposta é dada pela avaliação de p-value, sendo
que:

Ho : as duas variáveis são independentes, isto é , a variável “x” estudada não tem influência

sobre a variável “Y”. Isto ocorre quando p-value ≥ 0,05;

Ha : as variáveis são dependentes, isto é , a variável “x” estudada tem influência sobre a

variável “Y”. Isto ocorre quando p-value < 0,05.

Aceita-se Ha, ou seja, há relação linear

significativa entre as variáveis.

10
Análise de Regressão Regressão Simples

Já que existe correlação, qual seria o modelo matemático que poderia explicar a dependência
X e Y?
COEFICIENTE
ANGULAR
Y MODELO LINEAR: Y = bo + b1 X

X COEFICIENTE Baseando-se na realidade, e na

LINEAR
X variação dos pontos em torno da
X
X reta de ajuste, o modelo proposto
X
X é: Y = bo + b1.X. A equação
X
X proposta baseia-se no Método dos
X
X X Mínimos Quadrados, em que a
X X
X
reta ajustada é aquela que
X X
X
X minimiza o quadrado das distâncias
X X X
X
entre o valor real e o valor ideal
X
X encontrado pela reta.
SEGMENTO DE RETA QUE MELHOR SE AJUSTA X
AOS PONTOS COLETADOS NO PROCESSO

X
11
Análise de Regressão Regressão Simples

Conhecendo o modelo matemático proposta, surge o questionamento: quão eficiente é este

modelo para explicar a variação entre X e Y? A relação entre as variáveis é forte, fraca ou
moderada?

Retomamos o valor de r como referência, só que agora estamos interessados em saber:

Este é o coeficiente
de determinação. É
obtido pelo quadrado
R2 = VARIAÇÃO EXPLICADA
VARIAÇÃO TOTAL
do coeficiente de
correlação (r). DIZ QUANTOS % DE Y PODEM
SER EXPLICADOS PELO
MODELO ENVOLVENDO O X
Boa prática: ANALISADO. O RESTANTE DA
VARIAÇÃO É CAUSADA POR
0% 10% 50% OUTROS X’S NÃO ANALISADOS
100%

CORRELAÇÃO CORRELAÇÃO CORRELAÇÃO

FRACA MODERADA FORTE

12
Análise de Regressão Regressão Simples

Utilizando mesmo arquivo “Crianças.MTW” em Minitab, podemos fazer a análise de regressão

simples.

Nesta opção, somente

pode-se fazer a análise de
1 X com um 1 Y

13
Análise de Regressão Regressão Simples

Utilizando mesmo arquivo “Crianças.MTW” em Minitab, podemos fazer a análise de regressão

simples.

P<0,05, significa que

aceita-se Ha, ou seja,
a correlação linear
entre as variáveis é
significativa

Significa que podemos explicar 86% da

variável Y (peso) pela X (altura),
utilizando a equação sugerida.

14
Exercícios

15
Análise de Regressão Exercício

1) Abra um novo arquivo no Minitab. Serão coletados os dados para o novo exercício da catapulta
(salve como “Catapulta_Regressão.MTW”). Seguem as instruções:

- Selecione 1 Operador de Catapulta, 1 verificador de ângulo, 2 Registradores de Distância

(buscar o melhor sistema de medição possível tanto para X=ângulo, quanto para
Y=Distância!) e 1 registrador no computador. Estabeleça um preparo padrão para a Catapulta;

- Preparem-se para colocar os dados do par ângulo e distância em duas colunas em branco;

- Operador: Empurre para traz e segure a alavanca firmemente em um ponto qualquer sem
olhar para a medida do ângulo;

- Registrador de Ângulo: Registre o ângulo antes de permitir o disparo;

16
Análise de Regressão Exercício

- Registradores de Distância: os registradores de distância devem chegar a um consenso

quanto à distância atingida e devem avisá-la juntamente com o respectivo ângulo de
lançamento para o registrador no computador;

- Repetir esse procedimento 50 vezes procurando cobrir toda a faixa possível de ângulos na
catapulta.

Responda, depois de coletados os dados, às perguntas da próxima página.

17
Análise de Regressão Exercício

A) Existe correlação ? É positiva ou negativa ?

B) Qual a equação da reta que melhor se ajusta aos pontos ?

C) Qual o valor de R2 ? E de “p” ?

D) Suponhamos que as especificações do cliente sejam 200+10 . Qual a capabilidade s para o

exercício ?

E) Imagine que já esteja na fase de Melhoria . O que você sugeriria para aumentar a
capabilidade s do processo ?

18