Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
INTRODUÇÃO
A linha de regressão neste caso é suposta com sendo uma reta. Logo a função que
desejamos obter é da forma:
y= ë+ ìx
sendo que a variável y é dita dependente e aleatória, e a variável x é dita independente e
suposta não-aleatória. Estimaremos os parâmetros eda reta teórica através dos
pontos experimentais fornecidos pela amostra, obtendo uma reta estimativa na forma:
yê = a + bx
onde a é a estimativa do parâmetro , e b, também chamado de coeficiente de regressão
linear, é a estimativa do parâmetro . O símbolo ÿ é utilizado para uma conveniente
distinção dos valores dados pela estimativa, das ordenadas dos pontos
experimentalmente obtidos.
Existem diversos métodos para a obtenção da reta desejada. O mais simples de
todos, que podemos chamar de método do ajuste visual, consiste simplesmente em traçar
diretamente a reta, com auxílio de uma régua, no diagrama de dispersão, procurando
fazer, da melhor forma possível, com que essa reta passe por entre os pontos. Esse
procedimento, entretanto, somente será razoável se a correlação linear for muito forte,
caso contrário levará a resultados subjetivos. Acima de tudo, merece a crítica de ser um
procedimento nem um pouco científico.
Outro procedimento é o chamado de procedimento de mínimos quadrados,
segundo o qual a reta a ser adotada deverá ser aquela que torna mínima a soma dos
quadrados das distâncias da reta aos pontos experimentais, medidas no sentido da
variação aleatória (eixo y - direção vertical). A idéia central desse procedimento é
simplesmente a de minimizar a variação residual em torno da reta estimativa. Dessa
forma:
P n
1
(xi à xö)yi Sxy
b= P n=
n =
i= 1
(xi à xö) 2 Sxx
a = yö à bxö
FUNÇÕES LINEARIZÁVEIS
x
y = ë:ì ,
yj = ë + ì 1X 1j + ì 2X 2j + :::: + ì kX j k + " j
com j=1,2,3....n. Essa equação pode ser expressa como:
Pk
yj = ë + ì iX ij + " j
i= 1
Como foi visto para a correlação linear simples, temos também um coeficiente de
correlação linear múltipla que possibilita determinar quantitativamente o grau de relação
linear entre as variáveis envolvidas no problema. Esse coeficiente é denotado por R tal
que
q
b1S1y+ ::::::::::bkSky
R= Syy
Quando se faz uma previsão com base na equação da linha de regressão, é lógico
que os escores previstos não são precisamente aqueles que se verificarão de fato. O que
a linha de regressão prevê é a média dos escores em y para cada valor de x. Há por isso
uma margem de erro, que não existiria se a correlação fosse perfeita.
A previsão da média dos escores em y partindo dos escores em x é importante
quando se quer prever o êxito em determinado emprego ou em certo curso com base nos
escores conseguidos num teste.
ANÁLISE DE MELHORIA