Regressão Linear

Na análise de Regressão o principal interesse está em prever / estimar o valor médio de uma variável em função de outras variáveis em um modelo.

Nas relações estatísticas lidamos com variáveis aleatórias (chamadas também de ESTOCÁSTICAS), ou seja, aquelas que têm distribuição de probabilidade.

Assim, temos dois tipos de variáveis:

Variável dependente: É a variável que se deseja explicar.

Variável independente: (ou explicativa) É a variável utilizada para explicar a variável dependente.

Pode-se perceber que a regressão linear é a função que relaciona o x e o y.  Por meio dessa função podemos criar um modelo matemático que permitirá fazer projeções sobre eventos futuros é o que chamamos de avaliação causa-efeito.

causa-efeito

Objetivos da Regressão Linear

  • Avaliar uma possível dependência de y em relação à x.
  • Expressar essa relação por meio de uma equação linear de reta.

Extrapolação – Não Linearidade das variáveis.

Nem sempre é possível criar uma relação entre as variáveis, por isso é importante estar atento com relação a elas, lembre-se: Correlação é DIFERENTE de causalidade. Sem isso em mente durante a análise pode-se chegar a conclusões que não expressem a realidade.

charge

Você também pode gostar...

1 Comentário

  1. 20 de fevereiro de 2015

    […] nosso último artigo, no qual falamos sobre a regressão linear, avançamos agora para a regressão […]