ndice

INTRODUCAO ............................................................................................................................ 1 Problema ....................................................................................................................................... 1 Objetivo geral ................................................................................................................................ 1 Objetivos especficos ................................................................................................................ 1 Hiptese do estudo ........................................................................................................................ 1 Metodologia .................................................................................................................................. 2 Reviso da literatura ...................................................................................................................... 2 Anlise de regresso ................................................................................................................ 2 Circunstncias em que se aplica ............................................................................................ 2 Modelo de Regresso Linear Simples ................................................................................... 3 Pressupostos ......................................................................................................................... 3 Apresentao e discusso de resultados ........................................................................................ 3 Modelo Estatstico ......................................................................................................................... 5 Teste para normalidade ................................................................................................................. 6 Concluso ...................................................................................................................................... 9

INTRODUCAO
Em muitos estudos estatsticos, o objetivo estabelecer relaes que possibilitem predizer uma ou mais variveis em termos de outras. Assim que se fazem estudos para predizer as vendas futuras de um produto em funo do seu preo, a perda de peso de uma pessoa em decorrer do nmero de dias que se submete a uma determinada dieta e\ou tratamento.

Problema
Este trabalho se prope a discutir se existe correlao entre a variao do peso dos indivduos com os diferentes fatores que estes esto expostos. Sendo assim o problema de pesquisa pode ser entendido como: existe correlao entre a variao do peso e o tratamento que este foi exposto e a existncia da possvel correlao entre o peso atual e o anterior do individuo?

Objetivo geral
Para discutir o problema apresentado, este estudo tem como objetivo testar empiricamente a relao entre a variao do peso e/ou a relao entre o peso atual e anterior do individuo.

Objetivos especficos
Os seguintes objetivos especficos foram delineados: Investigar o efeito do tratamento Fatores que possivelmente esto relacionados com esse efeito

Hiptese do estudo
A aplicao do tratamento para reduo do peso tem um efeito significativo, isto , com a submisso a um dado tratamento de dieta tende se a perder o peso consideravelmente.

Metodologia
Para tanto, utilizou-se a tcnica estatstica de regresso linear e como resultados obtivemos o fator de explicao, os pesos das variveis e sua significncia. Para fazer essa anlise utilizou-se os dados dum experimento inserido num programa diettico, como auxlio de softwares estatsticos como SPSS, pacote estatstico livre R e M.Excell 2007.

Como pressuposto de anlise partiu-se da fundamentao terica que relata a relao entre os dois pesos e o efeito do tratamento.

Para mais pormenor apresentamos abaixo a discusso dos resultados e as concluses que estes nos propuseram.

Reviso da literatura
Anlise de regresso A anlise de regresso aplicada para compreender a dependncia estatstica de uma varivel em relao a outras variveis. A tcnica pode mostrar que proporo de variao entre variveis se deve varivel dependente e que proporo se deve s variveis independentes. A relao entre as variveis pode ser ilustrada graficamente ou, na maioria dos casos, por via de uma equao matemtica.

Circunstncias em que se aplica Esta tcnica estatstica habitualmente usada na avaliao de programas no sentido de estimar efeitos. Os efeitos lquidos do programa sob avaliao podem ser analisados

com base na anlise de regresso, atribuindo parte das mudanas observadas a variveis explicativas, sendo os efeitos restantes atribudos ao programa.

Modelo de Regresso Linear Simples

Um modelo de regresso linear simples (MRLS) descreve uma relao entre uma varivel independente (explicativa) X e uma varivel dependente (resposta) Y, nos termos seguintes:

Onde

so constantes (parmetros) desconhecidas e

o erro aleatrio.

Pressupostos

(i) E ( ) = 0 Var ( ) =

(desconhecido).

(ii) Os erros so no correlacionados (iii) A varivel explicativa X controlada pelo experimentador. (iv) ~iddN (0, )

Apresentao e discusso de resultados

O primeiro ponto restringe se em investigar a possvel associao (relao) existente entre o peso antes e depois?

PESO_DEPOIS

60

70

80

90

60

70

80 PESO_ANTES

90

100

Fig1: diagrama de disperso

O diagrama de disperso acima apresentado em relao a distribuio das variveis peso_antes e peso_depois a possvel existncia de uma correlao linear, ps a disperso dos destes sugere uma tendncia linear, isto , revela nos possvel existncia de uma relao positiva forte entre os pesos dos indivduos nos dois perodos que estes foram mensurados, essa relao nos dada pela forma que a nuvem de pontos apresenta a distribuio dos seus pontos na representao bidimensional da varivel peso nos dois perodos de mensurao.

Sendo que este diagrama nos ilustra uma ideia, e no o concreto ser necessrio a estimao do modelo estatstico, atravs do mtodo dos mnimos quadrados.

Coluna1 Interceptar

Coeficientes 5,127247693

Erro-padro 3,36153852 0,041968292

Stat t

valor P

1,525268 0,129326 21,13447 1,52E-46

PESO_ANTES 0,886977518

Hipteses

Interpretao: Com base no valor P podemos dizer que na reta se significncia de 5% o valor de nula.

, a nvel

diferente de zero, isto , rejeitamos a hiptese

Modelo Estatstico
PESO_DEPOIS = 0,887* PESO_ANTES + 5,1272+

Sendo: PESO_DEPOIS=y; PESO_ANTES=x

Equao da reta estimada de regresso linear.

SUMRIO RESULTADOS Estatstica de regresso R mltiplo Quadrado de R Quadrado de R ajustado Erro-padro Durbin-Watson Observaes

DOS

0,866672 0,751121 0,749439 4,739737 1,261688 150

INTER\PRETAO: O coeficiente de determinao (R square) igual a 0,75112, este valor indica que cerca 75,1121% da variao do peso depois explicada pelo peso antes do tratamento atravs do modelo de regresso linear simples.

Linearidade

residuals(a)

-10

-5

60

70 x

80

90

100

A figura acima mostra o grfico do resduos X PESO_ANTES, que nela podemos observar que a distribuio dos resduos no segue nenhum padro, mas sim esta distribudo de forma aleatria, isto indica que o pressuposto de linearidade no foi violado.

Teste para normalidade

Fazendo os testes de Kolmogorov-Smirnov e de Shapiro-Wilk para normalidade

Hiptese {

Teste K-S s pode ser aplicado quando a distribuio indicada na hiptese nula est completamente especificada. No caso de pretendermos, por exemplo, efectuar um ajustamento de uma distribuio normal, sem especificar e , podemos recorrer a outro teste, neste caso o teste desenvolvido por Lilliefors (teste de normalidade de Lilliefors)

Com base no valor p-value dos dois testes efetuados para a normalidade, a nvel de significncia de 5% rejeitamos a hiptese nula de que termo de erro segue uma distribuio normal com media zero e varincia .

Normal Q-Q Plot

Sample Quantiles

-10

-5

-2

-1

0 Theoretical Quantiles

O grfico acima mostra a distribuio dos resduos X resduos padronizados a uma distribuio normal, o mesmo revela pela for que os mesmo esto distribudos ao longo da linha reta.

Homogeneidade das varincias

Com base no p-value a nvel de significncia 5% no rejeita se a hiptese nula de que h igualdade das varincias, o pressuposto no foi violado.

ANOVA F Gl Regresso Residual Total 1 148 149 SQ MQ F de

significncia

10034,39 10034,39 446,67 1,5E-46 3324,836 22,46511 13359,23

Anova Interpretao: A tabela acima (ANOVA) analisa o modelo de regresso. A coluna F dessa tabela corresponde ao teste conjunto dos coeficientes de regresso. A nvel de significncia 5% podemos dizer que os valores de de zero. so significativamente diferentes

Concluso
Com o uso da tcnica estatstica (analise de regresso) conseguimos verificar e medir a o grau de relao e o efeito da aplicao do tratamento na reduo do peso dos indivduos. Podemos afirmar a 5% de significncia de que existe uma relao positiva entre o peso antes e depois do tratamento, sendo a maior parte da variao do peso depois explicada pelo peso antes, sendo a equao de regresso , Onde 0,887 e o

coeficiente angular, que este representa a variao mdia de peso_depois por cada variao unitria do peso_antes no mesmo sentido de variao, e 5,1272 o valor esperado do peso_depois quando o peso_antes nulo (sendo esta interpretao no valida na pratica pois nenhum individuo de peso nulo se sujeitar a um dado tratamento).

No entanto podemos afirmar que a introduo de tratamento teve um efeito significativo na reduo do peso.