Documente Academic
Documente Profesional
Documente Cultură
Incio (/) / Anlise de Regresso (/analise-de-regressao) / Regresso Linear Simples (/analise-de-regressao/regressao-linearsimples) / 1.2 Estimao dos Parmetros do Modelo
(/)
Supondo que a relao linear entre as variveis Y e X satisfatria, podemos estimar a linha de
regresso e resolver alguns problemas de inferncia. O problema de estimar os parmetros
mesmo que ajustar a melhor reta em um grfico de disperso, como na Figura 1.2.1. O Mtodo dos
Mnimos Quadrados uma eficiente estratgia de estimao dos parmetros da regresso e sua
aplicao no limitada apenas s relaes lineares.
valores dessas estimativas sero obtidos a partir de uma amostra de n pares de valores
, i=1,...,n
que correspondem a n pontos em um grfico, como na Figura 1.2.1. No mtodo de Mnimos Quadrados,
no necessrio conhecer a forma da distribuio dos erros.
da varivel
arbitrria.
O objetivo estimar os parmetros
Substituindo
por
. Assim,
ou seja,
em que
Ento,
Os valores de
sendo que
Notao:
Considerando n pares de valores observados
As quantidades
Exemplo 1.2.1
so as somas dos
Soluo:
As mdias amostrais das variveis temperatura (X) e dureza (Y) so, respectivamente,
Observao
Temperatura
Dureza
(x)
(y)
220
137
48.400
18.769
30.140
220
137
48.400
18.769
30.140
220
137
48.400
18.769
30.140
220
136
48.400
18.496
29.920
220
135
48.400
18.225
29.700
225
135
50.625
18.225
30.375
225
133
50.625
17.689
29.925
225
132
50.625
17.424
29.700
225
133
50.625
17.689
29.925
10
225
133
50.625
17.689
29.925
11
230
128
52.900
16.384
29.440
12
230
124
52.900
15.376
28.520
13
230
126
52.900
15.876
28.980
14
230
129
52.900
16.641
29.670
15
230
126
52.900
15.876
28.980
16
235
122
55.225
14.884
28.670
17
235
122
55.225
14.884
28.670
18
235
122
55.225
14.884
28.670
19
235
119
55.225
14.161
27.965
20
235
122
55.225
14.884
28.670
588.125
Soma
4.550
Mdia
227,5
129,4
so, respectivamente
Pelos valores das estimativas, temos que a cada aumento da Temperatura, temos um decrscimo de
1,032 na Dureza.
1.2.2 Resduos
A diferena entre o valor observado
Essa medida importante j que por meio dela verificamos o ajuste do modelo.
1.2.2.1 Algumas propriedades do ajuste de mnimos quadrados
(i) A soma dos resduos sempre nula.
com
. De fato,
Logo,
(iv) A soma dos resduos ponderado pelo correspondente valor da varivel regressora sempre nula.
(v) A soma dos resduos ponderado pelo correspondente valor ajustado sempre zero.
, a varincia
. Consideremos os resduos
Como
demonstrado
em
"Propriedades
dos
Estimadores"
(/1040-propriedades-dos-
, isto ,
dado por
, podemos escrever
Daremos mais detalhes para a Soma de Quadrados dos Erros (SQE) e para o Quadrado Mdio dos Erros
(QME) em "Anlise de Varincia (14-anlise-de-varincia)".
Exemplo 1.2.2
Obter um estimador no viesado para a varincia residual do exemplo da "Motivao 1 (/content/1regresso-linear-simples#motivacao1)".
(/sites/default/files/Sumario_sem_fator.xls)clique aqui para efetuar o download dos dados
utilizados nesse exemplo (/sites/default/files/analise_regressao/planilhas/Reglin.xls)
Soluo:
Temos que
J vimos que
ento
Para entender como executar essa funo do Software Action, voc pode consultar o manual
do usurio. (/1047-regressao-linear-simples)
1.1 Modelo Estatstico (/analise-de-regressao/11-
acima
modelo-estatistico)
(/analise-
regressao/13-propriedades-dos-estimadores)
deregressao/regressaolinearsimples)
0 Comentrios
Portal Action
Recommend
Compartilhar
Entrar
Comece a discusso...
O QUE ISSO?
4 - Modelos ARIMA
Assinar feed
Privacidade
ESTATCAMP (http://www.estatcamp.com.br)
LINKS IMPORTANTES
Home (http://www.portalaction.com.br/)
Action (/sobre-o-action)
Sobre o Action (/sobre-o-action)
Manual do Usurio (/manual-action)
Download (/content/download-action)
FAQ (/faq-page)
Ambiente de Aprendizado (/ambiente-virtual-de-aprendizado)
FACEBOOK
Portal Action
4.765 curtidas
Curtir Pgina
Compartilhar
CONTATO