Escolar Documentos
Profissional Documentos
Cultura Documentos
VAj = número diário de viagens de ônibus ao trabalho atraídas para a zona “j”;
Pj = população residente em “j”;
EMj = número de empregos industriais em “j”;
ECj = número de empregos no comércio em “j”;
ESj = número de empregos em serviços em “j”;
EOj = número de outros empregos em “j”.
4. LIMITAÇÕES DOS MODELOS DE GERAÇÃO DE
VIAGENS CONVENCIONAIS:
y = f(𝑥1 , 𝑥2 , … , 𝑥𝑛 )
Exponencial y = ab x
5.4. Técnica dos Mínimos Quadrados:
y = a0 + a1 x
n n
(yiest − y )
n 2
i =1 R = Coeficiente de Correlação;
R=
(yi − y )
n 2 𝑦ത = valor médio dos “y”.
i =1
Y = n a0 + a1 X i
coletivo
diariamente População
i
(Y) (X)
5120 12826
7100 15739
X Y = a0 X i + a1 X i2
7430 18823
8300 20456 i i
9400 23857
Y =
Y i
n
Ymédio = 7470
Modelo obtido:
R 2
=
(Y est − Y )2
(Y i − Y )2 R^2 = 0,95
5.7. Uso do Excel em Regressão Simples
No. Pessoas que usam o transporte coletivo diariamente População
Y X
5120 12826
7100 15739
7430 18823
8300 20456
9400 23857
R2
Estatística de regressão
R múltiplo 0,974539071
R-Quadrado 0,949726401
R-quadrado ajustado 0,932968535
Erro padrão 410,8918983
Observações 5
ANOVA
gl SQ MQ F F de significação
Regressão 1 9568303,544 9568303,544 56,67347 0,004858247
Resíduo 3 506496,4562 168832,1521
Total 4 10074800
Coeficientes Erro padrão Stat t valor-P 95% inferiores 95% superiores Inferior 95,0% Superior 95,0%
Interseção 798,8601479 905,0076099 0,882710973 0,442395 -2081,277977 3678,998272 -2081,277977 3678,998272
X 0,363744117 0,048317681 7,528178256 0,004858 0,209975691 0,517512543 0,209975691 0,517512543
5.8. A importância do teste “t” em regressão
O teste t pode ser usado para determinar se um coeficiente de regressão estimado
é significante. Para isso compara-se t com tc. Este último é obtido da Tabela da
distribuição t. Se não passar no teste, a equação deve ser “descartada”.
Neste exemplo:
g.l. = 5 – 1 = 4
Considerando um Nível de
Significância de 5%:
tc = 2,132
t = 7, 53 > tc (ok!)
5.9. Modelos de Geração com o Uso de Regressão Múltipla:
Apresentaremos o chamado Método Stpwise (“passo a passo”), aplicado aos
dados da Tabela apresentada a seguir.
Etapa 1: Examinar a Matriz de Correlação a fim de detectar:
X1 1,000
X2 0,978 1,000
1a Y = a + bX 1 2a Y = a + bX 2
3a Y = a + b1 X 2 + b2 X 3 4a Y = a + b1 X 1 + b2 X 3
5a Y = a + b1 X 2 + b2 X 3 + b3 X 4 Adicionamos a variável
X4 na 3ª Equação.
6a Y = a + b1 X 1 + b2 X 3 + b3 X 4 Adicionamos a variável X4 na
4ª Equação.
Etapa 2: Estimar os parâmetros de cada uma das equações de regressão
potenciais e realizar os seguintes testes:
Y = 62,24 + 0,93 X1
t = 44,2
Coeficiente de
Determinação (R2) = 0,992
Y = 507,7 + 0,98 X2
t = 12,5
Coeficiente de
Determinação (R2) = 0,912
Y = 34 + 0,89 X2 + 1,26 X3
t = 52,3 t = 17,7
Coeficiente de
Determinação (R2) = 0,996
t = 74,8 t = 6,7
Coeficiente de
Determinação (R2) = 0,998
t = 25,4 t = 3,9
t = 75,4
t >tcrítico (ok!)
Coeficiente de
Determinação (R2) = 0,998
t = 6,8 t = 1,2
t = 75,4
t <tcrítico
(Não passou no teste!)
Coeficiente de
Determinação (R2) = 0,998
D
1 2 3 4 Oi’s
O
1
2
3
4
Dj’s
No entanto, obtivemos:
𝐓 = 𝑶𝒊
𝒊
No exemplo:
𝑻 = 𝑶𝒊 = 𝟗𝟖𝟑𝟒, 𝟓𝟎
𝒊
No exemplo:
𝟗𝟖𝟑𝟒, 𝟓𝟎
𝒇= = 𝟏, 𝟑𝟒𝟔𝟒𝟎𝟎𝟓𝟒
𝟕𝟑𝟎𝟒, 𝟐𝟗
Assim, teríamos:
D
1 2 3 4 Oi’s
O
1 2269,50
2 2723,40
3 1513,00
4 3328,60
Dj’s 2352,16 2693,92 1911,32 2877,10 9834,50