Modelagem de Sistemas Ambientais

Prof. Dr. Fabrício J. Piacente

•Modelos aplicados de Regressão Linear Simples;

•Modelos aplicados de Regressão Multiplas;
•Simulação
 Regressão linear múltipla
Modelos de regressão linear múltipla

Exemplos:

• Em um estudo com 67 escritórios de uma rede financeira, a

variável resposta foi o custo operacional (Y) no ano que se
findou. Haviam 4 variáveis preditoras: o valor médio
emprestado aos clientes durante o ano (X1), o número
médio de empréstimos (X2), número total de novos
empréstimos processados (X3), e índice de salários dos
escritórios (X4).
Y=f(X1; X2; X3; X4)
Y = B0 + B1*X1 + B2*X2 + B3*X3 + B4*X4 + E 2
 Regressão linear múltipla
Modelos de regressão linear múltipla
Exemplos:
• Num estudo sobre a produtividade de trabalhadores (Y) (em
aeronave, navios) o pesquisador deseja controlar o número desses
trabalhadores (X1) e o bônus pago (X2) (remuneração). (Aqui
temos um experimento).
Y=f(X1;X2) Y=B0+B1*X1+B2*X2+E
• Num estudo sobre a resposta à uma droga (Y), o pesquisador
deseja controlar as doses da droga (X1) e o método de aplicação
(X2). (Também temos um experimento).
Y=f(X1;X2) Y=B0+B1*X1+B2*X2+E
3
 Modelo de regressão de primeira ordem com duas variáveis
preditoras
O modelo de regressão linear é dado por:

Yi   0  1 X i1   2 X i 2   i (1)
Onde Yi é a resposta no i-ésimo ensaio, Xi1 e Xi2 são os valores das duas variáveis
preditoras no i-ésimo ensaio. Os parâmetros do modelo são 0, 1, 2 e o termo do erro
é  i.
Vamos assumir que E(i)=0, portanto, a função de regressão do modelo de primeira
ordem é:
E (Y )   0  1 X 1   2 X 2 (2)
A representação gráfica desta função é um plano no espaço. A figura, na página
seguinte, mostra este plano para a função:
E (Y )  10  2 X 1  5 X 2 (3)
A função de regressão na regressão múltipla é chamada de superfície de resposta.

4
 Plano de resposta

Yi
•
i
E(Yi) = 20,00

•
0 (1,33;1,67)

5
Significado dos coeficientes de regressão:

E (Y )   0  1 X 1   2 X 2 (2) E (Y )  10  2 X 1  5 X 2 (3)

6
 Exemplo:

Y = vendas no mercado (em 10.000 unidades monetárias); X1=

despesas com o ponto de venda (em 1.000 u.m.); X2= gastos
com TV (em 1.000 u.m.). Como 1=2, se o gasto em uma
localidade aumenta em 1 unidade (1.000 u.m.), enquanto o
gasto com TV é mantido constante, espera-se um acréscimo
nas vendas de 2 unidades (20.000 u.m).
Y=f(X1,X2)
Y= B0 + B1*X1 + B2*X2
Y= B0 + 2*X1 + 5*X2

7
 Exercício: faça a interpretação para 2. Resposta: como
2=5 se o gasto com TV em uma localidade aumenta em 1
unidade (1.000 u.m.) e o gasto com o ponto é mantido
constante, as vendas esperadas aumentam 50.000 u.m.
Faça a interpretação do parâmetro k . Resposta: indica a
mudança na resposta média E(Y) com o acréscimo de uma
(1) unidade na variável preditora Xk, quando todas as outras
variáveis preditoras são mantidas constantes.
Exercício: no modelo

Yi   0  1 X i1   2 X i 2  ...   p 1 X i , p 1   i

8
Modelo linear geral de regressão

Vamos supor que temos X1, X2,..., Xp-1 variáveis preditoras. Vamos definir o
modelo de regressão, com erros normais, em termos das variáveis
preditoras:

Yi   0  1 X i1   2 X i 2  ...   p 1 X i , p 1   i (4)

Onde: 0, 1,..., p-1, são os parâmetros;

Xi1,..., Xi,p-1 são constantes conhecidas;
i são independentes com distribuição N(0, 2)
i=1,2,...,n. 9
Exemplo: desejamos fazer uma análise de regressão para
estimar a distância de um hospital (Y), baseado na idade dos
pacientes (X1) e sexo (X2).
O modelo de regressão é:

Yi   0  1 X i1   2 X i 2   i (6)

Onde:
X i1  idade dos pacientes;
 1 se o paciente é do sexo feminino
X i2 
0 se o paciente é do sexo masculino

10
Exemplo 1: uma empresa opera estúdios fotográficos para crianças em 12
cidades. A empresa deseja expandir seus estúdios para outras cidades
semelhantes e deseja investigar se as vendas (Y) podem ser estimadas através do
número de pessoas com 16 anos ou menos (X1) e a renda per capita na cidade
(X2). Os resultados foram:
Y=f(X1; X2)
Y= B0 + B1*X1 + B2*X2
i = 12

11
Exemplo 1: uma empresa opera estúdios fotográficos para crianças em 12
cidades. A empresa deseja expandir seus estúdios para outras cidades
semelhantes e deseja investigar se as vendas (Y) podem ser estimadas através do
número de pessoas com 16 anos ou menos (X1) e a renda per capita na cidade
(X2). Os resultados foram:

12