Escolar Documentos
Profissional Documentos
Cultura Documentos
FACULDADE DE ENGENHARIA
Análise de Regressão
Regressão
fator QUALITATIVO
fator QUANTITATIVO
do modelo proposto.
inclinação
erro
Modelo linear de 1º grau
modelos lineares
Análise de variância da
regressão
Análise de variância da regressão
QM = QUADRADO MÉDIO
COEFICIENTE DE DETERMINAÇÃO
não confundir com correlação
Análise de variância da
Regressão
Sem repetição em X
Análise de variância da regressão
X Y
0 34,2
1,5 28,1
3 16,3
4,5 8,1
6 4,2
Análise de variância de regressão – 1ª ordem
### limpando
rm(list = ls())
### dados
y<-c(34.2,28.1,16.3,8.1,4.2)
x<-c(0,1.5,3,4.5,6)
dados<-data.frame(x,y)
Gráfico de Dispersão
35
30
25
20
Y
15
10
5
0 1 2 3 4 5 6
X
Análise de variância de regressão – 1ª ordem
Significativa
Recusa H0
ANOVA H0: Bi = 0
significativo
Ha: Bi 0
Modelo – y função de x
Resíduos (erros)
vou tirar o coef. da eq. p rodar
denovo
se não for significativo, roda denovo - deve desconsiderar o valor quando não sig.
extremamente sig. B0 - intercepto
Coeficientes
sig
B1 - X
y=34,18-5,333X negativo pq está decrescente
Coeficiente de determinação
Coef. de Det. Ajustado
a variação entre o R² com o R ajustado não pode passar de 10%
Verificação dos pressupostos
### homocedasticidade
library(lmtest)
bptest(y~x)
### homogeneidade
shapiro.test(mod$residuals)
Verificação dos pressupostos
homocedasticidade
> 0,05 ok
não rejeita H0
significativo
homogeneidade
> 0,05 ok
significativo
Não rejeita H0
UNIVERSIDADE FEDERAL DE CATALÃO
FACULDADE DE ENGENHARIA
Análise de variância da
Regressão
COM repetição em X
ANOVA da regressão – valores de X repetem
FV GL SQ QM F
Regressão p-1 SQreg QMreg QMreg/QMres
Resíduo n-p SQres QMres
Falta de Ajuste k-p SQfa QMfa QMfa/QMep
Erro Puro n-k SQep QMep
Total n-1 SQtot
### limpando
rm(list = ls())
### dados
y<-c(29,31,26,25,21,24,26,28,21,22,14,24,23,15,18,13)
x<-c(1,1,2,2,3,3,3,3,4,4,5,5,6,6,7,8)
dados<-data.frame(x,y)
Gráfico de Dispersão
30
Bactérias sobreviventes - unidade
25
20
15
1 2 3 4 5 6 7 8
Concentração de desinfetante - %
Análise de variância de regressão – 1ª ordem
Significativa
ANOVA Recusa H0
significativa H0: Bi = 0
não muda GL x
Ha: Bi 0
Modelo – y função de x
Resíduos erro
B0 - intercepto
Coeficientes
B1 - X
extremamente significativos
Coeficiente de determinação
Coef. de Det. Ajustado
ANOVA considerando repetições em X
anova(mod, mod.fa)
com dois modelos - faça esse modelo e destrinche para o próximo
faça mod, e me mostre mod.fa em função de mod
ANOVA considerando repetições em X
ANOVA modelo 2 – Erro puro minhas repetições estão com valores que consegue
ser explicado pelo graficos as variações
ANOVA considerando repetições em X
montar a tabela completa - pois o que sai do programa não é aceito em artigos
FV GL SQ QM F p
Regressão 1 295,4 295,396 32,157 5,77e-05*
Resíduo 14 128,6 9,186
Falta de Ajuste 6 16,85 2,808 0,2011 0,9669n.s.
Erro Puro 8 111,75 13,969
Total 15 424 28,267
R² = 0,697 R²adj = 0,675
Verificação dos pressupostos
### homocedasticidade
library(lmtest)
bptest(y~x)
### homogeneidade
shapiro.test(mod$residuals)
Verificação dos pressupostos
homocedasticidade
> 0,05 ok
homogeneidade
> 0,05 ok
UNIVERSIDADE FEDERAL DE CATALÃO
FACULDADE DE ENGENHARIA
Análise de variância da
Regressão
Polinomial
Análise de variância da regressão - polinomial
X Y
1 5
2 8
3 9,5
4 10
5 9
Análise de variância da regressão - polinomial
### limpando
rm(list = ls())
### dados
y<-c(5,8,9.5,10,9)
x1<-c(1,2,3,4,5) ### x
x2<-c(x1^2) ### x^2
m<-cbind(x1,x2) ### matriz
dados<-data.frame(m,y)
plot(x1,y)
Análise de variância da regressão - polinomial
Análise de variância da regressão - polinomial
Significativa
significativo
Recusa H0
ANOVA H0: Bi = 0
Ha: Bi 0
Modelo – y função de x
Resíduos erros
todos significativos
B0 - intercepto
Coeficientes B1 - X
B2 - X²
Coeficiente de determinação
Coef. de Det. Ajustado
Verificação dos pressupostos
### homocedasticidade
análise dos resíduos
library(lmtest)
bptest(y~m)
### homogeneidade
shapiro.test(mod$residuals)
Verificação dos pressupostos
homocedasticidade
> 0,05 ok
homogeneidade
> 0,05 ok