Anlise de Regresso

(aplicao a custos)
Prof. Darlan Marcelo Delgado
Modelo Estatstico de Regresso.
Um modelo estatstico costuma envolver a determinao do melhor modelo
de explicao para uma varivel y, que explicada por uma outra varivel
x. Por isto o modelo estatstico PROBABILSTICO e no
DETERMINSTICO.
y Varivel DEPENDENTE ou varivel EXPLICADA.
x Varivel INDEPENDENTE ou varivel EXPLICATIVA.
e Erro associado ao processo de determinao dos valores de y com
base em x (e so os resduos).

O modelo de REGRESSO LINERA SIMPLES fica resumido a:
e x b a y + + = .

x b a y .

+ =
Modelo Estatstico de Regresso.
O processo de estimao do modelo gera uma reta (a reta de regresso ou
reta de ajuste timo) que produz os erros mnimos em relao aos pontos
(pares ordenados mapa de disperso).
e x b a y + + = .

Clculo da Reta de Regresso.

Frmulas para o clculo da Reta de Regresso:
n
x b y
a
E E
=
.
2 2
) ( ) .(
) . ( ) .(
x x n
y x xy n
b
E E
E E E
=
x b a y .

+ =
Exemplo:
Gastos com publicidade
(x, em mil reais)
Vendas
(y, em mil reais)
x y xy
3 7 9 49 21
4 14 16 196 56
8 15 64 225 120
12 28 144 784 336
14 32 196 1.024 448
41 96 429 2.278 981
Clculo da Reta de Regresso.
Gastos com publicidade
(x, em mil reais)
Vendas
(y, em mil reais)
x y xy
3 7 9 49 21
4 14 16 196 56
8 15 64 225 120
12 28 144 784 336
14 32 196 1.024 448
41 96 429 2.278 981
0884 , 2
464
969
) 41 ( ) 429 .( 5
) 96 , 41 ( ) 981 .( 5
2
= =

= b
0751 , 2
5
3756 , 10
5
41 0884 , 2 96
= =

= a
x y . 0884 , 2 0754 , 2 + =
Da segue a Equao da reta (modelo previsor):
Vendas e Publicidade
y = 2,0884x + 2,0754
R
2
= 0,9308
0
5
10
15
20
25
30
35
0 2 4 6 8 10 12 14 16
publicidade
v
e
n
d
a
s
Coeficiente de Correlao (r).
A anlise de correlao determina um nmero que expressa uma medida numrica
do grau da relao encontrada entre duas variveis. , efetivamente, uma medida
do grau e da direo de uma relao linear entre duas variveis. O nome correto
desta anlise Coeficiente de Correlao produto dos momentos de Pearson
(r). dado pela equao abaixo:
(
(

|
.
|

\
|
E

E
(
(

|
.
|

\
|
E

E
|
.
|

\
|
E E

E
=
2
2
2
2
2
.
.
n
y
n
y
n
x
n
x
n
y
n
x
n
xy
r
2 2 2 2
) ( . . ) ( .
) ).( ( .
y y n x x n
y x xy n
r
E E E E
E E E
=
Ou esta outra frmula:
Faixa de variao de r: -1 r 1
Tipos de correlao:
a) Prximo de -1: Forte correlao
negativa;
b) Prximo de 1: Forte correlao
positiva.
c) Prximo de 0: No h
correlao significativa.
Coeficiente de Determinao (r).
O Coeficiente de Determinao (r) a razo entre a variao explicada e a
variao total. Isto ,
Faixa de variao de r: 0 r 1
Interpretao:
a) Prximo de 1: Forte poder de explicao do
modelo (reta de regresso);
b) Prximo de 0: Fraco poder de explicao do
modelo (reta de regresso);
c) Exempo: r = 0,92. Ento, 92% da variao
de y pode ser explicada pera relao entre x e
y.
total Variao
explicada Variao
2
= r
Matematicamente, pode-se
escrever a equao de r
desta forma:
( )
( )

=
=

=
n
i
i
n
i
i
y y
y y
r
1
2
1
2
2

Linearizao de funes no-lineares.
Nem todas as funes analisadas na realidade sero lineares, porm possvel
aplicar procedimentos matemticos na tentativa de linearizar algumas funes.
Ano Vendas LN (ano) LN (vendas)
1 3,00 0,000 1,099
2 17,00 0,693 2,833
3 60,00 1,099 4,094
4 250,00 1,386 5,521
5 1.100,00 1,609 7,003
6 2.900,00 1,792 7,972
7 5.200,00 1,946 8,556
Vendas ao longo do tempo
y = 799,89x - 1838,1
R
2
= 0,7543
-2.000,00
-1.000,00
0,00
1.000,00
2.000,00
3.000,00
4.000,00
5.000,00
6.000,00
0 1 2 3 4 5 6 7 8
Anos
Linearizao de funes no-lineares.
possvel verificar, pelo grfico, que as vendas crescem de maneira NO LINEAR,
indicando a possibilidade de que se trate, portanto, de uma funo polinomial ou
funo potncia.
Uma funo POTNCIA tem a forma:
b
x a y . =
possvel, atravs da aplicao de logaritmos, linearizar esta funo, como segue:
) . ( ) (
b
x a LN y LN =
) ( ) ( ) (
b
x LN a LN y LN + =
) ( . ) ( ) ( x LN b a LN y LN + =
Finalmente chegando funo linear convencional:
* * *
.x b a y + =
Na qual, tem-se que:
) (
) (
) (
*
*
*
x LN x
a LN a
y LN y
=
=
=
Linearizao de funes no-lineares.
Atravs dos procedimentos j estudados anteriormente possvel, agora, encontrar
a equao de Regresso que gerar uma Reta de Regresso.
Logaritmo Natural das Vendas
y = 3,9674x + 0,4653
R
2
= 0,9652
0,000
1,000
2,000
3,000
4,000
5,000
6,000
7,000
8,000
9,000
0,000 0,500 1,000 1,500 2,000 2,500
Logaritmo Natural dos anos
Linearizao de funes no-lineares.
Atravs dos procedimentos j estudados anteriormente possvel, agora, encontrar
a equao de Regresso que gerar uma Reta de Regresso:
x y . 9674 , 3 4653 , 0 + =
Aplicando-se os ANTILOGARITMOS aos valores matematicamente linearizados
possvel chegar verdadeira equao do modelo de regresso estatstica:
* * *
.x b a y + =
Lembre-se que a equao da reta linearizada :
Na qual, tem-se que:
) (
) (
) (
*
*
*
x LN x
a LN a
y LN y
=
=
=
Ento, aplicando-se ANTILOG vem:
5925 , 1
) (
9674 , 3
4653 , 0
*
=
=
=
=
e
e a
a LN a
b
x
a
x
y 9674 , 3 5925 , 1 =
Seu R igual a 0,9652
Linearizao de funes no-lineares.
x
y 9674 , 3 5925 , 1 =
Vendas ao Longo do tempo
y = 1,5925x
3,9674
R
2
= 0,9652
0,00
1.000,00
2.000,00
3.000,00
4.000,00
5.000,00
6.000,00
0 1 2 3 4 5 6 7 8
Anos
Questes e dvidas?