Anda di halaman 1dari 4

1

REGRESSO LINEAR

Def.: Em experimentos com pares de valores X e Y, onde Y a varivel de resposta e X
a varivel regressora. Supondo que a relao entre X e Y seja aproximadamente
aleatria, logo:
0 1
. Y X | | c = + + Modelo de Regresso Linear Simples
onde
0
| o coeficiente linear e
1
| o coeficiente angular. Usando o Mtodo dos
Mnimos Quadrados, obtm-se as seguintes somas quadradas (SQ):
( )
( )
( ) ( )
( )
2
2
2
2
2
0 1 1
.
.
. .
i
XX i
i
YY i
i
i
XY i i
i i YY XY
x
S x
n
y
S y
n
x y
S x y
n
SQR y b b x S b S
=
=
=
= + = (


1
0 1
.
XY
XX
S
b
S
b Y b X
=
=

onde
1
b ,
0
b estimam
1
| ,
0
| e n representa o nmero de elementos (nmero de pares
ordenados).

1. Varincia dos Estimadores e teste de hipteses
Objetivo: verificar a preciso das estimativas e determinar intervalos de confiana e
testar hipteses verificar a varincia dos estimadores.
Procedimentos:
a) Determinar:
( ) ( )
2 1
.
2 2
YY XY
SQR S b S
S
n n

= =
varincia residual



2
As estimativas das varincias de
1
b e
0
b :
( )
1
0
2
2
2
2 2
1
.
b
XX
b
XX
S
S
S
X
S S
n S
=
| |
|
= +
|
|
\ .
varincia dos parmetros
Esses estimadores podem ser utilizados para realizar testes de hipteses, como por
exemplo ( )
0 1
. Y X | | = + :
Anlise do coeficiente angular ( )
1
|
Rejeitar H
0
:
1
0 | =
Aceitar H
0
:
1
0 | =
Se
1
0 | = NO H RELAO ENTRE AS VARINCIAS, OU SEJA, ENTRE X
E Y.

Como regra geral para estimar
1
| utiliza-se o teste t, cujo intervalo de confiana para
1
|
dado por:
1 1
1 1 1
; 2 ; 2
2 2
. .
b b
n n
b t S b t S
o o
|
| | | |

| |
\ . \ .
| | | |
< < + | |
| |
\ . \ .
intervalo de confiana
Normalmente testamos SE a inclinao IGUAL a ZERO, ou seja, se existe uma
relao entre Y e X.

2. ANOVA para confirmar o ajuste por regresso
( ) ;1; 2
1
1
.
.
!
n
regr XY
YY XY
regr
c
c t
SQ b S
SQR S b S
MQ
F
MQR
F F Significativo
o
=
=
=
>

Fonte SQ GDL MQ F
Regresso SQ
regr
1 MQ
regr
F
c
Residual SQR n-2 MQR
Total S
YY
n-1

3
Exerccios
1. Em um processo qumico a quantidade de slidos depositada pode depender da
concentrao de um componente A que adicionado mistura. Ajustar um
modelo de regresso linear aos dados fornecidos abaixo:
Concentrao 0 0 0 2 2 2 4 4
Deposio 13,3 11,5 12,9 14,1 13,3 16,1 14,9 15,9
Concentrao 4 6 6 6 8 8 8
Deposio 18,1 17,5 16,5 18,9 20,3 18,5 20,2

Plotar a reta de regresso e os valores observados.

2. Considerando o exerccio 1, calcular a varincia residual e a varincia dos
parmetros b
0
e b
1
. Aps construir um intervalo de confiana de 95% para a
inclinao b
1
e verificar a hiptese H
0
:
1
0 | = .

3. Calcular os resduos padronizados:
( )
0 1
.
i i
i
Y b b X
R
S
+
= para os dados do
exerccio 1. Em seguida plotar um grfico de Resduos versus X
i
e verificar se h
evidncias de falta de ajuste do modelo linear ou falta de homogeneidade da
varincia. A adequao do ajuste e as suposies do modelo podem ser
verificadas atravs de uma anlise dos resduos. Os resduos so calculados por:
( )
0 1
.
i i
i
Y b b X
R
S
+
=
e a adequao do ajuste testada plotando os resduos em funo de X. Se o ajuste for
bom, os resduos seguiro um padro aleatrio; caso contrrio, alguma tendncia
curvilnea ser observada (indicando que o ajuste no bom).

4. Um torno mecnico pode ser operado a diversas velocidades. Contudo, a
qualidade do acabamento, ou seja, a rugosidade superficial, pode piorar com o
aumento da velocidade de operao. Ajustar um modelo de regresso linear aos
dados que aparecem a seguir e depois a reta de regresso para os valores
observados:

4
Velocidade 3 3 3 6 6 6
Rugosidade 26,0 21,5 33,5 36,0 27,5 37,0
Velocidade 9 9 9 12 12 12
Rugosidade 41,5 28,0 39,5 43,0 37,0 50,5

5. Para os dados do exerccio 1, calcular a varincia residual e a varincia dos
parmetros b
0
e b
1
. Aps construir um intervalo de confiana de 95% para a
inclinao b
1
e verificar a hiptese da existncia de uma relao entre velocidade
e rugosidade superficial.
6. Realizar a anlise de varincia (ANOVA) para os dados do exerccio 4 e
confirmar a significncia do modelo de regresso linear.

Anda mungkin juga menyukai