UNIVERSIDADE DA REGIÃO DE JOINVILLE - UNIVILLE
Bacharelado em Engenharia de Software (BES) e Bacharelado em
Sistemas de Informação (BSI)
Análise de dados usando a linguagem R
Professora Priscila Ferraz Franczak
Engenheira Ambiental - UNIVILLE
Mestre em Ciência e Engenharia de Materiais - UDESC
Doutoranda em Ciência e Engenharia de Materiais - UDESC
[Link]@[Link]
1
Plano de Aula
Regressão
1. Polinomial Simples
1.1 De Grau Igual a 1
1.2 De Grau Maior que 1
2. Polinomial Múltipla
3. Modelos Não Polinomiais
4. Exercícios
2
1. Polinomial Simples
1.1 De Grau Igual a 1
A regressão linear simples tem como
objetivo estimar uma equação que
relacione matematicamente duas
variáveis, sendo que uma delas é
explicada pela outra.
A variável explicada geralmente é
denominada variável resposta ou
variável dependente (Y).
A variável explicativa é denominada
variável explanatória ou variável
independente (X).
A equação que representa o modelo de regressão linear
simples é:
𝑌 = 𝛽መ𝑜 + 𝛽መ1 X
O “chapéu” sobre as letras indica que foi feita uma estimativa
dos parâmetros do modelo com base em dados obtidos
através de uma amostra.
𝑌 = variável dependente
𝛽መ𝑜 = primeiro parâmetro da equação de regressão, indica o
intercepto no eixo Y, ou seja, o valor de Y quando X = 0.
𝛽መ1 = segundo parâmetro da equação de regressão, chamado
coeficiente angular, que indica a inclinação da reta de
regressão.
X = variável independente.
A análise de regressão se distingue da correlação
por supor uma relação de causalidade entre as
variáveis resposta e explanatória.
A análise geralmente se baseia numa referência
teórica, que justifique uma relação matemática de
causalidade.
A estimativa dos parâmetros β0 e β1 do modelo se
dá a partir das seguintes fórmulas:
𝑛 σ 𝑋𝑌 − σ 𝑋 ∗ σ 𝑌
𝛽መ1 =
𝑛 σ 𝑋 2 − (σ 𝑋)2
𝛽መ0 = 𝑌ത − 𝛽መ1 𝑋ത
𝑌ത = média dos valores de Y
𝑋ത = média dos valores de X
𝑌 = 𝛽መ𝑜 + 𝛽መ1 X
• Quando o diagrama de dispersão
apresenta os pontos agrupados em torno
de uma reta imaginária, provavelmente
existe urna relação linear entre as variáveis
envolvidas.
Exemplo: Um engenheiro civil coleta dados em um
laboratório, a fim de estudar a dilatação de um pilar
de concreto segundo a temperatura ambiente no local
onde o pilar se encontra:
T(°C) 18 16 25 22 20 21 23 19 17
Dilat. Linear (mm) 5 3 10 8 6 7 9 6 5
Posso realizar um estudo de regressão nestes dados?
Qual modelo usar?
Como montar a equação que relaciona a temperatura com a
dilatação neste estudo?
A temperatura realmente exerce influência na dilatação do
pilar?
É possível quantificar essa relação?
• Cria-se o [Link]:
plot(temp,dilat)
O diagrama sugere uma tendência linear dos dados.
Faremos, portanto, um modelo de regressão linear
simples (simples, pois existe apenas uma variável
independente temp relacionada a variação da
variável dependente dilat).
Com base neste modelo ajustado, temos duas
informações: o valor do intercepto (valor em que a
reta de regressão intercepta o eixo das ordenadas)
e o valor que representa o coeficiente de inclinação
da reta, ou seja, a relação entre a dilatação e a
temperatura (o quanto a dilatação varia para cada
variação unitária da temperatura).
𝑌 = 𝛽መ𝑜 + 𝛽መ1 X
𝑑𝑖𝑙𝑎𝑡 = −8,1710 + 0,[Link]
Com o comando predict () podemos obter os valores
calculados de dilat, de acordo com o modelo
ajustado, para os valores observados de temp.
Podemos também obter os resíduos associados
a cada observação. Esses resíduos seriam
simplesmente a diferença entre os valores
observado e calculado correspondente a cada
observação.
Agora vamos plotar novamente os dados e
acrescentar ao gráfico, além da reta de regressão
ajustada, segmentos de reta representando os
resíduos, ou seja, segmentos de reta que vão dos
valores observados (pontos) aos calculados (reta).
Podemos também realizar uma análise de variância
da regressão da seguinte forma:
Por meio dessa análise podemos verificar que o
coeficiente de x é significativo(p-value encontrado foi
da ordem de 10-6), ou seja, a temperatura influencia
significativamente a dilatação.
Com o comando summary ( ) podemos obter muitas
outras informações:
O valor do coeficiente de determinação (R2) é
apresentado em:
Multiple R-Squared: 0,9664 e representa o
quanto da variação da dilatação pode ser
explicada pela variação da temperatura neste
experimento.
Uma vez que o valor encontrado foi quase 97%,
há indicação de que o modelo escolhido (linear)
se ajusta bem aos dados.
1.2 De Grau Maior que 1
Da mesma forma que o modelo linear ajustado,
qualquer modelo de regressão polinomial pode ser
obtido com o comando lm( ),que vem do inglês
linear models.
Exemplo: Os dados a seguir referem-se a produção
de certa variedade de grãos (prd) em relação a
quantidade de fertilizante aplicado na lavoura (fert):
Pelo diagrama de dispersão, observa-se uma
tendência quadrática nos dados.
Dentro do comando lm ( ), observamos a
necessidade de usarmos, como parte do
modelo, o comando I( ).
Esse comando permite inserirmos diretamente,
no modelo, termos do tipo x ^ 2.
c b a
y = ax2+bx+c
Para acrescentar a curva ajustada no gráfico
anterior...
E acrescentar os segmentos de retas que
representam os resíduos:
2. Polinomial Múltipla
Na regressão múltipla, uma variável resposta se
relaciona a duas ou mais variáveis
explanatórias.
O objetivo também é predizer os valores de Y
com base nas variáveis explanatórias.
Exemplos:
Para prever o preço de revenda de um automóvel, o
analista de dados pode utilizar diversas variáveis,
como:
idade,
número de quilômetros rodados,
presença de vidros elétricos,
presença de ar condicionado,
consumo de combustível na estrada,
consumo de combustível na cidade,
estado de conservação dos pneus,
estado de conservação da pintura, etc.
Modelos de regressão ajudam na decisão dos
bancos sobre conceder ou não um empréstimo
para determinado candidato.
Para isso, o banco geralmente levanta diversas
variáveis para estimar a probabilidade de o
cliente ser ou não um bom pagador.
Na maioria das vezes, uma variável resposta se
relaciona a mais de uma variável explanatória.
Nessa situação, também podemos utilizar o
método dos mínimos quadrados para obter uma
equação que relacione as variáveis.
Nesse caso, temos uma regressão múltipla.
Exemplo: Consideramos que se queira ajustar uma
superfície de resposta, ou de tendência - uma equação
de regressão polinomial de grau 2, que descreva o
comportamento das coordenadas de pontos que
representam o relevo de determinado local.
As coordenadas são dadas nos eixos cartesianos (x, y,
z), em que z é a cota do ponto.
Estamos supondo que z seja função de x e y.
Um modelo polinomial de 2º grau tem a forma:
𝑧 = 𝛽𝑜 + 𝛽1 𝑥 + 𝛽2 𝑦 + 𝛽3 𝑥 2 + 𝛽4 𝑥𝑦 + 𝛽5 𝑦 2 + 𝜀
...
Agora vamos montar o modelo:
3. Modelos Não Polinomiais
Apesar de os modelos polinomiais serem úteis em
muitas situações, há casos em que a disposição dos
pontos no diagrama de dispersão, ou mesmo o
problema do qual os dados foram obtidos, indique a
necessidade ou exigência de modelos mais
específicos.
Modelo Exponencial
Exemplo:
Num projeto de construção de urna barragem é de
grande interesse equacionar a relação entre a cota
do nível de água e o volume armazenado quando
esta cota é atingida.
Essa relação é obtida a partir de um diagrama cota-
volume, estimado através do levantamento
topográfico, com suas respectivas curvas de nível,
da região onde será construída a barragem.
Suponha os dados a seguir, com a, cota dada em
metros e o volume em quilômetros cúbicos:
Apesar de ser possível ajustar um modelo polinomial
para os dados em questão, um modelo mais
apropriado seria baseado na função 𝑦 = 𝑎. 𝑒 𝑏.𝑥
A obtenção de estimativa dos mínimos quadrados
dos coeficientes se dá através do comando nls ( ),
do inglês Nonlinear Least Squares.
Comando ??regression no console abre mais
opções de modelo de regressão.
Desenhando a curva ajustada:
4. Exercícios