Escolar Documentos
Profissional Documentos
Cultura Documentos
Análise Da Regresão
Análise Da Regresão
Figura 1 – Diagramas de dispersão (18 amostras de cerâmicas) das variáveis retração linear,(%), resistência mecânica (MPa) e
absorção de água (%).
Fonte: BARBETTA et al., 2010.
Rejeita-se Ho quando o valor calculado de t for maior que valor tabelado com
gl = n-2, concluindo que há correlação significativa.
2° - Usar a Tabela n° 10 para saber qual deve ser o valor mínimo para o
coeficiente de correlação r de Pearson ser significativo.
Nota em estatística
1 39 65 1521 4225 2535 70
2 57 92 3249 8464 5244 60
50
3 34 56 1156 3136 1904
40
4 40 70 1600 4900 2800 30
5 43 78 1849 6084 3354 20
10
6 47 89 2209 7921 4183 0
7 52 75 2704 5625 3900 0 20 40 60 80
8 70 50 4900 2500 3500 Nota no vestibular
Nota em estatística
1 39 65 1521 4225 2535 70
60
2 57 92 3249 8464 5244
50
3 34 56 1156 3136 1904 40
4 40 70 1600 4900 2800 30
5 43 78 1849 6084 3354 20
6 47 89 2209 7921 4183 10
0
7 52 75 2704 5625 3900 0 10 20 30 40 50 60
9 21 52 441 2704 1092 Nota no vestibular
10 28 73 784 5329 2044
soma 361 650 15513 48388 27056
Objetiva-se:
Predizer valores de uma variável dependente (Y) em função de uma variável independente (X).
Conhecer o quanto variações de X podem afetar Y.
^
y = a + b.x
y
x=1 y
b
x
x x+1
a (intercepto) é o valor da média da distribuição de Y em X=0, não tem significado prático
como um termo separado (isolado) no modelo;
b (inclinação) expressa a taxa de mudança em Y, isto é, a mudança em Y quando ocorre a
mudança de uma unidade em X.
17 Prof. Tit. Dr. Franke, 2015
Regressão linear
5. Regressão linear simples
Estimativa da equação de regressão com base nos dados amostrais
40 23,5
30
55 33,5
45 22,0
25 44 22,5
47 23,5
20
35 40 45 50 55 60 65 70 50 25,0
Diâmetro (mm)
56 35,0
Figura 2 – Diagrama de dispersão para relação entre diâmetro e peso das rochas.
Após inspeção visual do diagrama de dispersão percebe-se uma relação linear
Então, a tarefa da análise da regressão é determinar qual modelo linear específico
representa o melhor ajuste para estes dados.
20 Prof. Tit. Dr. Franke, 2015
Regressão linear
5. Regressão linear simples
Construindo a equação de regressão com base nos dados do exemplo
Amostra Diâmetro Peso
(Xi2) (yi2) Xiyi
(i) (Xi) (yi)
1 49 24,0 2.401,00 576,00 1.176,00
2 65 40,0 4.225,00 1.600,00 2.600,00
3 45 25,0 2.025,00 625,00 1.125,00
4 40 23,5 1.600,00 552,25 940,00
5 55 33,5 3.025,00 1.122,25 1.842,50
6 45 22,0 2.025,00 484,00 990,00
7 44 22,5 1.936,00 506,25 990,00
8 47 23,5 2.209,00 552,25 1.104,50
9 50 25,0 2.500,00 625,00 1.250,00
10 56 35,0 3.136,00 1.225,00 1.960,00
Soma 496 274 25.082,00 7.868,00 13.978,00 Calculem o R! r = 0,9315
45,0
y = 0,8068x - 12,619
40,0 R² = 0,8677
35,0
peso (kg)
30,0
25,0
20,0
15,0
35 45 55 65 75
Diâmetro (mm)
5
Diâmetro Resíduos x valores preditos
Peso (kg) Previsto Resíduo Resíduo 4
(mm) 3
(y) ( ÿ) (ê) padroniz 2
(x)
1
49 24,0 26,92 -2,92 -1,20 0
18 23 28 33 38 43
65 40,0 39,83 0,17 0,07 -1
-2
45 25,0 23,69 1,31 0,54
-3
40 23,5 19,65 3,85 1,58 -4
55 33,5 31,76 1,74 0,71
2 Resíduos padrão
45 22,0 23,69 -1,69 -0,69
Resíduos padronizados
44 22,5 22,88 -0,38 -0,16 1
𝑄𝑀𝑅
25 Prof. Tit. Dr. Franke, 2015
Distribuição dos resíduos
0 R2 1
2
𝑟= 𝑟²
Fonte de F F
gl SQ QM
variação calculado crítico
Regressão 1 312,73 312,73 52,47 5,32
Erro 8 47,67 5,96
Total 9 360,40
Conclusão? Como Fcal = 52,47 > Fcrítico = 5,32, conclui-se que o modelo é
significativo ao nível de 5%.
45 25,0
30,0
r² = 0,867 40 23,5
25,0 r = 0,93
55 33,5
20,0
35 40 45 50 55 60 65 70 45 22,0
Diâmetro (mm)
44 22,5
47 23,5
Como fazer com a calculadora científica?
50 25,0
56 35,0
Escolha
Calcule r
Método 1: Método 2:
A estatística do teste é A estatística de teste é r.
Os valores críticos de r encontram-
se na tabela E.5