Slides Exemplo Delivery PDF

Exemplo Regresso Linear Mltipla
Gilberto A. Paula
Departamento de Estatstica IME-USP, Brasil giapaula@ime.usp.br
1o Semestre 2013
G. A. Paula (IME-USP)
Abastecimento de Refrigerantes
1o Semestre 2013
1 / 27
Sumrio
1 2 3 4 5 6 7
Abastecimento de Refrigerantes Anlise de Dados Preliminar Ajuste Modelo Linear Normal Diagnstico Modelo Ajustado Resultados Modelo Ajustado Concluses Referncias
1o Semestre 2013
2 / 27
Abastecimento de Refrigerantes Descrio dos Dados Uma engarrafadora de refrigerantes est analisando o servio de abastecimento das mquinas de refrigerantes atendidas pela empresa. O servio de abastecimento inclui o estoque das garrafas nas mquinas e pequenas manutenes feitas pelo prprio motorista do veculo com os carregamentos. O engenheiro industrial responsvel pela logstica da distribuio dos refrigerantes acredita que as variveis explicativas distncia, distncia percorrida pelo motorista do veculo at as mquinas (em psa ) e ncaixas, nmero de caixas de produtos estocados, estejam inuenciando a varivel resposta tempo, tempo gasto pelo motorista para o abastecimento das mquinas (em minutos). Uma amostra aleatria de 25 abastecimentos feitos num outlet foi considerada para anlise (Montgomery, Peck e Vining, 2001, Cap. 3).
a
1 p = 0,3048 metros
G. A. Paula (IME-USP) Abastecimento de Refrigerantes 1o Semestre 2013 3 / 27
Anlise de Dados Preliminar
Sumrio
1 2 3 4 5 6 7
1o Semestre 2013
4 / 27
Medidas Resumo
Descrio Medida n Mdia D.Padro CV Mnimo 1o Quartil Mediana 3o Quartil Mximo Tempo 25 22,38 15,52 69% 8,00 13,75 18,11 21,50 79,24 Ncaixas 25 8,76 6,88 78% 2,00 4,00 7,00 10,00 30,00 Distncia 25 409,30 325,19 79% 36,00 150,00 330,00 605,00 1460,00
1o Semestre 2013
5 / 27
Boxplot Tempo Gasto
Tempo Gasto
10
20
30
40
50
60
70
80
1o Semestre 2013
6 / 27
Boxplot Nmero de Caixas de Produtos
Nmero de Caixas
10
15
20
25
30
1o Semestre 2013
7 / 27
Boxplot Distncia Percorrida
Distncia Percorrida
200
400
600
800
1000
1200
1400
1o Semestre 2013
8 / 27
Disperso Tempo Gasto versus Nmero de Caixas
Tempo Gasto
10
20
30
40
50
60
70
80
10
15 Nmero de Caixas
20
25
30
1o Semestre 2013
9 / 27
Disperso Tempo Gasto versus Distncia Percorrida
Tempo Gasto
10
0
20
30
40
50
60
70
80
200
400
600
800
1000
1200
1400
Distncia Percorrida
1o Semestre 2013
10 / 27
Ajuste Modelo Linear Normal
Sumrio
1 2 3 4 5 6 7
1o Semestre 2013
11 / 27
Modelo Linear Normal
Descrio Nota-se indcios de aumento do tempo gasto pelo motorista com o aumento da distncia percorrida e aumento do nmero de caixas de produtos, sugerindo inicialmente um modelo linear: yi = 1 + 2 ncaixasi + 3 distanciai + i , para i = 1, . . . , 25, em que yi denota o tempo gasto pelo i -simo iid motorista com i N(0, 2 ).
1o Semestre 2013
12 / 27
Estimativas
Descrio As estimativas dos parmetros so dadas abaixo. Efeito Constante Ncaixas Distncia R2 R2 -ajustado s F Estimativa 2,341 1,616 0,014 0,96 0,96 3,26 261,2 Erro padro 1,0967 0,1707 0,0036 valor-t 2,134 9,467 3,889 valor-P 0,044 0,001 0,000
(2 e 22 g.l.)
0,000
Todas os parmetros so marginalmente signicativas ao nvel de 5%.
1o Semestre 2013
13 / 27
Diagnstico Modelo Ajustado
Sumrio
1 2 3 4 5 6 7
1o Semestre 2013
14 / 27
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1.0
0.8
22
0.0
0.2
10
15 Indice
20
25
Distncia de Cook
Medida h
0.4
0.6
10
15 ndice
20
25
Resduo Padronizado
Resduo Padronizado
5 10 15 ndice 20 25
2
10
20
30
40
50
60
70
Valor Ajustado
1o Semestre 2013
15 / 27
Resduos Modelo Ajustado
Residuo Studentizado
0 Percentil da N(0,1)
1o Semestre 2013
16 / 27
Variaes nas Estimativas
Observaes Inuentes Apenas duas observaes #9 e #22 aparecem como remotas. A observao #9 tambm aparece como inuente e aberrante. A eliminao da observao #9 causa variaes desproporcionais nas trs estimativas e aumenta a signicncia da constante.
1o Semestre 2013
17 / 27
Variaes nas Estimativas
Observaes Inuentes Apenas duas observaes #9 e #22 aparecem como remotas. A observao #9 tambm aparece como inuente e aberrante. A eliminao da observao #9 causa variaes desproporcionais nas trs estimativas e aumenta a signicncia da constante. Identicao Observao A observao #9 refere-se ao motorista com a maior distncia percorrida, maior tempo gasto e maior nmero de caixas estocadas.
1o Semestre 2013
17 / 27
Estimativas
Descrio As estimativas dos parmetros eliminando-se a observao #9. Efeito Constante Ncaixas Distncia R2 R2 -ajustado s F Estimativa 4,447 1,498 0,010 0,95 0,94 2,43 194,2 Erro padro 0,9525 0,1302 0,0028 valor-t 4,669 11,505 3,571 valor-P 0,000 0,001 0,000
(2 e 21 g.l.)
0,000
Todas os parmetros so marginalmente signicativas ao nvel de 1%.
1o Semestre 2013
18 / 27
Resduos Modelo Ajustado
Residuo Studentizado
3
2
0 Percentil da N(0,1)
1o Semestre 2013
19 / 27
Resultados Modelo Ajustado
Sumrio
1 2 3 4 5 6 7
1o Semestre 2013
20 / 27
Interpretao Estimativas
Interpretao Estimativas Para cada aumento de 1 caixa para estocar, espera-se aumento de 1,616 minutos no tempo gasto pelo motorista (mantendo-se xa a distncia percorrida). Para cada aumento de um p na distncia percorrida pelo motorista, espera-se aumento de 0,014 minutos no tempo gasto pelo motorista (mantendo-se xo o nmero de caixas).
1o Semestre 2013
21 / 27
Predio
Predio nova Observao Qual o tempo gasto por um motorista com 25 caixas para estocar e distncia percorrida de 1000 metros?
1o Semestre 2013
22 / 27
Predio
Predio nova Observao Qual o tempo gasto por um motorista com 25 caixas para estocar e distncia percorrida de 1000 metros? Valor de h(z) Temos que z = (1, 25, 1000)T e h(z) = zT (XT X)1 z = 0, 274. Como hmax = 0, 498 ento podemos fazer predio para essa nova observao uma vez que h(z) < hmax .
1o Semestre 2013
22 / 27
Predio
Estimativa Pontual O tempo gasto predito pelo motorista ca dado por (z) = 2, 341 + 1, 616 25 + 0, 014 1000 = 56, 741 minutos.
1o Semestre 2013
23 / 27
Predio
Estimativa Pontual O tempo gasto predito pelo motorista ca dado por (z) = 2, 341 + 1, 616 25 + 0, 014 1000 = 56, 741 minutos. Estimativa Intervalar A estimativa intervalar de 95% para o tempo gasto pelo motorista ca dada por [ (z) t(1/2),(np) s 1 + zT (XT X)1 z] = [56, 741 2, 0739 3, 26 = [56, 741 7, 631] = [49, 11; 64, 37]. 1 + 0, 274]
1o Semestre 2013
23 / 27
Concluses
Sumrio
1 2 3 4 5 6 7
1o Semestre 2013
24 / 27
Concluses
Concluses
Consideraes Finais Este um exemplo de regresso linear mltipla com presena de uma observao discrepante que ao mesmo tempo ponto de alavanca, ponto inuente e ponto aberrante. A eliminao dessa observao causa mudanas numricas importantes nas estimativas mas no muda a inferncia com relao incluso das variveis explicativas. No h evidncias de afastamentos com relao suposio de normalidade mas h alguma evidncia com relao suposio de homocedasticidade.
1o Semestre 2013
25 / 27
Referncias
Sumrio
1 2 3 4 5 6 7
1o Semestre 2013
26 / 27
Referncias
Referncias
Referncia Montgomery, D. C.; Peck, E. A. e Vining, G. G. (2001). Introduction to Linear Regression Analysis, Third Edition. Hoboken: Wiley.
1o Semestre 2013
27 / 27

Slides Exemplo Delivery PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Slides Exemplo Delivery PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

Exemplo Regresso Linear Mltipla

Anlise de Dados Preliminar

Anlise de Dados Preliminar

Anlise de Dados Preliminar

Boxplot Tempo Gasto

Anlise de Dados Preliminar

Boxplot Nmero de Caixas de Produtos

Anlise de Dados Preliminar

Boxplot Distncia Percorrida

Anlise de Dados Preliminar

Disperso Tempo Gasto versus Nmero de Caixas

Anlise de Dados Preliminar

Disperso Tempo Gasto versus Distncia Percorrida

Ajuste Modelo Linear Normal

Ajuste Modelo Linear Normal

Modelo Linear Normal

Ajuste Modelo Linear Normal

Todas os parmetros so marginalmente signicativas ao nvel de 5%.

Diagnstico Modelo Ajustado

Diagnstico Modelo Ajustado

Diagnstico Modelo Ajustado

0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5

Diagnstico Modelo Ajustado

Resduos Modelo Ajustado

Diagnstico Modelo Ajustado

Variaes nas Estimativas

Diagnstico Modelo Ajustado

Variaes nas Estimativas

Diagnstico Modelo Ajustado

Todas os parmetros so marginalmente signicativas ao nvel de 1%.

Diagnstico Modelo Ajustado

Resduos Modelo Ajustado

Resultados Modelo Ajustado

Resultados Modelo Ajustado

Resultados Modelo Ajustado

Resultados Modelo Ajustado

Resultados Modelo Ajustado

Resultados Modelo Ajustado

Anda mungkin juga menyukai