Aula 9 (25/9/2017) - Regressão Linear, Quadrática, Logarítmica e Exponencial

Regressão Linear, Quadrática, Logarítmica e Exponencial:


Todos os exemplos foram criados pelo Gabriel.
Regressão Linear:

X	Y			X * 1000	Y * 1000
30	430			30000	430000
21	335			21000	335000
35	520			35000	520000
42	490			42000	490000
37	470			37000	470000
2	210			2000	210000
8	195			8000	195000
17	270			17000	270000
35	400			35000	400000
25	480			25000	480000

Interpretação do Coeficiente de Determinação (R²):

Fonte: Escola de Economia de Chicago
Quando:
[ 0 - R² - 0,2) : Modelo Muito Ruim
[ 0,2 - R² - 0,4 ): Modelo Ruim
[ 0,4 - R² - 0,6 ): Modelo Regular
[ 0,6 - R² - 0,8 ): Modelo Bom
[ 0,8 - R² - 1 ]: Modelo Muito Bom


Assim o nosso modelo é Muito Bom ( R²= 0,825), porem com tendencia a ser Bom.



O Coeficiente Angular de essa reta, 8,25 é denominado Coeficiente de Regressão, indica em quanto aumenta (ou diminui) Y (Venda) quando aumenta em uma unidade X (Propaganda).
    Assim quando investimos 1 Real em Propaganda a Venda aumenta em 8,25 Reais.
    Eu investi 250.000 Reais, assim terei um retorno em vendas de 2.262.600.

O Coeficiente Linear de essa reta, 170,78 ou Ordenada na Origem, representa o retorno em vendas quando se investir 0 (zero ) em Propaganda.
    Assim se investir 0 em Propaganda a venda sera de 170.780 Reais.









Regressão com Curvatura: Peso do Gabriel (interpretando modelos):

• Regressão Polinomial de Segundo Grau.
• Arquivo para Download:
• Arquivo Peso Gabriel Completo

Regressão Polinomial de Segundo Grau - Otimização, Ex. 1 :

Consumo de Combustível - Com Ar Ligado
Velo. (Km/h)	Consumo (Km/l)
60	10	Ar consome e avanço pouco
70	10,5
80	11,5
90	12
100	11,5	Resistência do ar externo
110	10,8
120	10
130	9,5

Regressão Polinomial de Segundo Grau - Otimização, Ex. 2 :

K na dieta (mg/dia)	Resistência na corrida
3000	10
4000	20
5000	25
6000	23
7000	19