Ir para o conteúdo principal
CarregarIdioma (PT)Suporte
NegóciosCelularMídias sociaisMarketingTecnologiaArte e fotografiaCarreirasDesignEducaçãoApresentações e oratóriaGoverno e ONGsSaúdeInternetDireitoLiderança e gerenciamentoIndústria automotivaEngenhariaSoftwareRecrutamento e RHVarejoVendasServiçosCiênciasPequenos negócios e empreendedorismoAlimentosMeio ambienteEconomia e finançasDados e análiseRelação com investidoresEsportesEspiritualNotícias e políticaTurismoAperfeiçoamento pessoalImóveisDiversão e humorSaúde e medicinaDispositivos e hardwareEstilo de vida
Carregado pormonica_lima
PPT, PDF73,063 visualizações

Regressão Linear Simples

O documento descreve regressão linear simples, que analisa a relação entre duas variáveis quantitativas. Explica que a regressão linear prevê valores de uma variável dependente (y) com base em uma variável independente (x) usando uma equação da reta y = a + bx. Fornece exemplos e detalha como calcular os coeficientes a e b da reta de regressão e testar sua significância estatística.

Educação◦Tecnologia◦Negócios◦
Monica Lima Doutoranda em Neurociências e Biologia Celular [email_address] monicalima@ufpa.br Junho - 2011 Universidade Federal do Pará Instituto de Ciências Biológicas Laboratório de Neuroendocrinologia Faculdade de Ciências Biológicas Regressão Linear Simples
Regressão Linear Simples O que é análise de regressão? Metodologia estatística que utiliza a RELAÇÃO entre duas ou mais variáveis quantitativas ( ou qualitativas ) de tal forma que uma variável pode ser predita a partir da outra ou outras; PREVISÃO de resultados. O caso mais simples de regressão é quando temos duas variáveis e a relação entre elas pode ser representada por uma linha reta  Regressão linear simples .
Regressão Linear Simples Exemplos: A população de bactérias pode ser predita a partir da relação entre população e o tempo de armazenamento; Concentrações de soluções de proteína de arroz integral e absorbâncias médias corrigidas; Temperatura usada num processo de desodorização de um produto e cor do produto final. Avaliação Causa-Efeito Prever os valores de uma variável dependente com bases em resultados da variável independente.
Regressão Linear Simples Lembrando: Variável independente ou variável explicativa (X): manipulável ; Variável dependente ou variável resposta (Y): observa o efeito ; Y depende de X (Linguagem Coloquial); Y é função de X (Linguagem Matemática); Há regressão de Y sobre X (Linguagem Estatística); Valores de X são escolhidos e se observa uma correspondência (Y).
Regressão Linear Simples O objetivo da Regressão: Avaliar uma possível dependência de y em relação a x; Expressar esta relação por meio de uma equação da reta. População (UFC) Tempo (hs)
Regressão Linear Simples A reta da Regressão Linear: Equação da reta: y = A+Bx ; y = variável dependente; A = Coeficiente linear; B = Coeficiente Angular; x = Variável Independente. Pontos Experimentais : y= A + Bx + ε ε (diferenção entre o valor observado e esperado de y)
Regressão Linear Simples A obtenção da reta: Exemplo 1 : Em uma determinada região um biólogo pretende estudar a relação entre um determinado poluente (P) despejado por uma fábrica em um riacho e o dano causado em curso d’água em um valor de dano qualquer. Dano ecológico Quantidade poluente (µg/L)
Regressão Linear Simples
Regressão Linear Simples A obtenção da reta: b = 198 – 21 x 48/6 : 91- (21 2 / 6) = 30/ 17,5 = 1,71 a = 48/6 – 1,71(21/6) = 2,02 Reta de regressão é: Y = a + bx Y = 2,02 + 1,71x
Regressão Linear Simples TESTE DE SIGNIFICÂNCIA DA REGRESSÃO Dependência de y em relação a x Y = A + Bx sem dependência B= 0 b = 1,71 Elaboração das Hipóteses Estatísticas H 0 : B=0 H Á : B ≠ 0 -> bicaudal : maior ou menor α = 0,01 -> t = 99.5 Gl = n – 2; onde n = número de pontos experimentais Gl = 6 – 2 = 4 t Crit = 4, 604
Regressão Linear Simples Determinação do teste t calc = b/ Ep b EP b = √ ∑y 2 - a ∑y –b ∑xy : (n-2) (∑x 2 – (∑x) 2 /n) EP b = √ 438 – (2,02 . 48) – (1,71 . 198) : (6 -2)(91 – 21 2 / 6) EP b = √ 2,46/70 = 0,187 t calc = 1,71/0,187 = 9,144 tcalc > tcrit Rejeita-se a H o
Regressão Linear Simples Determinação do teste Conclusão : O Coeficiente populacional b não deve ser igual a zero; logo, admitimos que existe regressão de y sobre x (0,01). Desta forma concluímos que o dano ecológico depende da concentração da substância S da seguinte forma: para cada acréscimo de 1 µg/L do poluente na água espera-se que o dano ecológico aumente em 1,71 unidades.
Regressão Linear Simples Exemplo 2 : Em uma determinada região um biólogo pretende estudar a relação entre um determinado poluente (Z) despejado por uma fábrica em um riacho e o dano causado em curso d’água em um valor de dano qualquer.
Junho - 2011 Universidade Federal do Pará Instituto de Ciências Biológicas Laboratório de Neuroendocrinologia Faculdade de Ciências Biológicas http://www.slideshare.net/monica_lima/regressão-linear-simples [email_address]