Resolveremos
o que é possível com o Excel, mas simularemos que o último valor de vendas é
4000, pode ser por um erro de digitação ou uma realidade muito particular
(vendas em Cuiabá quando se vende a soja, milho e algodão).
==> Única solução Regressão Robusta.
Videoaulas de Regressão - Macro em Excel - EXCEL
AVANÇADO
Videoaula 1 - Resolvendo Graficamente e Sem Probabilidade
X | Y |
30 | 430 |
21 | 335 |
35 | 520 |
42 | 490 |
37 | 470 |
2 | 210 |
8 | 195 |
17 | 270 |
35 | 400 |
25 | 480 |
Arquivo para Download
Coeficiente Angular ou Coeficiente de Regressão = 8,3
Quanto aumenta a Venda (Y) quando incremento uma unidade em Propaganda (X)
Coeficiente Linear = 170,78
Indica quanto venderei em cada unidade de negócio se não fizer propaganda (X=0)
Coeficiente de Determinação ou R Quadrado =
Se Coef. Determinação:0-0,2 = Muito Ruim o Modelo0,2-0,4 = Ruim0,4-0,6 = Regular (nem bom nem ruim)0,6-0,8 = Bom0,8 - 1 = Muito Bom
O coeficiente de determinação, também chamado de R², é uma medida de ajustamento de um modelo estatístico linear generalizado, como a Regressão linear, em relação aos valores observados. O R² varia entre 0 e 1, indicando, em percentagem, o quanto o modelo consegue explicar os valores observados. Quanto maior o R², mais explicativo é modelo, melhor ele se ajusta à amostra. Por exemplo, se o R² de um modelo é 0,8234, isto significa que 82,34% da variável dependente (Y) consegue ser explicada pelos regressores (X) presentes no modelo. Fonte Wikipedia.
Regressão Linear é um dos modelos mais atrativos devido a sua representação entendível, no caso da regressão linear simples sua utilização é mais para aprendizado, já que na prática ela não é muito aplicada, visto que, em muitos casos a gama de variáveis de entradas é maior, fazendo-se uso da Regressão Linear Multivariável, ao qual não adentraremos nesse post. O modelo de representação da regressão linear simples é a tradicional equação conhecida como equação da reta ou em inglês slope-intercept form, usaremos a notação mais utilizada em exemplos de Machine Learning e não da matemática, mas você pode saber mais sobre a própria equação neste
link.
Temos o y a variável dependente que representa a predição, as letras gregas β (Beta), também conhecidos como coeficientes, que são a representação das variáveis que o algoritmo irá utilizar para “aprender” a produzir as previsões mais precisas e o x a variável independente que representa o dado de entrada. As letras gregas β também são conhecidas como inclinação e interceptação ou em inglês intercept-slope.
Função de custo
Função de custo, no inglês cost function ou ainda ordinary least squares é uma função utilizada para medir o quão errado o modelo está, os chamados resíduos. Isto é, consiste no cálculo da distância de cada ponto (distância essa entre as variáveis x e y) em relação a reta de regressão, esse valor é elevado ao quadrado e somado, o total é a quantidade média de erro do modelo.
