Regresso

Objetivo
Estudar a relao entre duas variveis quantitativas.

Exemplos:
Idade e altura das crianas
Tempo de prtica de esportes e ritmo cardaco
Tempo de estudo e nota na prova
Taxa de desemprego e taxa de criminalidade
Expectativa de vida e taxa de analfabetismo

A presena ou ausncia de relao linear pode

ser investigada sob dois pontos de vista:
a) Quantificando a fora dessa relao:
correlao.
b) Explicitando a forma dessa relao:
regresso.
Representao grfica de duas variveis
quantitativas: Diagrama de disperso

Exemplo 1: Um psiclogo est investigando a

relao entre o tempo que um indivduo leva para reagir
a um estmulo visual (Y) com o sexo (W), idade (X) e
acuidade visual (Z, medida em porcentagem).
X : idade
Y : tempo de reao

130

Analisamos utilizando
uma ANOVA

Modelo de regresso

Pelo grfico: mdia de Y

aumenta conforme as
pessoas envelhecem

120

110

100

90
20

30

40

Correlao entre Y e X = 0,768

Anlise de regresso: metodologia estatstica que

estuda (modela) a relao entre duas ou mais variveis
1. Tempo de reao varivel dependente ou resposta
idade varivel independente

modelo de regresso linear simples

2. Tempo de reao varivel dependente ou resposta
sexo, idade, acuidade visual var. independentes

modelo de regresso linear mltipla

Modelo de regresso linear simples:

yi = + xi +ei ,

i=1,...,n

em que
yi: valor da varivel resposta para o i-simo elemento
da amostra
xi: valor (conhecido) da varivel independente ou
preditora para o i-simo elemento da amostra
e so parmetros desconhecidos
ei: erro aleatrio (independentes com mdia 0 e
varincia 2)
Dessa forma, fixado xi, as variveis yi so
independentes e yi ~N( + xi , 2 )

Interpretao dos parmetros:

: (intercepto) valor esperado para a varivel dependente
yi quando xi igual a zero
: (coeficiente angular) variao esperada na varivel
resposta, quando a varivel independente aumenta uma
unidade
Estimao de e Mtodo de mnimos quadrados
minimizar a soma dos quadrados dos erros
SQ(, )= (yi- - xi)2
x e

y

x y
i 1
n

nxy

2
2
x

n
x
i
i 1

Reta ajustada:

y i x i

No exemplo:
n=20, yi= 2150, xi=600, xiyi=65400, xi2=19000

65400 20.30.107,5 0,90

2
11000 20.30
107,50 0,90.30 80,50

y i 80,50 0,90x i
Interpretao: Para um aumento de 1 ano na idade, o
tempo mdio de reao aumenta 0,90.
Podemos prever, por exemplo, o tempo mdio de reao
para pessoas de 20 anos y( 20) 80,50 0,90.20 98,50

y ( 25) 103 y( 30) 107,50 y ( 35) 112 y(40) 116 ,5

Valores prximos aos obtidos pela anlise de varincia

Vantagem: permite estimar o tempo mdio de

reao para idades no observadas

y ( 33) 80,50 0,90.33 110 ,20

Regression Plot
Y = 80,5 + 0,9X
R-Sq = 59,0 %
130

120

110

100

90
20

30

40

Resduos
Resduo a diferena entre o valor observado e
^

o valor ajustado pela reta, isto , Y - Y

Para verificar a adequao do ajuste deve-se
fazer uma anlise dos resduos.

Exemplo 2: criminalidade e
analfabetismo
Considere as duas variveis observadas em 50
estados norte-americanos.
Y: taxa de criminalidade
X: taxa de analfabetismo

Diagrama de disperso

Podemos notar que, conforme aumenta a taxa de

analfabetismo (X), a taxa de criminalidade (Y) tende
a aumentar. Nota-se tambm uma tendncia linear.
Correlao entre X e Y: 0,702

a reta ajustada :

^
Y : valor predito para a taxa de criminalidade
X : taxa de analfabetismo
Interpretao de b:
Para um aumento de uma unidade na taxa do
analfabetismo (X), a taxa de criminalidade (Y)
aumenta, em mdia, 4,257 unidades.

Graficamente, temos

Como desenhar a reta no grfico?

Exemplo 3: expectativa de vida e

analfabetismo
Considere as duas variveis observadas em 50
estados norte-americanos.
Y: expectativa de vida
X: taxa de analfabetismo

Diagrama de disperso

Podemos notar que, conforme aumenta a taxa de

analfabetismo (X), a expectativa de vida (Y) tende a
diminuir. Nota-se tambm uma tendncia linear.
Correlao entre X e Y:- 0,59

a reta ajustada :

^
Y : valor predito para a expectativa de vida
X : taxa de analfabetismo
Interpretao de b:
Para um aumento de uma unidade na taxa do
analfabetismo (X), a expectativa de vida (Y)
diminui, em mdia, 1,296 anos.

Graficamente, temos