0

Accia da Felicidade Sebastio Zevo

Alcinda Snia Jossefa Macucua
Dulce Maria Leonardo Cuavo
Feliciana Magomane Langa
Incio Manuel Nhatsave
Naira da Pscoa
Olinda Manuel Machai

Regresso Linear Simples

Licenciatura em Histria Politica e Gesto Pblica

Universidade Pedaggica
Xai-Xai
2015

Accia da Felicidade Sebastio Zevo

Alcinda Snia Jossefa Macucua
Dulce Maria Leonardo Cuavo
Feliciana Magomane Langa
Incio Manuel Nhatsave
Naira da Pscoa
Olinda Manuel Machai

Licenciatura em Histria Politica e Gesto Publica

Trabalho de Investigao sobre Regresso

Linear Simples para efeitos de avaliao em
grupo na Cadeira de Estatstica.
Sobre Orientao do Mcs. Tomas Nhabetse

Universidade Pedaggica
Xai-Xai
2015

ndice
1. Introduo .................................................................................................................. 3
2. Regresso Linear Simples ......................................................................................... 4
2.2. Objectivos da regresso Linear Simples ............................................................. 4
2.3. Modelo terico ..................................................................................................... 4
2.4. Pressupostos da Regresso Linear Simples ....................................................... 5
2.5. Recta da Regresso linear Simples .................................................................... 5
2.6. Inclinao da recta de regresso e coeficiente e corelao ................................ 6
2.7. Propriedades do Coeficiente da correlao ........................................................ 6
2.8. Estimao dos Parmetros do Modelo................................................................ 6
2.9. Mtodo dos mnimos quadrados ......................................................................... 6
2.10.

O uso do diagrama de disperso permite: ....................................................... 7

2.11.

Coeficiente de determinao ........................................................................... 7

3. Concluso .................................................................................................................. 8
4. Referencias Bibliogrficas ......................................................................................... 9

1. Introduo
O termo regresso foi proposto pela primeira vez por Sir Francis Galton em 1885 num
estudo onde demonstrou que a altura dos filhos no tende a reflectir a altura dos pais,
mas tende sim a regredir para a mdia da populao. Actualmente, o termo define um
conjunto vasto de tcnicas estatsticas usadas para modelar relaes entre variveis e
predizer o valor de uma ou mais variveis dependentes a partir de um conjunto de
variveis independentes (Maroco, 2003)
Na temtica deste trabalho faremos uma anlise de regresso linear simples, atravs
de uma pequena abordagem aos seus pressupostos, objectivos, Mtodo das mnimas
quadradas, coeficiente de correlao e coeficiente de determinao.

2. Regresso Linear Simples

Regresso Linear Simples a funo da relao causal que se estabelece entre duas
ou mais variveis (uma independente e outra dependente) quando apresentado na
forma de equao de recta ou do plano.
A determinao da relao entre variveis visa realizar previses sobre o
comportamento futuro de algum fenmeno da realidade, assim como simular os efeitos
sobre uma determinada varivel (y) em decorrncia de alteraes introduzida nos
valores da outra varivel (x).
Ex1: Prever a populao futura de uma cidade, simulando a tendncia de crescimento
da populao no passado.
Ex2: Simular aa produtividade de uma rea agrcola quendo se aplica certa quantidade
de fertilizantes sobre a terra.
Segundo Lima (2011) regresso linear simples quando queremos relacionar duas
variveis de tal forma que um vaivel possa ser predito a partir da outra representada
por uma linha recta, isto , avaliar causa e efeito, prevendo valores de ma varivel
dependente com base em resultados da varivel independente.
2.2.

Objectivos da regresso Linear Simples

Avaliar uma possvel dependncia de valores y em relao aos de x;

Expressar esta relao por meio de uma equao da recta.

2.3.

Modelo terico

A equao representativa do modelo de regresso linear simples dada por:

Onde:

Y a varivel explicada ou dependente (aleatria);

o nvel da varao ou desvio (i=1,2,n)

2.4.

Pressupostos da Regresso Linear Simples

Ao definir o modelo da Regresso Linear Simples estamos a pressupor que:

A varivel y deve ter uma distribuio normal;

A varivel de y deve ser a mesma para cada valor de x;

Os pontos nos grficos devem representar na tendncia linear; e

A amostragem independente aleatria.

2.5.

Recta da Regresso linear Simples

A linha recta representa o comportamento de valores y mediaos esperados para

distintos valores de x. esta recta dada pela seguinte equao:
Y= a + bx
Onde: y varivel dependente; a o coeficiente linear; b o coeficiente angular e x a
varivel independente.
b=

ou

n= no de pontos;
a= - b
Esta linha obtm-se atravs do conhecimento de valores da x e y e o coeficiente da
regresso estimando os parmetros a e b.

2.6.

Inclinao da recta de regresso e coeficiente e corelao

O coeficiente

a inclinao da recta de regresso amostral a qual estima o quanto o

y varia quando X varia. Por outro lado o coeficiente da relao entre duas variveis
mede o grau de associao linear entre elas.
O coeficiente da correlao uma medida de associao linear entre as variveis x e
Y, mas que no quantifica qualquer relao de causa e efeito.
2.7.

Propriedades do Coeficiente da correlao

Varia no intervalo de

Valores prximo de 1 indicam forte associao linear positiva, isto , crescendo X e

Y tende crescer na mesma direco;

Valores prximos de -1 indicam forte associao linear negativa;

Valores prximos de zero indicam ausncia de associao linear

2.8.

Estimao dos Parmetros do Modelo

Segundo Rodrigues (2012:07) prope estimar os parmetros

soma dos quadrados dos desvios,

minimizando a

(i=1,2,n) chamando este processo de mtodo

dos mnimos quadrados.

2.9.

Mtodo dos mnimos quadrados

Para Rogrigues (2012) o mtodo dos mnimos quadrados consiste na obteno dos
estimadores dos coeficientes de regresso

minimizando os resduos do modelo

de regresso linear, calculados como a diferena entre os valores observados,

valores estimados,

, e os

, isto :

Onde: ( i =1,2,n)
Este mtodo garante que a recta obtida aquele para a qual se tem as menores
distncias (ao quadrado) entre os valores observados (y) e a prpria recta.

Para se estimar a constante de regresso e o coeficiente de regresso usa-se o Mtodo

dos Mnimos Quadrados. Dada pela forma:

B=

a=

ou b=

:onde

=a+by: onde

so mdias para x e y, respectivamente;

o valor separado ou desvio de y para cada valores de x.

2.10. O uso do diagrama de disperso permite:

Decidir empiricamente se um relacionamento linear entre X e Y deve ser assumido;

e

Concluir (empiricamente) se o grau de relacionamento linear entre as vari aveis e

forte ou fraco.
2.11. Coeficiente de determinao

O coeficiente de determinao/ (R2 ) uma medida de proporo da variabilidade em

uma varivel que explicado pela variabilidade da outra.
O coeficiente est entre 0R2 1, por isso quanto mais prximo de 1 estiver o valor de
R2, melhor ser o ajuste do modelo e quanto mais prximo de zero, pior o ajuste.
A forma da expresso dada por:

3. Concluso
Do exposto, podemos concluir que a regresso linear simples um procedimento que
fornece uma equao de linhas rectas que descrevem fenmenos em que h uma
varivel independente.
A Regresso Linear simples possibilita fazer uma anlise a situaes causa e feito em
vrios problemas sociais. Como estudante do curso de HIPOGEP vai nos facilitar a criar
uma abstrao e rpida compreenso o comportamento de uma varivel dependente
em anlise quando lhe sujeita a variao da causa que a origina.

4. Referencias Bibliogrficas

LIMA, Mnica. Regresso Linear Simples. Braslia. 2011, Artigo disponvel em

https.slideshare.net/monica_lima/regresso-linear-simples;

MAROCO, J.. Anlise Estatstica Com utilizao do SPSS, 2 edio; Edies:

Slabo; So Paulo, 2003

RODRIGUES, S. C. Antunes. Modelo de Regresso Linear e suas Aplicaes.

Braslia 2012. Monografia para obteno do grau de mestrado na Universidade da

Beira Interior;