Utilizador:Antonio Cruz/Rascunhos: diferenças entre revisões

Acrescentar texto ainda por formatar
(alterações de nomenclatura)
(Acrescentar texto ainda por formatar)
::==Técnicas de Previsão: Regressão Linear (na página do livro está mais completo==
 
Sousa define regressão linear simples como um modelo de relação entre uma
:<math>e\,\!</math> representa o erro que provém do facto de Y ter características aleatórias.
 
==Qualidade do ajuste, regressão linear - Falta colocar em formato wiki==
 
 
Fonte: http://www.esac.pt/nsousa/6_regressao.pdf (Consultado em 18-02-2011)
Segundo Henriques (2009, p.32), a equação de regressão calculada deve ser vista como uma tentativa de explicação das variações da variável dependente, que são resultado de variações na variável independente.
 
Seja Y a média das observações registadas para a variável dependente. Uma medida utilizada no modelo de regressão para medir a qualidade do mesmo é o grau em que as previsões baseadas na equação da recta de regressão superam as previsões baseadas em Y.
 
Se a dispersão (ou erro) associado à equação da recta de regressão é muito menor do que a dispersão (ou erro) associada a Y, as previsões da mesma serão melhores do que as previsões baseadas na médiadas observações registadas.
 
Para medir a qualidade do ajustamento da recta de regressão calculada, Sousa (2009, p.15) define uma variável, a que chama de coeficiente de determinação, que é calculado da seguinte forma:
 
R2 = (Sxy)2/(SxxSyy)
 
Onde:
R2 Representa o coeficiente de determinação;
Syy Representa a variabilidade de Y, e é dada por Σ(yi2 – ny2).
 
 
Segundo Sousa (2009, p.15), R2 representa a percentagem da variabilidade dos dados observados que são explicados pela recta de regressão, e pode tomar qualquer valor no intervalo de 0 a 1.
Um valor do coeficiente de determinação igual a (ou próximo de) 1 significa que se tem um ajuste perfeito da recta de regressão calculada aos dados observador.
Um valor do coeficiente de determinação igual a (ou próximo de) 0 significa um mau ajuste da recta de regressão aos dados obtidos. Henriques (2009, p.35) considera que neste caso se está perante uma relação não linear entre as duas variáveis.
 
Henriques (2009, p.35) define ainda o coeficiente de correlação simples, dado por:
 
r = + - √(R2)
Onde o sinal positivo ou negativo é o mesmo que o sinal do declive m.
 
O valor de r pode tomar qualquer valor no intervalo de -1 a 1, onde r=1 ou r=-1 indicam uma relação linear perfeita (positiva e negativa, respectivamente) entre as duas variáveis, r=0 indica uma relação não linear entre as duas variáveis, r<0 indica uma relação linear negativa e r>0 indica uma relação linear positiva entre as variáveis x e Y.
 
 
 
Referências:
 
Henriques, Carla.- Análise de regressão linear simples. Viseu, [2009]. [Consult. Em 1 Mar. 2011]. Disponível em WWW:<URL:http://www.estv.ipv.pt/PaginasPessoais/psarabando/Estat%C3%ADstica%20%20CA%202009-2010/slides/regress%C3%A3o/Parte%201/regressao%20aluno.pdf>
 
Sousa, N. - Regressão. Coimbra, [2009]. [Consult. 18 Fev. 2011]. Disponível em WWW:<URL:http://www.esac.pt/nsousa/6_regressao.pdf>
 
Filho, Edson D. - Estatística Aplicada à Administração. Maranhão, [2010]. [Consult. Em 22 Fev. 2011]. Disponível em WWW:<URL:http://www.aurea.uac.pt/pdf_MBA/coef_correl_Pearson.pdf >
102

edições