Escolar Documentos
Profissional Documentos
Cultura Documentos
Métodos Biométricos
9ª AULA PRÁTICA
1
Sumário
Modelação de duas variáveis biológicas contínuas
Regressão linear simples
Aplicações técnicas do modelo
Teste de hipóteses para a associação entre duas variáveis
(significância do coeficiente de correlação)
Resolução de exercícios
Utilização dos programas Excel e JMP para:
- Estatística descritiva de duas variáveis
- Ajuste do modelo de regressão linear simples
Interpretação dos resultados
Apresentação da ficha de auto-estudo AE6 e pergunta 9
do AE5.
2
Regressão linear
Introdução
Uma das preocupações estatísticas ao analisar
dados, é a de criar modelos que explicitem
estruturas do fenómeno em observação.
Análise de regressão:
regressão: metodologia estatística que
estuda (modela) a relação entre duas ou mais
variáveis.
3
Regressão linear
Introdução
A análise de regressão estuda o relacionamento entre uma
variável chamada variá
variável dependente e outras variáveis
chamadas variá
variáveis independentes.
independentes
6
Regressão linear simples
A reta de regressão (regressão linear simples) é
uma forma de sumariar e apresentar dados
bivariados, quando existe uma variável dependente
e uma variável independente.
A reta de regressão de Y em X tem a expressão
Y = a + b X,
8
Parâmetros de regressão
b- Declive:
Declive o seu sinal determina a inclinação
da reta (se b for positivo, a relação entre X e Y é
positiva; se b for negativo, a relação entre X e Y
é negativa). O seu valor indica em que medida Y
muda em função de X, refletindo o grau de
associação entre ambos.
10
Para traduzir uma relação linear entre duas
variáveis (avariável dependente Y e a variável
independente ou controlada X) podemos utilizar
a seguinte expressão matemática:
• Y: variável dependente
• X: variável independente
• α e β são os parâmetros da reta a ajustar (constantes
desconhecidas)
• ε: variável que permite explicar a variabilidade existente em
Y que não é explicada por X;
11
Método dos mínimos quadrados
12
Método dos mínimos quadrados
O ajustamento da reta à nuvem de pontos é feito através da
técnica dos mínimos quadrados, que minimiza o valor total das
distâncias (ao quadrado) entre todos os pontos e a reta que se
procura identificar.
13
Método do mínimos quadrados
Qual destas linhas mais minimiza
o valor total das distâncias entre
os pontos e a reta?
14
15
Significado dos parâmetros do modelo de regressão linear
simples
17
Exemplo 1
O objetivo é analisar a relação entre a dose (mg) de um fármaco(X) e a
redução no ritmo cardíaco (bat/min) (Y) .
18
19
20
21
• O objetivo do Exemplo é ajustar uma reta a partir dos
valores das amostras retiradas da população,
considerando que a relação a dose (mg) de um fármaco é
a variável independente x, e a redução no ritmo cardíaco
(bat/min), a variável dependente y.
• Uma primeira forma de fazer isso é ajustar
manualmente essa reta tentando equilibrar os pontos
acima e abaixo dessa reta, como foi feito no gráfico do
Exemplo representado a seguir.
• Como esse procedimento permite o ajuste de diversas
retas, é necessário estabelecer um objetivo de eficiência
de ajuste possível de medir, como é mostrado a seguir.
Decisão por um tipo de relação
• Nem todas as situações são bem aproximadas por uma equação
linear.
• Por isso, em geral é necessário desenvolver um trabalho
preliminar para determinar se um modelo linear é adequado.
• O processo mais simples consiste em fazer o gráfico dos dados e
ver se uma relação linear parece razoável e após analisar o
coeficiente de correlação .
No Excel, foram
construídas as
colunas necessárias
para calcular os
coeficientes de
regressão.
regressão
32
33
Função do Excel
INTERCEPTAR(val_y; val_x)
• A função estatística INTERCEPÇÃO retorna o coeficiente de regressão a da
reta de regressão linear considerando os valores das amostras informados
nos argumentos val_conhecidos_y e val_conhecidos_x.
– Ao utilizar essa função, deve-se tomar o cuidado de fornecer os
valores na ordem correta, o primeiro argumento val_conhecidos_y se
refere aos valores da variável dependente y, e o argumento
val_conhecidos_x, aos valores da variável independente x.
– Os dois argumentos desta função devem ser números ou nomes,
matrizes ou referências que contenham números.
EXEMPLO Função INTERCEPTAR
36
Função do Excel
DECLIVE(val_y; val_x)
• A função estatística DECLIVE retorna o coeficiente b da reta de regressão
linear considerando os valores das amostras informados nos argumentos
val_conhecidos_y e val_conhecidos_x.
– Ao utilizar esta função, deve-se tomar o cuidado de fornecer os
valores na ordem correta, o primeiro argumento val_conhecidos_y se
refere aos valores da variável dependente y, e o argumento
val_conhecidos_x, aos valores da variável independente x.
– Os dois argumentos desta função devem ser números ou nomes,
matrizes ou referências que contenham números.
EXEMPLO Função DECLIVE
EXEMPLO Função DECLIVE
40
Medidas para avaliar a qualidade do ajustamento:
• Coeficiente de Determinação;
Determinação
41
Medida da variabilidade das observações de Y
42
Soma de quadrados dos erros (SQE)
44
Coeficiente de Determinação
O valor da estatística é
47
Excel – Análise de dados-
dados- Regressão
Também se pode
ver se a regressão
tem validade
estatística pelo F
de significância
da regressão
48
Observações finais
• O coeficiente de correlação é mais indicado para medir a força da relação
linear entre as variáveis, e o coeficiente de determinação é mais
apropriado para medir a explicação da reta de regressão. Dessa maneira,
para apreciar o ajuste de uma reta é melhor utilizar o coeficiente de
determinação que mede o sucesso da regressão em explicar y.
49
Observações finais
50
ESTIMATIVA
60
Resolução pelo Excel
61
Resolução pelo Excel
62
Resolução pelo Excel
63
Resolução pelo Excel
64
Resolução pelo Excel
65
Resolução pelo JMP
66
Resolução pelo JMP
67
Resolução pelo JMP
68
Resolução pelo JMP outra forma mais simples
69
70
Faça uma coluna nos dados e calcule a Produção de Gordura em Kg
71
Resolução pelo JMP
72
Resolução pelo JMP
73
Resolução pelo JMP
74
Resolução pelo JMP
75
Resolução pelo JMP
76
Resolução pelo JMP
77
Resolução pelo JMP
78
Resolução pelo Excel
79
Resolução pelo Excel
80
Resolução pelo Excel
81
Resolução pelo Excel
82
Resolução pelo Excel
83
Resolução pelo Excel 84
Resolução pelo Excel
85
Resolução pelo Excel
86
Resolução pelo Excel
87
Resolução pelo Excel
88
Resolução pelo Excel
89
Resolução pelo Excel
90
Resolução pelo Excel
91
92
Resolução pelo Excel
93
Resolução pelo Excel
94
Resolução pelo JMP
95
Resolução pelo JMP
96
Resolução pelo JMP
97
98
E coloque o nível de significância com *
p>0,05 ns
0,05<p-
0,05<p-value<0,01
value<0,01 *
0,01<p-
0,01<p-value<0,001
value<0,001 **
p-value<0,001
value<0,001 ***
99
100