MÉTODOS DE PREVISÃO

2022/2023

Equação do Modelo
de Regressão Linear
REGRESSÃO LINEAR SIMPLES
Validar para a
Diagrama de Dispersão Correlação Linear Coeficiente de Correlação linear (𝑟) Teste ao ρ
população
𝑋 – var. independente
𝑌 – var. dependente

Qualidade do Modelo Regressão Linear Simples

Coeficiente de Equação do modelo
Determinação 𝑌෠ = 𝛼ො + 𝛽෠ ∙ 𝑥
Erro Padrão da
𝑅2 Estimativa
𝑆𝑒 Inferência Estatística

Teste ao 𝛽 Teste ANOVA

Pontual PREVISÃO Intervalar Intervalo de confiança para 𝛽

Substituir o valor de 𝑥 na
equação do modelo Intervalo de confiança para 𝑦ො dado 𝑥

Diagnóstico do Modelo Estimado

Equação do Modelo
EQUAÇÃO GERAL DO MODELO

𝑌𝑖 = 𝛼 + 𝛽 ∙ 𝑋𝑖 + 𝜀𝑖

Variável dependente ou variável a explicar. O índice i representa cada uma das

Yi observações da variável dependente.
,  Parâmetros do modelo (ordenada na origem e declive da reta, respetivamente)
Variável independente ou variável explicativa. O índice i representa cada uma das
Xi observações da variável independente.
Variável residual ou erro. Representa a diferença entre os valores realmente
i observados e os valores previstos pelo ajustamento da reta.
Equação do Modelo
𝑌𝑖 = 𝛼 + 𝛽 ∙ 𝑋𝑖 + 𝜀𝑖
A relação entre Y e X pode ser dividida em duas partes:
- uma parte representada pela reta, 𝑌𝑖 = 𝛼 + 𝛽 ∙ 𝑋𝑖

- outra parte representada pela variável residual, εi,

(representa a diferença entre o valor realmente observado de 𝑌 e o valor que seria observado se
a relação entre 𝑌 e 𝑋 fosse rigorosamente exacta).

Cada um dos valores observados para a variável dependente (𝑌𝑖) é:

• Função de um efeito constante (),
• Função do efeito da variável independente ( ∙ 𝑋𝑖) e
• Função do efeito de uma variável residual (𝜀𝑖 ), que impede a existência de uma
relação linear perfeita entre as variáveis 𝑋 e 𝑌.
Equação do Modelo
Graficamente, os desvios são medidos
pela distância, medida na vertical, entre
os valores observados de 𝑌 e os valores
previstos pelo ajustamento da reta, 𝑌.
෠

Seja 𝑌෠𝑖 = 𝛼ො + 𝛽መ ∙ 𝑋𝑖 a equação de uma reta da

amostra que passa por entre os pontos do
diagrama de dispersão. Considere os desvios
verticais de cada ponto em relação à reta –
designados por resíduos → 𝑒𝑖 = 𝑌𝑖 − 𝑌෠𝑖

𝑌𝑖 𝑌෠𝑖
Valores realmente Valores de Y estimados a
observados de 𝑌 partir da reta de regressão
Equação do Modelo
De entre todas as retas que é possível traçar por entre a nuvem de pontos do
diagrama de dispersão (qualquer uma delas podia ser considerada uma
estimativa para a reta da população), trata-se de definir a reta que melhor se
ajusta ao conjunto dos pontos, isto é, que minimiza os desvios relativamente aos
pontos observados.

RETA DOS MÍNIMOS QUADRADOS

Reta que vamos utilizar para estimar a reta da população!

Objetivo: determinar os valores de  e  que minimizam o
somatório do quadrado dos resíduos.
Equação do Modelo
MÉTODO DOS MÍNIMOS QUADRADOS

A Equação de Regressão Estimada é: 𝑌෠ = 𝛼ො + 𝛽መ ∙ 𝑥

Onde: 𝛼ො = 𝑌ത − 𝛽መ ∙ 𝑋ത

መ 𝑛 σ 𝑥𝑦−σ 𝑥∙σ 𝑦
𝛽= 2
2
𝑛σ𝑥 − σ𝑥

Exercício: Determinar a Equação de

Regressão para o exemplo! Interpretar!
 Exemplo
𝑟 = 0.858
𝑛 = 12
A Equação de Regressão: 𝑌෠ = 𝛼ො + 𝛽መ ∙ 𝑥

መ 𝑛 σ 𝑥𝑦−σ 𝑥∙σ 𝑦 12 ∙ 529−475 ∙ 11.65

𝛽= σ 2 σ 2 = 2 = 0,016
𝑛 𝑥 − 𝑥 12 ∙ 23015−475

σ 𝑦 11,65 σ 𝑥 475
𝑦ത = = = 0,971 𝑥ҧ = = = 39,583
𝑛 12 𝑛 12
𝛼ො = 𝑦ത − 𝛽መ ∙ 𝑥ҧ = 0,971 − 0.016 ∙ 39,583 = 0,333

𝑌෠ = 0,333 + 0,016 ∙ 𝑥

Interpretação: 𝛼ො = 0,333 se a % de cacau for nula, estima-se que o preço de 100gr de chocolate
será 0,333€; 𝛽መ = 0,016, estima-se que a variação no preço de 100gr de chocolate decorrente do
aumento de 1% de cacau será 0,016€