Slides Econometria

CAPTULO 9
PPGEP
REGRESSO LINEAR
SIMPLES
PPGEP
UFRGS
PPGEP/UFRGS
PPGEP
Regresso Linear Simples
PPGEP
PPGEP
Assim, possvel construir um modelo relacionando

resistncia abraso com quantidade de leo, e ento
pode-se usar esse modelo para fins de otimizao e
controle de processo.
REGRESSO LINEAR SIMPLES

Algumas vezes a relao funcional entre Y e X1, ..., Xk
relacionadas ao valor gasto em marketing com esse

produto. Assim, possvel construir um modelo
relacionando vendas gastos com marketing, e ento
pode-se usar esse modelo para fins previso de vendas.
Outro exemplo, as vendas de um produto podem estar
Em geral vamos supor que h uma varivel dependente

(ou varivel de resposta) Y que depende de k variveis
independentes (ou variveis regressoras) X1, ..., Xk.
A relao entre essas variveis ser descrita por um

modelo matemtico, chamado modelo de regresso, o
qual definido (ajustado) a um conjunto de dados.
PPGEP/UFRGS
Em muitos problemas h duas ou mais variveis que

so relacionadas, e pode ser importante modelar essa
relao.
Por exemplo, a resistncia abraso de um composto
de borracha pode depender da quantidade de leo
adicionada mistura.
PPGEP/UFRGS
conhecida exatamente. Outras vezes o pesquisador dever

buscar o modelo apropriado testando diferentes funes.
Modelos polinomiais so largamente utilizados como uma

funo aproximada da verdadeira relao entre Y e X, e
por isso sero descritos no captulo 10.
PPGEP/UFRGS
PPGEP
PPGEP
Para uma amostra de n pares de valores (x,y) o

coeficiente de correlao r fornece uma medida da relao
linear que existe entre duas variveis aleatrias X e Y.
PPGEP
Mas a anlise de regresso tambm muito til no caso

de experimentos planejados que incluem fatores a nveis
contnuos. Nesse caso a anlise de varincia usada para
identificar os fatores significativos, e a seguir a anlise de
regresso usada para construir um modelo que incorpore
esses fatores.
S xx =
2
xi
PPGEP
( xi )
n
S xy =
yi2 ( yi ) 2
Covarincia de X,Y:
xi yi ( xi )( yi )
n
Coeficiente de correlao
Para uma interpretao adequada do coeficiente de
Desvio-padro de Y:
S yy =
PPGEP/UFRGS
Clculo do coeficiente de correlao

Desvio-padro de X:
anlise de dados provenientes de experimentos no

planejados (observaes de um fenmeno no controlado
ou dados histricos).
Modelos de regresso so usados com freqncia na
PPGEP/UFRGS
Correlao
r ( x, y ) =
PPGEP/UFRGS
S xy
S xx S yy
correlao, X e Y deveriam ser variveis aleatrias, ao

contrrio do que acontece nos problemas de regresso,
onde Y aleatria, mas X considerada uma varivel fixa.
Mesmo assim, prtica comum calcular r em quase

todos os casos, isto , com X aleatria ou no. O
coeficiente de correlao linear r mede a intensidade da
relao linear entre duas variveis
PPGEP/UFRGS
Coeficiente de correlao linear
PPGEP
Deve-se ter em conta que r uma medida da relao
intensidade da relao linear entre duas variveis
linear entre as duas variveis e no tem sentido quando a

relao no linear.
O coeficiente de correlao varia de -1 r +1:

Valores de r prximos de +1 indicam uma forte
correlao positiva entre x e y
Valores de r prximos de -1 indicam uma forte
correlao negativa entre x e y
Valores de r prximos de 0 indicam uma fraca
correlao entre x e y
PPGEP/UFRGS
PPGEP
Coeficiente de correlao linear
O coeficiente de correlao linear r mede a

PPGEP
Alm disso, o pesquisador deve ter em mente que a

existncia de uma correlao entre duas variveis no
implica necessariamente na existncia de um
relacionamento de causa e efeito entre elas.
PPGEP/UFRGS
Por exemplo.
PPGEP
10
Rendimento de combustvel
Exemplo 9.1: Aps uma regulagem eletrnica um veculo

apresenta um rendimento ideal no que tange a consumo
12
rendimento vai se degradando.
Os dados a seguir
de combustvel. Contudo, com o passar do tempo esse

representam o rendimento medido ms a ms aps a
regulagem. Ajuste um modelo linear a esses dados.
X:meses aps a regulagem

Y : rendimento
X:meses aps a regulagem
Y : rendimento
1
10,7
7
9,0
2
10,9
8
9,3
PPGEP/UFRGS
3
10,8
9
7,6
4
9,3
10
7,6
5
9,5
11
7,9
6
10,4
12
7,7
11
Co
11
10
9
8
7
0
10 12
Tempo aps a regulagem

PPGEP/UFRGS
12
Clculos iniciais
PPGEP
xi = 78,00 ;
yi = 110,70 ;
X^2
1
4
9
16
25
36
49
64
81
100
121
144
650
Y^2
114,49
118,81
116,64
86,49
90,25
108,16
81
86,49
57,76
57,76
62,41
59,29
1039,55
X*Y
10,7
21,8
32,4
37,2
47,5
62,4
63
74,4
68,4
76
86,9
92,4
673,1
xi2 = 650,00;
yi2 = 1039,55;
PPGEP/UFRGS
PPGEP
PPGEP
46,45
xy
Coeficiente de correlao: r = S S = 143,00 x 18,34 = 0,907
xx
yy
Interpretao: Existe uma correlao linear inversa na amostra

entre meses aps a regulagem e rendimento. A intensidade
desta correlao forte.
14
Teste de hiptese para coeficiente de

correlao
Assim a hiptese da existncia de uma relao entre X e
pode ser formulada usando-se:

H0 : = 0
Covarincia de X,Y: SXY = xi yi (xi )( yi ) n = 673,1 (78110,70) /12 = 46,45
PPGEP/UFRGS
A hiptese da existncia de uma relao entre X e Y,
H1 : 0
onde a letra usada para representar o valor

populacional do coeficiente de correlao. Pode ser
demonstrado que o valor de t pode ser calculado usando:
r n2
1 r2
PPGEP/UFRGS
2
Desvio-padro de X: S XX = xi2 ( xi ) n = 650 (78)2 / 12 = 143,00
13
Teste de hiptese para coeficiente de

correlao
t=
Clculos
Desvio-padro de Y: SYY = yi2 ( yi )2 n = 1039,55 (110,70)2 / 12 = 18,34
Meses(X) Rendimento(Y)
1
10,7
2
10,9
3
10,8
4
9,3
5
9,5
6
10,4
7
9
8
9,3
9
7,6
10
7,6
11
7,9
12
7,7
78
110,7
6,5
9,225
PPGEP
15
Y pode ser verificada diretamente a partir do valor amostral

do coeficiente de correlao. Como sempre a hiptese nula
ser rejeitada se o valor calculado for maior que o tabelado:
t > t / 2,n 2
Para o exemplo em estudo tem-se:

t=
0,907 12 2
1 ( 0,907)2
= 6,82 > t0,025;10 = 2,228 rejeita - se H 0,
ou seja, descarta-se a hiptese nula e conclui-se que

existe correlao entre as variveis estudadas.
PPGEP/UFRGS
16
PPGEP
PPGEP
E suponha que a relao entre Y e X seja
A regresso linear simples estima uma equao
aproximadamente linear. Ento o valor esperado de Y para

cada valor de X vir dado por:
independente), prev o valor de Y (varivel dependente).
matemtica (ou modelo) que dado o valor de X (varivel
dito relao linear simples, pois supe-se tendncia

linear entre as variveis e simples por ser uma nica
varivel independente
Seja que existam dados coletados (pares de valores)

associando uma varivel de resposta Y com uma
varivel regressora X.
PPGEP/UFRGS
enquanto que 1 a inclinao da reta, que pode ser

positiva, negativa ou nula.
PPGEP
Y = 0 + 1 X + (1)
onde o erro aleatrio, com mdia 0 e varincia 2.

A eq. (1) chamada de modelo de regresso linear
simples.
Clculos iniciais
xi = 78,00 ; xi2 = 650,00
yi = 110,70 ; yi2 = 1039,55
18
; X = 6,50
; Y = 9 ,225
L = (yi - b0 - b1 xi)2
onde b0 e b1 so estimativas amostrais de 0 e 1. O

uso do mtodo conduz s seguintes estimativas:
Humm...
Mas, como
estimar bo e b1 ?
PPGEP/UFRGS
desconhecidos. Vamos supor que cada observao Y

possa ser descrita pelo modelo:
S XX = xi2 ( xi ) n = 143
estimar os parmetros 0 e 1 usando o mtodo dos

Mnimos Quadrados e tendo como objetivo minimizar:
bo = Y b1 X
onde os parmetros da relao linear, 0 e 1, so
PPGEP/UFRGS
Se h n pares de dados (y1, x1), ..., (yn, xn) possvel
b1 = SXY / SXX
E (Y/X) = 0 + 1 X
17
O coeficiente 0 a interseo (valor de Y para X = 0)
PPGEP
19
DE NOVO
SYY = yi2 ( yi ) n = 18,34

2
SXY = xi yi ( xi )( yi ) n = 46,45
Estimativa dos parmetros:
b1 = SXY / SXX = -46,45 / 143,00 = -0,325
b0 = = 9,225 - (-0,325) 6,50 = 11,34
Equao de regresso
Y = 11,34 - 0,325 X
PPGEP/UFRGS
20
PPGEP
Relao entre o Coeficiente de

Correlao e a Regresso
PPGEP
O valor de r um valor sem dimenso, que apenas
Decomposio dos resduos

Yi
fornece uma idia da relao linear entre duas variveis.
Pode ser demonstrado que existe a seguinte relao:

S2 =
n 1
(1 r 2 ) S y2
n2
onde S2 a varincia dos desvios em relao ao

modelo, e a varincia dos valores de Y.
Se n grande, temos:
S
1 r S 2y
PPGEP/UFRGS
PPGEP
(Yi Y )
relao entre as duas variveis, tambm se encontra uma

equao que pode ser usada para fornecer estimativas.
(Y$i Y )
Para o exemplo analisado resultou r =(-0,907)2 = 0,82,
Xi
Nessa forma observamos que r2 equivale a proporo da

varincia dos valores de Y que pode ser atribuda
regresso com a varivel X.
r2 conhecido como coeficiente de Determinao.

PPGEP/UFRGS
21
PPGEP
Para verificar a preciso das estimativas, determinar
18% da variabilidade total devido a outros fatores que
Pode ser demonstrado que uma estimativa da varincia
no foram investigados
Tambm pode ser demonstrado que:

r = b1 SX / SY
Assim, dado um conjunto de pares (x,y), conhecida a

inclinao b1, possvel calcular o coeficiente de
correlao r, ou vice-versa.
PPGEP/UFRGS
23
22
Varincia dos Estimadores
ou seja, 82% da variabilidade nos resultados de rendimento

de combustvel pode ser devida ao tempo decorrido aps a
regulagem.
intervalos de confiana e testar hipteses importante

conhecer a varincia dos estimadores.
No caso de regresso, alm de se ter uma idia da
Y= bo+b1 X
(Yi Y$i )
residual, 2, vem dada por

S2 = SQR / (n-2)
SQR = SYY b1SXY
E a partir de 2 obtm-se as estimativas das varincias

de b1 e b0 :
Sb2 1 = S 2 S XX
1 X 2
Sb2 0 = S 2 +
n S XX
PPGEP/UFRGS
24
Intervalos de Confiana e Testes de Hiptese

PPGEP
PPGEP
Como os resduos de Y supostamente seguem a
Isto , testa-se se a inclinao igual a zero, o que
distribuio Normal, e como os valores de a e b so

funes lineares de Y, possvel demonstrar que:
equivale a testar se existe uma relao entre Y e X.

Usando a eq. (2) tem-se:
(
)
b1 N (1 ,b2 1 )
b0 N 0 ,b2 0
Esses resultados podem ser usados em testes de

hiptese. Por exemplo, se a hiptese :
H 0 : 1 = 10
H 1 : 1 10
ento calcula-se:
Z = (b1 - 10) / b1
PPGEP/UFRGS
PPGEP/UFRGS
e nesse caso H0 rejeitada se t > t / 2 ,n2 .
PPGEP
(2)
O intervalo de confiana para 1 vir dado por

b1 t / 2 Sb 1 < 1 < b1 + t / 2 Sb 1
Uma hiptese testada com freqncia :

H 0 : 1 = 0
H 1 : 1 0
PPGEP/UFRGS
Como sempre, H0 ser rejeitado se t > t / 2 ,n 2 .
26
Exemplo 9.3: Usando os dados do problema do consumo
se resultar Z > Z / 2 . Como em geral a varincia S2 no

conhecida, usa-se:
t = (b1 - 10) / Sb1
que deve ser comparado com o valor tabelado t / 2 ,n 2 .
25
e, para um nvel de probabilidade , H0 ser rejeitada

PPGEP
t = b1 / Sb1
27
de combustvel, obtenha as estimativas para a varincia

residual e para a varincia dos parmetros b0 e b1.
Construa um intervalo de confiana para a inclinao b1
e verifique a hiptese .
Estimativa das varincias

SQR = SYY b1S XY = 3,24
S 2 = SQR /( n 2 ) = 0 ,324 ;
Sb21 = S 2 / S XX = 0 ,00227
1 X2
Sb20 = S 2 +
n S XX
S = 0 ,569
;
= 0 ,123 ;
PPGEP/UFRGS
Sb 1 = 0 ,0476
Sb 0 = 0,351
28
PPGEP
PPGEP
Intervalo de confiana para b1
A anlise de regresso produz uma relao entre as

variveis consideradas, a qual pode ser usada para prever
valores de Y.
-0,325 - 2,228 (0,0476) < 1 < -0,325 + 2,228 (0,0476)
t0,025;10 = 2,228
-0,431 < 1 <-0,219
Como esse intervalo no inclui o zero, a hiptese 1 =

0 rejeitada, ou seja, existe uma relao entre o
consumo de combustvel e o tempo decorrido aps a
regulagem.
PPGEP/UFRGS
PPGEP
PPGEP
valor mdio de Y vem dada por:
= S
( x 0 X ) 2
S XX
PPGEP/UFRGS
Nos dois casos a estimativa pontual de Y a mesma,

mas a amplitude do intervalo de confiana diferente.
O intervalo de confiana mais amplo para o caso de
previses de valores individuais.
30
Previso de um valor mdio de Y

quando x0 = X e aumenta quando x0 afasta-se de X .
Pode ser demonstrado que a varincia da previso de um
2 1
previso: previso de um valor mdio de Y e previso de

um valor individual de Y.
Como pode ser visto, a varincia da previso mnima
A varincia dos valores preditos ir depender no somente

de S2, mas tambm do valor de x0. Isso acontece porque
as previses so mais precisas quando x0 X e menos
precisas quando x0 aproxima-se dos extremos
investigados.
Dado um certo valor de X = x0, h dois tipos de
PPGEP/UFRGS
29
Previso de um valor mdio de Y
S Y2 p
Previso de valores de Y
31
Assim, o intervalo de confiana para a previso de um

valor mdio vir dado por:
( )
Y = (b0 + b1 X0) t/2 ; n-2 SY
PPGEP/UFRGS
32
Previso de um valor individual de Y

PPGEP
PPGEP
A varincia da previso de valores individuais de Y segue
Pode ser demonstrado que a varincia da previso de um
o mesmo comportamento observado para os valores

mdios. Contudo, a varincia maior no caso de valores
individuais.
valor individual de Y vem dada por:
1 (x X )2
2
= S 2 1 + + 0
SYp
S XX
n
De modo que o intervalo de confiana para a previso de

um valor individual de Y :
( )
Y = (b0 + b1 X0) t/2 ; n-2 SY p
PPGEP/UFRGS
PPGEP
9
8
7
4
8 10 12
Tempo aps a regulagem

PPGEP/UFRGS
SY2 p = 0 ,324 + 0 ,0157 = 0 ,0321 ;

12
SY2 p = 0 ,324 1 + + 0 ,0157 = 0 ,356 ;

12
SY
= 0 ,179
SY
= 0 ,597
34
Anlise da Validade do Modelo

podem ser verificadas atravs de uma anlise dos
resduos. Os resduos padronizados so calculados como:
11
10
S XX
A adequao do ajuste e as suposies do modelo
12
( x0 X ) 2 = 0,0157
PPGEP/UFRGS
Y = 8,74 2,228 . (0,179)

Y = 8,74 0,399
Valor individual para x0 = 8
Y = 8,74 2,228 . (0,597)
Y = 8,74 1,33
Co
(b0 + b1 x0) = 8,74 ;
33
Valor mdio para x0 = 8

PPGEP
Usando os dados do problema do consumo de

combustvel, obtenha os intervalos de confiana de 95%
para a previso de um valor mdio e um valor individual
de Y para um tempo x0 = 8 meses.
35
Ri = yi ( b0 + b1xi )
S
SQR = SYY b1SXY
S2 = SQR / n 2
Adequao do ajuste
A adequao do ajuste testada plotando os resduos em
funo de X. Se o ajuste for bom, os resduos seguiro um
padro aleatrio. Caso contrrio, alguma tendncia
curvilnea ser observada.
PPGEP/UFRGS
36
Na figura a seguir, (a) representa uma situao onde o

ajuste adequado, enquanto (b) representa uma situao
onde o modelo linear no se ajusta bem aos dados.
2
Re 0
Re 0
-1
-1
(a)
12
16
20
12
16
20
(b)
Se o modelo linear no fornece um bom ajuste, s vezes o

problema pode ser contornado trabalhando-se com valores
transformados de X ou Y, por exemplo,
Y = b0 + b1 X
Y = b0 + b1 X
onde X =
PPGEP
Se a suposio de homogeneidade da varincia
3
2
Re 0
Re 0
-1
-1
-2
-2
0
(a)
12
16
20
-3
0
12
16
20
(b)
38
Normalidade dos Resduos

O teste da normalidade da distribuio dos resduos pode
rejeitada, pode-se usar o mtodo da regresso linear

ponderada, onde se busca os valores de 0 e 1 que
minimizam
se a suposio de homogeneidade, enquanto que em (b) essa

suposio violada.
PPGEP/UFRGS
37
Homogeneidade da varincia
L = wi (yi - (b0 + b1 xi))2
Nesse caso, os pesos wi so inversamente

proporcionais varincia.
PPGEP/UFRGS
A suposio de homogeneidade da varincia 2 ao longo

de todo o intervalo de X tambm pode ser verificada
analisando o grfico de Resduos X.
-2
-2
Homogeneidade da varincia
A figura a seguir apresenta uma situao (a) onde verifica-
PPGEP/UFRGS
PPGEP
PPGEP
PPGEP
39
ser feito plotando-se os resduos em papel de probabilidade

ou utilizando testes analticos de normalidade, como o teste
do Chi-quadrado ou o teste de Kolmorov-Smirnov.
Se a suposio de normalidade rejeitada, muitas vezes

uma transformao matemtica nos valores de X e Y
(logaritmo, inverso, raiz quadrada) ir gerar valores
transformados com resduos normalmente distribudos.
Ento o problema analisado no espao das variveis

transformadas e ao final retorna-se ao espao original.
PPGEP/UFRGS
40
PPGEP
A Anlise de Varincia e a Regresso
Intervalo de Variao para X
PPGEP
A anlise de varincia tambm aplicvel aos

problemas de regresso. Na regresso simples, podemos
decompor os resduos da seguinte maneira:
o intervalo de variao de X. Se o intervalo pequeno,

Sb1 ser grande e nesse caso ser difcil rejeitar a
hiptese H0 : b1 = 0.
A varincia da inclinao b1 aumenta quando se reduz
Em outras palavras, se a relao entre X e Y medida

em um intervalo reduzido de X, os parmetros estimados
no tero muito significado estatstico.
Se o objetivo construir um modelo de regresso, devese coletar dados nos extremos do intervalo de X, ou
seja, nos limites de interesse e viabilidade prticos ou
nos limites em que se supe vlida a relao linear.
PPGEP/UFRGS
(Yi Y ) 2 = [ yi (b0 + b1 X i )] + [ ( b0 + b1 X i ) Y ]
2
Uma vez que o produto cruzado resulta nulo. Essa

equao tambm pode ser escrita como:
SYY = SQR + SQReg
Cujos graus de liberdade valem respectivamente:

(n - 1) = (n - 2) + 1
PPGEP/UFRGS
A Anlise de Varincia e a Regresso

PPGEP
Assim, a mdia quadrada associada com o modelo de
42
Tabela ANOVA
A tabela ANOVA, contendo o formulrio prtico para o
regresso e a mdia quadrada dos resduos resultam:
clculo das Somas Quadradas e os demais

desenvolvimentos at o teste F
MQReg = SQReg / 1
MQR = SQR / (n - 2)
Elevando ao quadrado e somando, obtm-se:
41
PPGEP
E o teste F feito comparando MQReg, com MQR,

ou seja,
F = MQReg / MQR
A hiptese nula, H0 : 1 = 0, ser rejeitada sempre que

F > F, 1, n-2
A seguir apresenta-se a tabela ANOVA, contendo o

formulrio prtico para o clculo das Somas Quadradas
e os demais desenvolvimentos at o teste F.
PPGEP/UFRGS
(Yi Y ) = [ yi (b0 + b1 X i )] + [ ( b0 + b1 X i ) Y ]
43
Fonte de
Variao
Regresso
Residual
Total
SQ
GDL
MQ
SQReg = b1 SXY
SQR=SYY - b1SXY
SYY
1
n-2
n-1
MQReg
MQR
MQReg/MQR
PPGEP/UFRGS
44
Exemplo 9.5: Faa a anlise de varincia para o problema

PPGEP
do consumo de combustvel e confirme a significncia do

modelo de regresso linear.
PPGEP
Soluo:
SYY = 18,34
SXY = - 46,45
b1 = - 0,325
SQR = 3,24
Assim
SQReg = b1 SXY = - 0,325 (- 46,45) = 15,10
De modo que a ANOVA resulta:
PPGEP/UFRGS
PPGEP
J tnhamos calculado as Somas Quadradas SYY e SQR

como:
GDL
MQ
15,10
3,24
18,34
1
10
11
15,10
0,324
46,6
O valor de F calculado (46,6) muito maior que o

tabelado (4,96) e assim confirma-se a significncia do
modelo.
Nota: o coeficiente de determinao r2 tambm pode

ser calculado usando:
r2 =
SQ Re g 15,10
=
= 0,82 ou 82%
18,34
SYY
46
PPGEP
Se o conjunto pode estar contaminado por vrios
Algumas vezes, o conjunto de dados pode estar

contaminado com alguns dados atpicos. Esses dados
atpicos podem ser o resultado do efeito de algum fator
externo ao estudo, ou podem ser simplesmente um erro
de leitura e registro.
SQ
PPGEP/UFRGS
45
Dados Atpicos
Fonte de
Variao
Regresso
Residual
Total
Existe um procedimento para testar a significncia de

um dado atpico. Este procedimento est baseado na
determinao de uma nova equao, com o dado atpico
eliminado, seguido de um teste de hiptese comparando
os valores preditos pela equao original com aqueles
preditos pela nova equao.
PPGEP/UFRGS
47
dados atpicos, a soluo ser usar tcnicas de

regresso robusta. Neste tipo de anlise, dado um
peso menor queles dados que se afastam do conjunto.
Por exemplo, uma alternativa minimizar
L = wi [yi - (b0 + b1 xi)]2
onde os pesos wi so proporcionais ao inverso do
resduo Ri. A soluo obtida aps algumas iteraes.
PPGEP/UFRGS
48
PPGEP
Regresso No Linear Simples
PPGEP
Se o ajuste linear deficiente, muitas vezes possvel
Note-se que o mtodo dos mnimos quadrados aplicado
encontrar uma soluo aproximada, e em geral satisfatria,

utilizando uma transformao em X e/ou em Y.
aos valores transformados, isto , minimizando
f(y) = b0 + b1 g(X) +
Y* = b0 + b1 X* +
Os possveis valores de
etc. Igualmente, para
ln x, etc.
X*
y2 ,
= f(y) seriam y, 1/y,

ln y,
= g(x) poderamos usar x, 1/x, x2,
Uma vez definida a transformao, e confirmada em um

grfico de disperso a relao aproximadamente linear
entre Y* e X*, poderia-se usar o mtodo apresentado
anteriormente para obter as estimativas de 0 e 1.
PPGEP/UFRGS
PPGEP
Em forma genrica, teramos:
Y*
L = [ f (yi) - (b0 + bi g (xi))]2,
no vai fornecer os mesmos resultados que seriam obtidos

minimizando
L = [ yi - h (xi)]2,
onde h (x) uma funo no linear de x.
Contudo, as diferenas em geral so pequenas e no

comprometem a anlise.
PPGEP/UFRGS
49
50
9.3 Calcule os resduos padronizados Ri = [Yi - (b0 + b1
Exerccios
PPGEP
9.1 Em um processo qumico, a quantidade de slidos

depositada pode depender da concentrao de um
componente A que adicionado mistura. Ajuste um
modelo de regresso linear aos dados que aparecem a
seguir. Depois plote a reta de regresso e os valores
observados.
Conc. 0
0
0
2
2
2
4
4
4
6
6
6
8
8
8
Depos. 13,3 11,5 12,9 14,1 13,3 16,1 14,9 15,9 18,1 17,5 16,5 18,9 20,3 18,5 20,2
9.2 Para os dados do exerccio 9.1, calcule a varincia

residual e a varincia dos parmetros b0 e b1. Depois
construa um intervalo de confiana de 95% para a
inclinao b1 e verifique a hiptese H0 : 1 = 0.
PPGEP/UFRGS
Xi)] / S para os dados do exerccio 9.1. Em seguida, plote

um grfico de Resduos X e verifique se h evidncias
de falta de ajuste do modelo linear ou falta de
homogeneidade da varincia.
9.4 Ainda em relao aos dados do exerccio 9.1, calcule

Regresso No Linear Simples
51
os intervalos de confiana para um valor mdio e para um

valor individual de Y usando x0 = 0 e x0 = 8.
9.5 Um torno mecnico pode ser operado a diversas
velocidades. Contudo, a qualidade do acabamento, ou seja,

a rugosidade superficial, pode piorar com o aumento da
velocidade de operao. Ajuste um modelo de regresso
linear aos dados que aparecem a seguir e depois plote a
reta de regresso e os valores observados.
Velocidade
Rugosidade
3
3
3
6
6
6
9
9
9
12 12 12
26,0 21,5 33,5 36,0 27,5 37,0 41,5 28,0 39,5 43,0 37,0 50,5
PPGEP/UFRGS
52
PPGEP
PPGEP
tropical suspeita que h uma correlao entre a temperatura

do dia e produtividade. Dados coletados aleatoriamente ao
longo de um perodo de seis meses revelaram o seguinte:
9.7 Faa a anlise de varincia para os dados do exerccio

9.5 e confirme a significncia do modelo de regresso linear.
Em seguida calcule o valor do coeficiente de determinao e
indique qual o significado tcnico desse coeficiente para o
problema em questo.
PPGEP/UFRGS
9.6 Para os dados do exerccio 9.5, calcule a varincia

residual e a varincia dos parmetros b0 e b1. Depois,
construa um intervalo de confiana de 95% para a inclinao
b1 e verifique a hiptese da existncia de uma relao entre
velocidade e rugosidade superficial.
9.8 O gerente de uma indstria localizada em um pas
Temperatura
Produtividade
21,2 20,3 22,7 22,0 22,3 23,5 24,8 24,2 25,5 25,2 25,5 25,8
Temperatura
Produtividade
27,5 26,3 28,2 28,6 29,0 29,7 30,7 30,3 30,2 31,4 32,5 32,7
142
132
148
131
137
132
124
117
145
122
138
131
144 136 141 124
124
111
119
133
129
123
128
116
9.9 Calcule o valor do coeficiente de correlao entre a

Temperatura e a produtividade e verifique a hiptese H0 :=0.
Depois plote um grfico de disperso e visualize a natureza
da correlao entre Temperatura e Produtividade.
PPGEP/UFRGS
53
54
9.9 A anlise de 20 pares de valores indicou que a

PPGEP
resistncia trao (Y) de uma fibra sinttica usada na

indstria txtil guarda uma relao linear com a
percentagem de algodo (X) presente na fibra. A equao
obtida foi Y = 35,7 + 0,85X (X fornecido em percentagem,
equao vlida para o intervalo de X entre 20 e 35%).
Conhecidos os valores das Somas Quadradas SXY=43,68
e SYY=79,43 pede-se:
9.10 Um sofisticado simulador estocstico de trfego

fornece a velocidade mdia em avenidas de uma
metrpole em funo do volume de automveis. O
resultado de 14 simulaes revelou o seguinte:
PPGEP
a) Faa a anlise de Varincia e conclua a respeito da

significncia do modelo.
b) Calcule o valor do coeficiente de determinao r2 e
indique qual o seu significado tcnico.
PPGEP/UFRGS
55
V o l. d e
T r fe g o
V e lo c id .
M d ia
10
10
15
15
20
20
25
25
30
30
9 5 ,6
9 3 ,8
7 4 ,4
7 4 ,8
5 0 ,5
5 1 ,5
4 4 ,6
4 2 ,4
3 5 ,8
3 8 ,7
3 2 ,0
3 ,2
3 0 ,1
2 9 ,1
Ajuste um modelo linear a esses dados e ache a equao

de regresso Y = b0+ b1 X
PPGEP/UFRGS
56
PPGEP
9.11 Calcule os resduos padronizados para os dados do

exerccio 9.10. Aps, plote um grfico de Resduos X e
verifique se h evidncias de falta de ajuste do modelo
linear.
9.12 Utilize o seguinte modelo para ajustar os dados do
exerccio 9.10: Y=b0 + b1 (1 / X). Estime o valor dos

coeficientes b0 e b1 para esse modelo no linear e depois
repita a anlise de resduos pedida em 9.11, verificando se
para o presente modelo h evidncias de falta de ajuste.
PPGEP/UFRGS
57

Slides Econometria

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Slides Econometria

Hochgeladen von

Copyright:

Verfügbare Formate

CAPTULO 9

Regresso Linear Simples

Regresso Linear Simples

Assim, possvel construir um modelo relacionando

REGRESSO LINEAR SIMPLES

relacionadas ao valor gasto em marketing com esse

Regresso Linear Simples

Regresso Linear Simples

Outro exemplo, as vendas de um produto podem estar

Em geral vamos supor que h uma varivel dependente

A relao entre essas variveis ser descrita por um

Em muitos problemas h duas ou mais variveis que

REGRESSO LINEAR SIMPLES

REGRESSO LINEAR SIMPLES

conhecida exatamente. Outras vezes o pesquisador dever

Modelos polinomiais so largamente utilizados como uma

REGRESSO LINEAR SIMPLES

Para uma amostra de n pares de valores (x,y) o

Mas a anlise de regresso tambm muito til no caso

Clculo do coeficiente de correlao

Regresso Linear Simples

Regresso Linear Simples

anlise de dados provenientes de experimentos no

Regresso Linear Simples

Regresso Linear Simples

Modelos de regresso so usados com freqncia na

correlao, X e Y deveriam ser variveis aleatrias, ao

Mesmo assim, prtica comum calcular r em quase

Coeficiente de correlao linear

Deve-se ter em conta que r uma medida da relao

intensidade da relao linear entre duas variveis

linear entre as duas variveis e no tem sentido quando a

O coeficiente de correlao varia de -1 r +1:

Coeficiente de correlao linear

O coeficiente de correlao linear r mede a

Regresso Linear Simples

Alm disso, o pesquisador deve ter em mente que a

Exemplo 9.1: Aps uma regulagem eletrnica um veculo

rendimento vai se degradando.

Regresso Linear Simples

Regresso Linear Simples

de combustvel. Contudo, com o passar do tempo esse

X:meses aps a regulagem

Tempo aps a regulagem

Interpretao: Existe uma correlao linear inversa na amostra

Teste de hiptese para coeficiente de

pode ser formulada usando-se:

Regresso Linear Simples

Regresso Linear Simples

Covarincia de X,Y: SXY = xi yi (xi )( yi ) n = 673,1 (78110,70) /12 = 46,45

A hiptese da existncia de uma relao entre X e Y,

onde a letra usada para representar o valor

Teste de hiptese para coeficiente de

Desvio-padro de Y: SYY = yi2 ( yi )2 n = 1039,55 (110,70)2 / 12 = 18,34

Regresso Linear Simples

Regresso Linear Simples

Y pode ser verificada diretamente a partir do valor amostral

Para o exemplo em estudo tem-se:

= 6,82 > t0,025;10 = 2,228 rejeita - se H 0,

ou seja, descarta-se a hiptese nula e conclui-se que

Regresso Linear Simples

E suponha que a relao entre Y e X seja

A regresso linear simples estima uma equao