Livro proprietario calculo diferencia e integral iii
Universidade_Federal_de_Sao_Paulo.pptx
1. UNIVERSIDADE FEDERAL DE SÃO PAULO
Programa de Pós-Graduação em Inovação Tecnológica
Ciência de dados II
São Paulo, 2022.
2. Regressão Não Linear: ajuste do modelo no R
Fonte: Maque, 2011.
Docente: Prof. Dr. Emerson
Discente: Daniel Assunção Pantoja
3. MODELOS DE REGRESSÃO LINEARES
Quando analisamos dados que sugerem a existência de uma relação
funcional entre duas variáveis, surge então o problema de se determinar uma
função matemática que exprima esse relacionamento, ou seja, uma equação
de regressão (CHAIN, 2019);
Chama-se de variável dependente ou variável endógena, y, aquela cujo
comportamento será explicado pela variável x, chamada de variável
explicativa ou variável independente;
A estimação dos parâmetros está em resolver um sistema de equações
lineares com relação aos coeficientes desconhecidos (Para qualquer conjunto
de dados).
4. Em muitas situações pode não ser desejável descrever um fenômeno
através de regressão linear;
Na regressão não linear os parâmetros não podem ser estimados
aplicando fórmulas;
Os parâmetros são facilmente interpretáveis;
Fonte: Bispo, 2017.
5. COMO SABER SE UM MODELO É NÃO LINEAR?
Quando aplicamos a derivada do modelo em função de um parâmetro e
obter outro parâmetro, então esse modelo é dito como não linear.
Ex: 𝑦1= a + b𝑥𝑖 + 𝜀𝑖 (derivada em relação a “a” encontramos 1, não “b”).
Ex: 𝑦𝑖= a + b𝑥𝑖 + ab𝑥𝑖² + 𝜀𝑖 (derivando em relação a “a”, em ab𝑥𝑖²
encontramos b𝑥𝑖²).
6. Fonte: Mattos, 2013.
Zeviani et al. Modelos de Regressão Não Linear. Curso: 58º RBRAS e 15º SEAGRO,
Campina Grande – PB, 2013.
Disponível em:
o Existe modelos não lineares que podem ser linearizáveis!
7. INTERPRETAÇÃO (BIOLÓGICA)
O parâmetro b1 representa a média final;
O parâmetro b2 não apresenta interpretação prática;
E o b3 a taxa de acréscimo, progresso etc..
Prof. Dr. Alcinei Azevedo -UFMG. Curso de Regressão não Linear.
Disponível em: <https://youtu.be/Nm112yue_i4>
8. COEFICIENTES DA REGRESSÃO NÃO LINEAR
Torna-se necessário recorrer a métodos iterativos (Newton, Gauss-
Newton, Broyden) necessitando de parâmetros iniciais (chute inicial).
Ajuste no R.