Documente Academic
Documente Profesional
Documente Cultură
Experimento
Caroline Ponce de Moraes
poncecefet@gmail.com
Programa
10
11
Interpretao Prtica: Essa equao pode ser usada para prever a resistncia
trao para pares de valores das variveis independentes (explicativas),
comprimento do fio (x1) e altura da garra (x2).
Chegamos no mesmo resultado do exemplo 12-1 (pag 299) e 12-2 (pag 300) do nosso livro.
12
Abordagem Matricial
Notemos que os estimadores de mnimos quadrados dos parmetros
do modelo podem ser facilmente encontrados considerando a notao matricial
dos dados, que de fcil manipulao. Desta forma, o modelo de Regresso
Linear Mltipla pode ser escrito como
13
Abordagem Matricial
14
Abordagem Matricial
15
16
Voltando para o R
17
Voltando para o R
18
Voltando para o R
19
20
21
22
Estimativa da
varincia (pag 301)
23
Vendo resultado no R:
SQRegresso
=5885.9 + 104.9
= 5990.8
SQE =115.2
SQT
= 5990.8 + 115.2
= 6106,0
24
25
26
O R2 Ajustado somente aumentar quando uma varivel for adicionada ao modelo, se a nova varivel reduzir
a mdia quadrtica do erro. Note que, para o modelo de regresso mltipla para os dados de resistncia
trao, R2 Ajustado = 0,979, enquanto no Exemplo 11-8 o R2 Ajustado = 0,962. Logo, concluiramos que a
adio ao modelo de x2 resulta em uma reduo significativa na variabilidade no explicada na resposta.
A estatstica R2 Ajustada penaliza essencialmente o analista pela adio de termos ao modelo. uma
maneira de se resguardar contra ajuste em excesso, ou seja, a incluso de regressores que no so
realmente teis.
27
28
29
30
32
33
http://www.portalaction.com.br/analise-de-regressao/25-testes-individuais-e-intervalos-deconfianca-para-os-parametros
34
Se um teste F parcial for aplicado para uma nica varivel, ele ser equivalente
ao teste t.
reduzido<-lm(y~x1)
completo<-lm(y~x1+x2)
anova(reduzido,completo)
35
36
37
38
#comandos
>qqnorm(residuals(model),datax=T,pch=20,main="Grfico
Normal", xlab=" ",ylab="Resduos")
de
Probabilidade
>qqline(residuals(model),datax=T,
col=red")
39
41
42
de
plot(residuals(model),
pch=8,
type="b",col="red",
main="Resduos x Ordem",ylab="Resduos",xlab="Ordem
dasobservaes")
plot(fitted.values(model),residuals(model),
ylab="Resduos",xlab="Valores Ajustados daResistncia",
pch=20,col=2,main="Resduos x Valores Ajustados")
abline(0,0,lty=3)
hist(residuals(model),prob=T,
breaks=seq(4,6,by=0.5),ylim=c(0,0.35),
yaxp=c(0,0.35,5),xaxp=c(-4,6,10),
main="Histograma",ylab="Densidade", xlab="Resduos")
lines(density(residuals(model)))
http://www.portalaction.com.br/analise-deregressao/342-outliers-em-y
43
44
45
Observaes Influentes
46
Observaes Influentes
Comentrios
Meu objetivo em fazer o resumo que vocs possam ter acesso a variedade de
assuntos que muitas vezes no to explorado em sala de aula.
48
Obrigada!