<\/p>\n
A regress\u00e3o linear<\/b> \u00e9 uma das t\u00e9cnicas mais comumente usadas em estat\u00edstica. \u00c9 usado para quantificar a rela\u00e7\u00e3o entre uma ou mais vari\u00e1veis preditoras e uma vari\u00e1vel de resposta.<\/span><\/p>\n A forma mais b\u00e1sica de regress\u00e3o linear \u00e9 conhecida como regress\u00e3o linear simples<\/a> , que \u00e9 usada para quantificar a rela\u00e7\u00e3o entre uma vari\u00e1vel preditora e uma vari\u00e1vel de resposta.<\/span><\/p>\n Se tivermos m\u00faltiplas vari\u00e1veis preditoras, podemos usar a regress\u00e3o linear m\u00faltipla, que \u00e9 usada para quantificar a rela\u00e7\u00e3o entre m\u00faltiplas vari\u00e1veis preditoras e uma vari\u00e1vel de resposta.<\/span><\/p>\n Este tutorial mostra quatro exemplos diferentes de uso de regress\u00e3o linear na vida real.<\/span><\/p>\n As empresas costumam usar a regress\u00e3o linear para compreender a rela\u00e7\u00e3o entre gastos e receitas com publicidade.<\/span><\/p>\n Por exemplo, eles poderiam ajustar um modelo de regress\u00e3o linear simples usando gastos com publicidade como vari\u00e1vel preditora e receita como vari\u00e1vel de resposta. O modelo de regress\u00e3o assumiria a seguinte forma:<\/span><\/p>\n receita = \u03b2 0<\/sub> + \u03b2 1<\/sub> (despesas com publicidade)<\/span><\/strong><\/p>\n<\/blockquote>\n O coeficiente \u03b2 0<\/sub><\/strong> representaria a receita total esperada quando o gasto com publicidade \u00e9 zero.<\/span><\/p>\n O coeficiente \u03b2 1<\/sub><\/strong> representaria a varia\u00e7\u00e3o m\u00e9dia na receita total quando as despesas com publicidade aumentassem uma unidade (por exemplo, um d\u00f3lar).<\/span><\/p>\n Se \u03b2 1<\/sub> for negativo, isso significaria que um aumento nos gastos com publicidade est\u00e1 associado a uma diminui\u00e7\u00e3o nas receitas.<\/span><\/p>\n Se \u03b2 1<\/sub> estiver pr\u00f3ximo de zero, isso significaria que os gastos com publicidade t\u00eam pouco efeito sobre as receitas.<\/span><\/p>\n E se \u03b21<\/sub> for positivo, isso significaria que mais gastos com publicidade est\u00e3o associados a mais receitas.<\/span><\/p>\n Dependendo do valor de \u03b2 1<\/sub> , uma empresa pode decidir reduzir ou aumentar os seus gastos com publicidade.<\/span><\/p>\n Os pesquisadores m\u00e9dicos costumam usar a regress\u00e3o linear para compreender a rela\u00e7\u00e3o entre a dosagem do medicamento e a press\u00e3o arterial dos pacientes.<\/span><\/p>\n Por exemplo, os pesquisadores podem administrar diferentes doses de um determinado medicamento aos pacientes e observar como a press\u00e3o arterial responde. Eles poderiam ajustar um modelo de regress\u00e3o linear simples usando dosagem como vari\u00e1vel preditora e press\u00e3o arterial como vari\u00e1vel resposta. O modelo de regress\u00e3o assumiria a seguinte forma:<\/span><\/p>\n press\u00e3o arterial = \u03b2 0<\/sub> + \u03b2 1<\/sub> (dosagem)<\/strong><\/span><\/p>\n<\/blockquote>\n O coeficiente \u03b2 0<\/sub><\/strong> representaria a press\u00e3o arterial esperada quando a dosagem for zero.<\/span><\/p>\n O coeficiente \u03b2 1<\/sub><\/strong> representaria a varia\u00e7\u00e3o m\u00e9dia da press\u00e3o arterial quando a dosagem \u00e9 aumentada em uma unidade.<\/span><\/p>\n Se \u03b21<\/sub> for negativo, significaria que um aumento na dosagem est\u00e1 associado a uma diminui\u00e7\u00e3o na press\u00e3o arterial.<\/span><\/p>\n Se \u03b21<\/sub> estiver pr\u00f3ximo de zero, isso significaria que um aumento na dosagem n\u00e3o est\u00e1 associado a qualquer altera\u00e7\u00e3o na press\u00e3o arterial.<\/span><\/p>\n Se \u03b21<\/sub> for positivo, significaria que um aumento na dosagem est\u00e1 associado a um aumento na press\u00e3o arterial.<\/span><\/p>\n Dependendo do valor de \u03b2 1<\/sub> , os investigadores podem decidir modificar a dosagem administrada a um paciente.<\/span><\/p>\n Os agr\u00f4nomos costumam usar a regress\u00e3o linear para medir o efeito dos fertilizantes e da \u00e1gua no rendimento das colheitas.<\/span><\/p>\n Por exemplo, os cientistas poderiam utilizar diferentes quantidades de fertilizante e \u00e1gua em diferentes campos e ver como isso afecta o rendimento das culturas. Eles poderiam ajustar um modelo de regress\u00e3o linear m\u00faltipla usando fertilizantes e \u00e1gua como vari\u00e1veis preditoras e o rendimento das culturas como vari\u00e1vel resposta. O modelo de regress\u00e3o assumiria a seguinte forma:<\/span><\/p>\n rendimento da colheita = \u03b2 0<\/sub> + \u03b2 1<\/sub> (quantidade de fertilizante) + \u03b2 2<\/sub> (quantidade de \u00e1gua)<\/strong><\/span><\/p>\n<\/blockquote>\n O coeficiente \u03b2 0<\/sub><\/strong> representaria o rendimento esperado da colheita sem fertilizante ou \u00e1gua.<\/span><\/p>\n O coeficiente \u03b2 1<\/sub><\/strong> representaria a varia\u00e7\u00e3o m\u00e9dia no rendimento das culturas quando o fertilizante \u00e9 aumentado em uma unidade, assumindo que a quantidade de \u00e1gua permanece inalterada.<\/em><\/span><\/p>\n O coeficiente \u03b2 2<\/sub><\/strong> representaria a varia\u00e7\u00e3o m\u00e9dia no rendimento das culturas quando a \u00e1gua \u00e9 aumentada em uma unidade, assumindo que a quantidade de fertilizante permanece inalterada.<\/em><\/span><\/p>\n Dependendo dos valores de \u03b21<\/sub> e \u03b22<\/sub> , os cientistas podem alterar a quantidade de fertilizante e \u00e1gua usada para maximizar o rendimento das culturas.<\/span><\/p>\n Os cientistas de dados de equipes esportivas profissionais costumam usar a regress\u00e3o linear para medir o efeito de diferentes programas de treinamento no desempenho dos jogadores.<\/span><\/p>\n Por exemplo, os cientistas de dados da NBA poderiam analisar como diferentes quantidades de sess\u00f5es semanais de ioga e levantamento de peso afetam o n\u00famero de pontos que um jogador marca. Eles poderiam ajustar um modelo de regress\u00e3o linear m\u00faltipla usando sess\u00f5es de ioga e sess\u00f5es de levantamento de peso como vari\u00e1veis preditoras e o total de pontos marcados como vari\u00e1vel resposta. O modelo de regress\u00e3o assumiria a seguinte forma:<\/span><\/p>\n pontos marcados = \u03b2 0<\/sub> + \u03b2 1<\/sub> (sess\u00f5es de ioga) + \u03b2 2<\/sub> (sess\u00f5es de levantamento de peso)<\/strong><\/span><\/p>\n<\/blockquote>\n O coeficiente \u03b2 0<\/sub><\/strong> representaria os pontos esperados marcados para um jogador que n\u00e3o participa de nenhuma sess\u00e3o de ioga e de levantamento de peso.<\/span><\/p>\n O coeficiente \u03b2 1<\/sub><\/strong> representaria a varia\u00e7\u00e3o m\u00e9dia nos pontos obtidos quando as sess\u00f5es semanais de ioga s\u00e3o aumentadas em um, assumindo que o n\u00famero de sess\u00f5es semanais de levantamento de peso permanece inalterado.<\/em><\/span><\/p>\n O coeficiente \u03b2 2<\/sub><\/strong> representaria a varia\u00e7\u00e3o m\u00e9dia nos pontos obtidos quando as sess\u00f5es semanais de levantamento de peso s\u00e3o aumentadas em um, assumindo que o n\u00famero de sess\u00f5es semanais de ioga permanece inalterado.<\/em><\/span><\/p>\n Dependendo dos valores de \u03b2 1<\/sub> e \u03b2 2<\/sub> , os cientistas de dados podem recomendar que um jogador participe de sess\u00f5es de ioga e levantamento de peso mais ou menos semanalmente para maximizar seus pontos marcados.<\/span><\/p>\n A regress\u00e3o linear \u00e9 usada em uma ampla variedade de situa\u00e7\u00f5es do mundo real em muitos tipos de setores. Felizmente, o software estat\u00edstico facilita a execu\u00e7\u00e3o da regress\u00e3o linear.<\/span><\/p>\n Sinta-se \u00e0 vontade para explorar os seguintes tutoriais para aprender como realizar regress\u00e3o linear usando diferentes softwares:<\/span><\/p>\n Como realizar regress\u00e3o linear simples no Excel<\/a> A regress\u00e3o linear \u00e9 uma das t\u00e9cnicas mais comumente usadas em estat\u00edstica. \u00c9 usado para quantificar a rela\u00e7\u00e3o entre uma ou mais vari\u00e1veis preditoras e uma vari\u00e1vel de resposta. A forma mais b\u00e1sica de regress\u00e3o linear \u00e9 conhecida como regress\u00e3o linear simples , que \u00e9 usada para quantificar a rela\u00e7\u00e3o entre uma vari\u00e1vel preditora e […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-775","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n Exemplo de regress\u00e3o linear real n\u00ba 1<\/strong><\/span><\/h3>\n
\n
Exemplo de regress\u00e3o linear real n\u00ba 2<\/strong><\/span><\/h3>\n
\n
Exemplo de regress\u00e3o linear real n\u00ba 3<\/strong><\/span><\/h3>\n
\n
Exemplo de regress\u00e3o linear real n\u00ba 4<\/strong><\/span><\/h3>\n
\n
Conclus\u00e3o<\/span><\/strong><\/h2>\n
Como realizar regress\u00e3o linear m\u00faltipla no Excel<\/a>
Como realizar regress\u00e3o linear m\u00faltipla em R<\/a>
Como realizar regress\u00e3o linear m\u00faltipla no Stata<\/a>
Como realizar a regress\u00e3o linear em uma calculadora TI-84<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"