UNIVERSIDADE ESTADUAL DA PARABA - UEPB

CURSO QUMICA INDSTRIAL

Aluna: Lenice Barreto da Silva

Regresso Linear Simples e Mltipla

CAMPINA GRANDE

2017
A Regresso linear simples trata-se de uma reta traada em um grfico de
disperso, onde tem-se uma varivel aleatria X independente que prediz o
comportamento da varivel dependente Y , o modelo da frmula para obteno
da reta :

y = + x

Onde Y= +x a equao da reta terica de regresso, cujos parmetros a e

b sero estimados atravs dos pontos experimentais fornecidos pela amostra,
adquirindo uma reta estimativa.

Os dados para a anlise de regresso e correlao simples so da forma:

(x1,y1),(x2,y2),...,(xi,yi),...,(xn,yn)

A partir dos dados anteriores constri-se o diagrama de disperso, que deve

exibir uma tendncia linear para que se possa usar a regresso linear.

Este diagrama permite decidir empiricamente:

Se um relacionamento linear entre as variveis X e Y deve ser assumido

Se o grau de relacionamento linear entre as variveis forte ou fraco,
conforme o modo como se situam os pontos em redor de uma reta
imaginria que passa atravs do conjunto de pontos.

Exemplo de anlise de Regresso linear simples: Considere as duas variveis

abaixo observadas em 50 estados norte-americanos. Y: expectativa de vida X:
taxa de analfabetismo
Observaes: Podemos ver que quanto maior a taxa de analfabetismo,
menor a expectativa de vida, e observamos tambm a existncia de uma
tendncia linear entre as variveis.

A Regresso linear tem vrias aplicaes e com a mesma podemos adquir

diversas informaes a cerca da varivel analisada desejada, como aplicao
do procedimento de mnimos quadrados para minimizar a variao residual em
torno da reta estimativa, estimao de testes de hiptese para aceitao de
haver ou no regresso, construo de intervalos de confiana para os
parmetros, etc.. A seguir segue-se um modelo prtico donde obteremos
algumas destas informaes:

Seja X i o investimento em publicidade e Yi o lucro para certa empresa no ano

i . Tem-se a tabela seguinte em que os valores de X i e Yi esto em dezenas

de milhares de euros:

Ano Xi Yi
1995 50 500
1996 40 400
1997 80 750
1998 100 900
1999 120 1 300
2000 90 800
2001 150 1 550
2002 140 1 600
2003 120 1 250
2004 160 1 750

Admitindo que o investimento em publicidade explica o lucro, em cada ano, e

usando MRLS:

a) Estime os parmetros do modelo, interpretando os seus valores;

b) Calcule o coeficiente de correlao linear e interprete-o;
c) Calcule o coeficiente de determinao e interprete o seu valor;
d) Teste a hiptese b 0 contra a hiptese b 0 , com um nvel de
significncia de 5%;
e) Aplique o teste F , com um nvel de significncia de 5%;
 f) Admitindo que em 2005 se vo investir 1 800 000 euros em publicidade
preveja o valor mdio do lucro obtido pontualmente;
g) Nas mesmas condies de f) construa um intervalo de confiana para o
lucro mdio de 2005 a 95%;
O mesmo que em g) mas, agora, para o verdadeiro valor do lucro

Soluo:

a)
Xi Yi xi yi xi 2 xi y i yi 2
50 500 -55 -580 3 025 31 900 336 400
40 400 -65 -680 4 225 44 200 462 400
80 750 -25 -330 625 8 250 108 900
100 900 -5 -180 25 900 32 400
120 1 300 15 220 225 3 300 48 400
90 800 -15 -280 225 4 200 78 400
150 1 550 45 470 2 025 21 150 220 900
140 1 600 35 520 1 225 18 200 270 400
120 1 250 15 170 225 2 550 28 900
160 1 750 55 670 3 025 36 850 448 900
1 050 10 800 0 0 14 850 171 500 2 036 000

X 105 Y 1080

N
xi y i 171500
i 1
17150 ~
b N
N 10 11,55 .
14850 1485
xi 2 10
i 1
N

Portanto, um aumento de 10 000 euros no investimento em publicidade leva

a um aumento mdio no lucro de 115 500 euros.

a Y b X ~
1080 11,55 105 1080 1212,75 132,75 .

Portanto, se no se investir em publicidade, num certo ano, espera-se um

prejuzo de 1 327 500 euros. Assim, o modelo estimado
 Yi 132,75 11,55 X i .

Xi Yi Yi Y Y
i i
2

50 500 444,75 3 052,5625

40 400 329,25 5 005,5625
80 750 791,25 1 701,5625
100 900 1 022,25 14 945,0625
120 1 300 1 253,25 2 185,5625
90 800 906,75 11 395,5625
150 1 550 1 599,75 2 475,0625
140 1 600 1 484,25 13 398,0625
120 1 250 1 253,25 10,625
160 1 750 1 715,25 1 207,5625
55 377,1875

Y
N
a bX i
2
i
55377,1875 ~
s2 i 1

~ 6922,15; s ~
6922,15 ~
83,20 .
N 2 8
N

x y i i
171500
b) i 1
99% .
~
N N
14850 2036000
x y
2 2
i i
i 1 i 1

O coeficiente de correlao linear positivo. Portanto se aumenta o

investimento em publicidade aumenta o lucro.

Como muito prximo de 1, em mdulo, indica uma boa correlao linear

entre o investimento em publicidade e o lucro.

c) R 2 2 ~
0,99 2 ~
98% . A variao do investimento em publicidade explica
98% da variao do lucro. Portanto o investimento em publicidade uma
boa varivel explicativa da varivel lucro.

Ho : b 0
b
d) H a : b 0 t N 2
s
5% n t 8

xie
i 1
 11,55 ~
T 16,92
83,2
14850

Em face da amostra dada e do nvel de significncia adotado rejeita-se a

hiptese b 0 .

H o : no h linearidad e
R2
e) H a : h linearidad e F N 2
F 1, N 2

1 R2 F 1,8
5%

F
0,98
10 2 392
1 0,98

Em face da amostra dada e do nvel de significncia adotado rejeita-se a

hiptese da no linearidade.

f) Yi ~
132,75 11,55 180 1946,25 . O lucro mdio em 2005 ser 19 462 500
euros.
2
x2
g) I1 E Y Yi t N 21 s 1 x
i 2 ; Yi t N 21 s
1
i2
i
2 N xi 2 N xi

1 180 1052 1 180 1052
I 95% E Yi 1946,25 t 897,5% 83,20 ;1946,25 t 897,5% 83,20


10 14850 10 14850
2,306 2,306
1813,49;2079,01

Para um investimento em publicidade, em 2005, de 1 800 000 euros, o lucro obtido

estar em mdia entre 18 134 900 euros e 20 790 100 euros com uma confiana de

95%.

2
x2
h) I1 Y 1 x
Yi t N 21 s 1 i 2 ; Yi t N 21 s 1 i 2
1

i
2 N xi 2 N xi

1 180 1052 1 180 1052
I95% Yi 1946,25 t 897,5% 83,20 1

;1946,25 t 897,5% 83,20 1
10 14850 10 14850
2,306 2,306
1713,63;2179,56

Para um investimento em publicidade, em 2005, de 1 800 000 euros, o lucro

obtido estar entre 17 136 300 euros e 21 795 600 euros com uma confiana
de 95%.

Regresso Linear Mltipla

A diferena entre Regresso linear simples e Regresso linear Mltipla a

quantidade de variveis explicativas independentes X relacionadas a
dependente Y.

O modelo geral para a Regresso linear multipla:

yi = 0+ 1x1i+2x2i+... + k x ki+i , i = 1, 2, ..., n

Comparao entre regresso linear simples com a regresso linear

mltipla

Suponha uma investigao sobre os benefcios de um sistema de irrigao em

determinada regio. Ao considerar-se uma regresso simples para se estimar o
volume da safra (Y) em funo dos ndices pluviomtricos (r) de vrios anos,
encontrou-se a seguinte equao:
 Y = 60 1,67r

Erro padro do coeficiente b = 4,0

O coeficiente negativo estaria indicando que a chuva (ndice pluviomtrico)

reduz a safra, sugerindo que h algo errado. Ao acrescentar-se a varivel
temperatura (t), efetuou-se uma regresso mltipla representada pela equao:

Y = 60 + 5,71r + 2,95t

Erro padro dos coeficientes: b1 = 2,68 e b2 = 0,69

A precipitao pluviomtrica tem, de fato, o efeito esperado de aumentar a

safra, os outros fatores permanecendo iguais (isto , quando a temperatura
constante).

Enquanto a regresso mltipla enfatiza e isola a relao direta e a regresso

simples no o faz; ao invs disso, o coeficiente de regresso simples reflete os
efeitos tanto diretos como indiretos (em nosso exemplo, o efeito direto positivo
da precipitao pluviomtrica sobre a safra, e seu efeito negativo indireto o
aumento do ndice pluviomtrico leva reduo da temperatura, que provoca
uma reduo na safra).
Referncias:

https://mbaiscee.files.wordpress.com/2007/10/modelo-de-regressao-linear-
simples.doc

Captulo 16, Estatstica Bsica (Bussab&Morettin, 8a Edio)

Captulo 8, Estatstica (Pedro Luiz de Oliveira Neto,2a Edio)

www.erudito.fea.usp.br/PortalFEA/Repositorio/.../Regresso%20Mltipla_Dum
my.do...