Professional Documents
Culture Documents
1.Reta de Regresso
Dada a amostra de 10 variveis relacionadas entre faixas de renda e seu
respectivo consumo, confeccionada a tabela abaixo. A varivel renda a
independente (X), enquanto a dependente dada pelo consumo (Y). A
partir dessas informaes foi elaborado uma reta de regresso linear com
o intuito de descrever a mostra de forma mais unificada e analisar melhor
a relao entre os valores.
Para isso utilizado a equao E(Y) = 0 + 1. Sendo o 0 responsvel por
mostrar onde o valor cortado na reta o 1 tem a funo de dar o ngulo
da reta relacionada a estes valores. Em nossa amostra, o 0 tem o valor de
19,333 e 1 tem o valor de 0,6033. A partir desses valores nossa reta de
regresso linear traada. Abaixo demonstrado os valores admitidos
por essa reta de regresso (que unifica os valores) em comparao aos Y
descritos na amostra.
A amostra dispe de um erro de padro de 6,1087 e uma varincia de 37,
31667, esses valores so importantes para observar a viabilidade da
amostra, quanto maior o erro, maior a desconexo em relao a reta e os
valores.
Reta de Regresso Linear
200
180
160
140
120
100
80
60
40
20
0
80 100 120 140 160 180 200 220 240 260
Yi Yh
Valores da Amostra
X Yi
80 65
100 74
120 94
140 113
160 116
180 130
200 144
220 140
240 165
260 178
2. INTERVALO DE CONFIANA DOS COEFICIENTES
A partir da delimitao do grau 95% de confiana, foram estabelecidos
intervalos para os parmetros BO e B1.
Para o B0 o valor ficou entre 2,2663069 e 36,0973295.
Para 0 B1 o valor ficou entre 0,500933 e 0,6979028
3. TESTE DE HIPTESES
Dado a hiptese nula de que o coeficiente zero e a hiptese alternativa
de que o coeficiente diferente de zero, feita uma anlise para saber
quais dessas hipteses se aplicam a amostra. Para averiguarmos isso
realizado o teste de hiptese para o intervalo de confiana, o teste de
significncia e o teste da Tabela Anova.
Utilizando um intervalo de confiana de 95%, o valor da tabela dado pela
distribuio T student. O valor da amostra dado pela diviso entre o
coeficiente B1 e a varincia de B1, alm disso decrescido do valor de B1
o valor dado pela hiptese anunciada.
Observa-se no teste de significncia que o T calculado da regresso
maior que o da tabela T student. Demonstrando que os valores de B0 e B1
so significativamente maiores que zero.
4. COEFICIENTE DE DETERMINAO
uma medida para verificar a qualidade do ajuste de uma regresso,
quanto menor for o valor do resduo maior a qualidade da reta.
A correlao Linear de Pearson em nossa mostra era um valor de 0,9878,
mostrando uma varincia pequena e um bom nvel de preciso
O coeficiente de Determinao calculado pela razo entre SQE (soma de
Quadrados explicados pela regresso) e SQT (soma de quadrado total). O
valor de nossa amostra foi de 0,97575 demonstrado que 97,5% das
variaes de y so explicas no modelo de regresso linear.
5. ANLISE DE VARINCIA ANOVA
A ANOVA verifica se o modelo estimado possui algum grau de explicao
sobre a varivel resposta. No caso de apenas duas variveis, esse mtodo
equivalente ao teste t para testar se o coeficiente angular do modelo
nulo, isto , 1 = 0 como hiptese nula.
Como no exemplo tem-se que o p-valor de F menor que o valor de 95%
de nvel de significncia, rejeita-se novamente a hiptese nula. Isso
demonstra que a escolha do valor de x(renda) impacta diretamente os
valores de Y(consumo). Tal situao embasada atravs da tabela abaixo.
6. PREVISO MDIA E PREVISO INDIVDUAL
Para realizao dessas previses utilizado o mecanismo de intervalo de
confiana com o intuito de estimar uma previso mdia e previso
individual para cada y proveniente da reta de regresso linear.
Na previso mdia dado uma previso onde 95% valores mdio de renda
presente se interligaram com o consumo mdio. Por exemplo, em nossa
amostra se a pessoa consumisse 67,5 reais o intervalo de valores mdios
que abarca essa caracterstica de (57,41;77,54).
Na previso individual um valor de X prev um valor pontual de Y. Em
nossa amostra o intervalo fica entre (35,35; 94,65). Isso significa que o
verdadeiro valor de Y estar em 95 de cada 100 valores. Na tabela baixo
demonstrado os valores inferiores e superiores para o consumo de cada
renda y.
7. Resduos
A amostra teve sua soma de resduos igual a zero comprovando que os
clculos at aqui apresentados possuem coerncia. Ao se realizar o
resduo estudentizado foi concludo que no havia nenhum ponto outlier,
ou seja, nenhum valor da amostra fugia de forma muito abruta os valores
dados pela reta de regresso linear, demonstrando no existir um ponto
de alavancagem na funo.
Pode se enxergar isso na medida que a maior parte desses resduos se
encontra de forma muito prxima a linha do zero. Demonstrando grande
constncia nesses resduos.
Erro Stundentizado
1.5
0.5
-0.5
-1
-1.5
-2
-2.5
TESTE DE BROWN-FORSYTHE
ANLISE AMOSTRA 1
Yi Yh
Erros Studentizados
2.5
1.5
0.5
0
0 2 4 6 8 10 12
-0.5
-1
-1.5
ANLISE AMOSTRA 2
Reta de Regresso Linear
200
180
160
140
120
100
80
60
40
20
0
80 100 120 140 160 180 200 220 240 260
Yi Yh
1.5
Erros Studentizados
1
0.5
0
0 2 4 6 8 10 12
-0.5
-1
-1.5
-2
-2.5
ANLISE AMOSTRA 3
Reta de Regresso Linear
250
200
150
100
50
0
80 100 120 140 160 180 200 220 240 260
Yi Yh
Erros Studentizados
2
1.5
1
0.5
0
-0.5 0 2 4 6 8 10 12
-1
-1.5
-2
-2.5
A amostra demonstra que nas rendas menores (at o valor de 120 para Y)
existe um grande nvel de interligao entre os valores da reta de
regresso e os erros na varincia. Contudo, nos valores intermedirios de
renda (140-180) existe uma maior discrepncia entre os erros, com um
valor com de 2 pontos de distncia da reta (tabela erro studentizados). Na
medida que os valores de renda aumentam depois do valor de 180, a reta
volta a se aproximar dos erros mantendo estes mais constantes. Apesar
dessa disparidade de valores no meio da tabela, de acordo com o teste
Brown Forsythe, a amostra considerada constante com o valor de
0,513987086 quando o valor do teste de 2, 306.
ANLISE AMOSTRA 4
Reta de Regresso Linear
250
200
150
100
50
0
80 100 120 140 160 180 200 220 240 260
Yi Yh
Erros Studentizados
1.5
0.5
0
0 2 4 6 8 10 12
-0.5
-1
-1.5
-2
Yi Yh
Erro Studentizado
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 2 4 6 8 10 12