1. PRO910 PLANEJAMENTO E GESTÃO
DA PRODUÇÃO
AULA 02
Prof. Davi das Chagas Neves
Profa. Irce Fernandes Gomes Guimarães
2. Regressão linear e não linear: analisando dados com R
➢ Algumas coisas são complexas, para todas as outras temos a função lm()...
“No mercado e na vida, normalmente, o que
nos causa problemas não é aquilo que não
sabemos, mas aquilo que temos certeza de
que seja verdade.”
Mark Twain
Humorista americano do século XIX
3. Regressão linear e não linear: analisando dados com R
Fundamentos de Estatística com R
4. Regressão linear e não linear: analisando dados com R
➢ Distribuição normal de pontos: média.
5. Regressão linear e não linear: analisando dados com R
➢ Distribuição normal de pontos: média.
Média
6. Regressão linear e não linear: analisando dados com R
➢ Distribuição normal de pontos: média.
7. Regressão linear e não linear: analisando dados com R
➢ Distribuição normal de pontos: média.
❑ Altere o valor do desvio
padrão, observe o que
será modificado.
❑ Compreenda as funções:
1) mean(),
2) rnorm(),
3) par() e
4) hist().
8. Regressão linear e não linear: analisando dados com R
➢ Distribuição normal de pontos: desvio padrão.
Desvio
9. Regressão linear e não linear: analisando dados com R
➢ Distribuição normal de pontos: desvio padrão.
❑ A utilização da função sd()
remete a qual valor para o
fator DP anterior?
Determine.
Para casa:
Construa estes histogramas
com ggplot2.
10. Regressão linear e não linear: analisando dados com R
➢ Correlação de senos e cossenos.
16. Regressão linear e não linear: analisando dados com R
Regressão Linear com R
17. Regressão linear e não linear: analisando dados com R
➢ Pra que serve a regressão linear?
DADOS
PREVISÃO
y = a.x + b
PREVISÃO
Planejamento
& Controle
18. Regressão linear e não linear: analisando dados com R
➢ Bibliografia:
17.1
17.6
17.7
36. Regressão linear e não linear: analisando dados com R
➢ Interpolação com R:
https://www.r-bloggers.com/interpolation-and-smoothing-functions-in-base-r/
37. Regressão linear e não linear: analisando dados com R
➢ Para Casa:
1) Complemente o programa de
regressão não linear, fazendo as
previsões.
2) Elabore um programa que faça a
interpolação de dados distribuídos
num polinômio cúbico.
Até a próxima pessoal!