Академический Документы
Профессиональный Документы
Культура Документы
Diagramas de dispersão
Correlação e Regressão
• 1. Y = α + βX + U;
• 2. E(Y/X) = α + βX;
• 3. V(Y/X) = σ2 ;
• 4. Cov(Ui, Uj) = 0, para i ≠ j;
• 5. A variável X permanece fixa em observações
sucessivas;
• 6. Os erros U são normalmente distribuídos.
Correlação e Regressão
• Onde:
Correlação e Regressão
• Coeficiente de determinação ou de
explicação (r²): indica quantos por cento a
variação explicada pela regressão representa
sobre a variação total.
• Esse termo é geralmente empregado para
descrever a porcentagem de variação nos
dados de Y que podem ser atribuídos à
variação nos dados de X. (0 ≤ r2 ≤ 1)
Correlação e Regressão
• Exemplo: Um analista seleciona uma amostra
aleatória de 10 carregamentos recentes de uma
transportadora e registra a distância em milhas e
o tempo de transporte até a entrega.
Distância (em Tempo de entrega
milhas) (em dias)
825 3,5
215 1
1070 4
550 2
480 1
920 3
1350 4,5
325 1,5
670 3
1215 5
Correlação e Regressão
Como uma estimativa pontual, podemos concluir que
aproximadamente 91% da variância no tempo de entrega é
estatisticamente explicada pela distância percorrida. Apenas 9%
da variância da distância permanecem inexplicadas.
a
b Y = a+bX
Correlação e Regressão
• Precisão das previsões
Interpolação: O valor de x previsto encontra-se
dentro da faixa dos dados originais e provavelmente a
previsão de Y produzida é precisa.
Extrapolação: O valor de x previsto encontra-se fora
da faixa dos dados originais e não é possível ter
certeza que o modelo é adequado.
Obs: o tamanho da amostra também tem efeito
importante na qualidade das previsões. É desejável
que se utilizem pelo menos 30 pontos de dados, já
que quanto maior a amostra, mais confiança pode-se
ter na precisão do modelo.
Correlação e Regressão