Universidade Estadual do Maranho UEMA

Centro de Cincias Tecnolgicas CCT

Curso: Engenharia de Produo
Disciplina: Estatstica Aplicada
Professor: Kardilson Data: 08/07/2013
Aluno: Ricardo Maciel de Lima Nunes Cod.: 111k113










Resumo sobre regresso linear simples e mltipla




























SO LUS MA
JULHO, 2013
Resumo

A anlise de regresso estuda o relacionamento entre uma varivel chamada
varivel dependente e outras variveis chamadas variveis independentes. Este
relacionamento representado por um modelo matemtico, isto , por uma equao que
associa a varivel dependente com as variveis independentes. Este modelo designado
por modelo de regresso linear simples se define uma relao linear entre a varivel
dependente e uma varivel independente. Se em vez de uma, forem incorporadas vrias
variveis independentes, o modelo passa a denominar-se modelo de regresso linear
mltipla.
A anlise de correlao dedica-se a inferncias estatsticas das medidas de
associao linear que se seguem:
Coeficiente de correlao simples: mede a fora ou grau de
relacionamento linear entre duas variveis;
Coeficiente de correlao mltiplo: mede a fora ou grau de
relacionamento linear entre uma varivel e um conjunto de outras variveis.
As tcnicas de anlise de correlao e regresso esto intimamente ligadas.
Os dados para a anlise de regresso e correlao simples so da forma:

(

) (

) (

) (

)

Com os dados constri-se o diagrama de disperso. Este deve exibir uma
tendncia linear para que se possa usar a regresso linear. Portanto este diagrama
permite decidir empiricamente se um relacionamento linear entre X e Y deve ser
assumido. Por anlise do diagrama de disperso pode-se tambm concluir
(empiricamente) se o grau de relacionamento linear entre as variveis forte ou fraco,
conforme o modo como se situam os pontos em redor de uma reta imaginria que passa
atravs do enxame de pontos.

O modelo de Regresso Linear Simples

X varivel explicativa ou independente medida sem erro (no aleatria);
E varivel aleatria residual na qual se procuram incluir todas as influncias no
comportamento da varivel Y que no podem ser explicadas linearmente pelo
comportamento da varivel X;

- parmetros desconhecidos do modelo (a estimar);

Y varivel explicada ou dependente (aleatria).

Exemplos:
1. Relao entre o peso e a altura de um homem adulto (X: altura; Y: peso)
2. Relao entre o preo do vinho e o montante da colheita em cada ano (X: montante
da colheita; Y: preo do vinho)

Num estudo de regresso temos n observaes da varivel X:

(assume-se que estas observaes so medidas sem erro). Temos ento n variveis
aleatrias Y1; Y2; ... ; Yn tais que:

i = 1, ..., n

Admite-se que

so variveis aleatrias independentes de mdia zero

e varincia

.
Para qualquer valor

de X,

uma varivel aleatria de mdia

e varincia

Os dados para a anlise de regresso e correlao simples so da forma: (X1; Y1);
(X2; Y2); ... ; (Xn; Yn) onde Xi o valor da varivel X e Yi a correspondente
observao da varivel aleatria Yi (i = 1;...; n).

O modelo de regresso linear mltipla

X1;...;Xk variveis explicativas ou independentes medidas sem erro (no aleatrias);
E varivel aleatria residual na qual se procuram incluir todas as influncias no
comportamento da varivel Y que no podem ser explicadas linearmente pelo
comportamento das variveis X1; ... ; Xk e os possveis erros de medio;

- parmetros desconhecidos do modelo (a estimar);

Y varivel explicada ou dependente (aleatria).

Exemplo:
Relao entre o volume de vendas (Y) efetuadas durante um dado perodo de tempo por
um vendedor, os seus anos de experincia (X1) e o seu score num teste de inteligncia
(X2). Vendedores com 4 anos de experincia (X1 = 4) e score 3 no teste de inteligncia
(x2 = 3), podem apresentar volumes de vendas diferentes (Ys diferentes).
Isto , fixando a varivel anos de experincia - X1 - num valor, por exemplo, 4 anos, e
X2 noutro valor, por exemplo 3, o volume de vendas vai variar devido a outras
influncias aleatrias.
Para X1 e X2 fixos, Y uma varivel aleatria.

Num estudo de regresso temos n observaes de cada varivel independente:











Para cada i, i.e., para X1i ;... ; Xki fixos, Yi uma varivel aleatria.
Temos ento n variveis aleatrias: Y1; Y2; ... ; Yn:

i = 1, ..., n

Admite-se que E1;...;En so variveis aleatrias independentes de mdia zero e
varincia

.
Ento, para quaisquer valores X1i ; : : : ; Xki fixos, Yi uma varivel aleatria de mdia

e varincia