Aula IV (20/3) - Análise de Regressão

0) Apresentação MBTI 
27/03/2015 Bruna Thomé Nastaro

1) Poder do Habito: Aluno comenta

2) Quem quiser pode fazer pratica profissionalizante na USP sem burocracia. Um PG focada no mercado de trabalho.


3) Mapa Mental = Áreas de Trabalho do Cientista dos Alimentos

/

Dinâmica em ExamTime: Mapa Mental

Exercício 3 - Elaborar um mapa mental no Examtime começando com o mapa acima. DL: 10/4.

Análise de Regressão

Vamos analisar conjuntos de dados para exemplificar como fazer e interpretar uma analise de regressão.

A analise de regressão é utilizada para estimar a relação estatística entre duas variáveis, a variável no Eixo X é denominada variável independente, considerada “a causa”, a variável do Eixo Y é denominada variável dependente ou variável “resposta”.

Exemplo 1

Trata-se de um conjunto de dados que contem, para a Variável X: Investimento em Propaganda de Uma Rede de Supermercados. A variável Y: Vendas Após Veiculação da Propaganda.

Conjunto de Dados a Ser Analisado (digitar esses dados em Excel):

X : Investimento em Propaganda

Y:  Resultado em Vendas

  

X	Y
30	430
21	335
35	520
42	490
37	470
2	210
8	195
17	270
35	400
25	480

Veja o vídeo, anexado em seguida, explicando como realizar a analise no Excel.

Vídeo que explica como fazer analise de regressão. Fazer download do  arquivo padrao FLV:

Análise Propaganda - Vendas (Regressão)

Análise de Resultados:

Y = b* X + a + Erro

O resultado gráfico mostra uma tendência crescente da reta de regressão, indicando que quando aumenta o investimento em propaganda também aumenta o resultado em vendas.

Analiticamente podemos observar que a qualidade de ajuste da reta foi muito boa R² = 0,8251 (0-0,2 Muito Ruim; 0,2 – 0,4 Ruim; 0,4 – 0,6 Regular; 0,6-0,8 Bom; 0,8-1 Muito bom, Escala de Likert).

A equação da reta de regressão estimada foi:

y = 8,3023x + 170,78

assim vemos que o Coeficiente Linear foi 170,78; como as unidades do gráfico são Reais * 1000, podemos concluir que o que seria vendido com X=0, ou seja sem propaganda seria Y=170.780 R$.

O coeficiente de regressão foi 8,30, o que indica que para cada unidade de aumento na propaganda temos um aumento de 8,3 R$ em vendas, ou que para cada 1000 R$ investidos em propaganda temos 8.300 R$ a mais em vendas.