Aula 8

Profª MSc.
Flávia Costa de Mattos

Escola de Engenharia-FURG
Engenharia
ESTATÍSTICA INFERENCIAL-
ANÁLISE DE REGRESSÃO
1
O modelo numérico gerado na análise não
pode ser generalizado e aceito em qualquer
Profª MSc. Flávia Costa de Mattos
situação. Para que possa ser empregado na
estimação de valores, deve obedecer a algumas
Engenharia
exigências. As condições que devem ser satisfeitas
são chamadas de pressupostos, hipóteses ou
condições básicas.
2
1. Pressupostos Básicos:
Relação linear entre a variável dependente e as
independentes: A não-linearidade pode ser verificar
através de gráficos de resíduos contra as variáveis
Engenharia
presentes no modelo (Y, X1, X2, ... , Xk). Espera-se
que não haja forma definida para os pontos. Se forem
detectadas tendências, deve-se linearizar a relação,
usando-se transformações nas variáveis, tais como
logaritmos, inversas ou potências. 3

Não-aleatoriedade das variáveis independentes: As
variáveis independentes devem ser
determinísticas, ou seja, não podem conter
parcelas aleatórias. (∑ei)/n=0;
Engenharia
Normalidade dos resíduos: A análise de regressão
baseia-se na hipótese de que os erros seguem
uma distribuição Normal (distribuição de Gauss).
Média zero dos resíduos: A média dos erros é

sempre nula, bem como a soma dos erros. 4
Homocedasticidade dos resíduos: é a variância
constante dos resíduos. Deseja-se que os erros
sejam aleatórios, ou seja, não devem ser
relacionados com as características dos imóveis. Se
Engenharia
isto não ocorre, há heterocedasticidade. Pode ser
verificada através do gráfico de resíduos, onde os
pontos devem estarem dispostos aleatoriamente.
5
Engenharia
6
Outliers: são elementos com comportamento muito
diferente dos demais.
Se adota o intervalo de 2 desvios-padrão em
torno da média dos erros. Como a média tem de
Engenharia
ser zero, os resíduos padronizados (ei/σ) devem
estar no intervalo [-2;+2].
Os imóveis com erros que ultrapassam estes

limites são elementos suspeitos e devem ser
analisa.dos cuidadosamente.
7
Engenharia
8
Gráfico dos resíduos padronizados
outlier
(ei/σ)
INTERVALO DE CONFIANÇA
O intervalo de confiança é construído de forma a

permitir que seja conhecida a probabilidade de que o
parâmetro da população esteja localizado em algum lugar
Profª MSc.. Flávia Costa de Mattos
dentro do intervalo.
Engenharia
A partir da estatística Distribuição t (Student), pode-
se construir intervalos em torno da média estimada pela
amostra, dentro do qual podemos afirmar com
determinado nível de certeza, que a média populacional
se insere. A norma especifica o intervalo de 80% em torno
9
do valor central da estimativa.
Engenharia
10
α/2= 10%
1-α= 80%
Ls
Li
α/2= 10%
O cálculo é baseado na distribuição "t" de
Student, e é calculado segundo a seguinte fórmula:
Limite inferior (ŷ –I) ≤ ŷ ≤ Limite superior(ŷ + I)
Engenharia
I= t(α/2;n-k-1) .(vr)0,5 .[1/n + (xest - x)2/Sxx]0,5
11
Onde:
t(α/2;n-k-1) = ponto crítico da distribuição t de Student
Xest =predição de x
yest= estimado pela função inferida Yest= f(xest)
Engenharia
Vr= variância residual= (Syy-b .Sxx)/n-k-1
Sxx= ∑xi2 – (∑xi)2/n
Syy= ∑yi2 – (∑yi)2/n
Sxy= ∑xi.yi – (∑xi . ∑yi) /n

12
Engenharia
13
ŷ
X
ŷinf
ŷ
ŷsup
y
Para o exercício proposto:
ŷ =R$ 627,35 / m²
Vr= 17.986,56356
xest=450 = 5,11419
Engenharia
Sxx= 9,097620472
n=16
I=1,345*(17986,56356^0,5)*[(1/16)+((LN(450)-5,11419)^2)/9,097620472]^0,5
I=74,665407
14
Intervalo de confiança
Limite superior= 702,01 (+11,90%)
Limite inferior= 552,69 (-12,10%)
Engenharia
Campo de arbítrio (15%)
Limite superior= 721,45

15
Limite inferior= 533,24
Testes de Hipóteses:
As transferências de conclusões da amostra

para a população permitem a ocorrência de erros, que
devem ser avaliados. Para avaliar e controlar o
tamanho do erro, utiliza-se a Teoria da Prova de
Engenharia
Hipóteses.
Assim, o teste de hipótese é a forma adequada

para verificar a possibilidade de estarmos cometendo
erros na afirmação sobre a média populacional ou
sobre a influência de uma variável sobre outra. 16
Hipótese nula H0: b = 0 rejeita-se a hipótese
(não existe regressão linear)
Hipótese alternativa H1:b ≠ 0 aceita-se a
hipótese (existe regressão linear) - a área ou
distância interfere na variável y
Engenharia
Quando rejeitamos a hipótese nula, adotamos a
hipótese alternativa como verdadeira, logo, devemos
associar a este procedimento uma probabilidade de
cometer erro, visto que a hipótese Ho pode ser
verdadeira. 17
No entanto, é importante que a probabilidade de
cometermos erro seja pequena. Esta probabilidade
denomina-se Nível de Significância- que é a probabilidade
de errar ao se rejeitar uma hipótese (H0) e ela vir a ser
verdadeira.
Cálculo da significância dos regressores: distribuição “t”
student
Engenharia
t (bi) = b. (Sxx)0.5 / (Vr)0.5
t(crit)= tabelado (dupla entrada: significância e n-k-1)
Se t(bi)>t(crit)............este regressor é importante na

formação dos preços
18
Região de aceitação
de H0
Engenharia
Região de Região de
rejeição de H0 rejeição de H0
Valor Valor
crítico crítico
19
Engenharia
20
Cálculo da significância dos regressores: distribuição
“t” student
0,00229%
Engenharia
t(crit)= tabelado (dupla entrada: significância e n-k-1)
t(crit)= 1,3450 (10%, 14)
t(x1) =-6,20
Como t(bi)>t(crit)............este regressor é importante
na formação dos preços, com significância inferior a
21
10%, ou seja, 0,000229%.
Análise da variância: indicará a significância global
do modelo, que deverá ter valor máximo igual a 1%
para grau III, 5% para grau II e 10% para grau I. É
utilizada a distribuição “F”Snedecor.
Fcalc= (b².Sxx)/Vr Fcrit= Tabelado
Engenharia
Se Fcal < Fcrit............................ rejeita-se a hipótese de
regressão para a significância estabelecida.
Se Fcal > Fcrit............................ aceita-se a hipótese de

regressão para a significância estabelecida. 22
Engenharia
23
Rejeição de H0
4
Fcrit
Aceitação de H0
Engenharia
24
Análise da variância ou da significância global do modelo
Engenharia
Fcrit= tabelado (tripla entrada: significância, n-k-1 (coluna) e k)
F= 38,4971 Fcrit= 8,862 O.k
Se Fcal > Fcrit................ aceita-se a hipótese de regressão

para a significância inferior a 1%, ou seja, 0,000022961.
25
Normalidade de resíduos:
Os resíduos (erros) devem constituir-se numa

distribuição próxima a curva normal.
68,26% [-1, +1]
Engenharia
90% [ - 1,64 , +1,64]
95% [- 1,96 , +1,96]
26
Engenharia
27
[-1,96σ, +1,96 σ]
[-1,64σ, +1,64 σ]
[-1σ, +1 σ]
95%
90%
68%
Habilitar na ferramenta do Excel, resíduos e resíduos

padronizados.
Teórico Modelo
68,26% [-1, +1] 62,5%
Engenharia
90% [ - 1,64 , +1,64] 93,75%
95% [- 1,96 , +1,96] 100%
Está garantida a normalidade dos resíduos.
28
Engenharia
29
Engenharia
30
Verificar a homocedasticidade e presença de
outliers:

Aula 8

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aula 8

Enviado por

Direitos autorais:

Formatos disponíveis

Profª MSc.

Flávia Costa de Mattos

Relação linear entre a variável dependente e as

independentes: A não-linearidade pode ser verificar

que não haja forma definida para os pontos. Se forem

detectadas tendências, deve-se linearizar a relação,

usando-se transformações nas variáveis, tais como

logaritmos, inversas ou potências. 3

Média zero dos resíduos: A média dos erros é

constante dos resíduos. Deseja-se que os erros

sejam aleatórios, ou seja, não devem ser

verificada através do gráfico de resíduos, onde os

pontos devem estarem dispostos aleatoriamente.

Se adota o intervalo de 2 desvios-padrão em

Os imóveis com erros que ultrapassam estes

O intervalo de confiança é construído de forma a

t(α/2;n-k-1) = ponto crítico da distribuição t de Student

Sxx= ∑xi2 – (∑xi)2/n

Syy= ∑yi2 – (∑yi)2/n

Sxy= ∑xi.yi – (∑xi . ∑yi) /n

Limite superior= 702,01 (+11,90%)

Limite superior= 721,45

As transferências de conclusões da amostra

Assim, o teste de hipótese é a forma adequada

Hipótese alternativa H1:b ≠ 0 aceita-se a

Se t(bi)>t(crit)............este regressor é importante na

Se Fcal > Fcrit............................ aceita-se a hipótese de

Análise da variância ou da significância global do modelo

F= 38,4971 Fcrit= 8,862 O.k

Se Fcal > Fcrit................ aceita-se a hipótese de regressão

Os resíduos (erros) devem constituir-se numa

95% [- 1,96 , +1,96]

Habilitar na ferramenta do Excel, resíduos e resíduos

95% [- 1,96 , +1,96] 100%

Está garantida a normalidade dos resíduos.

Você também pode gostar