✅ Regressão Múltipla e Análise dos Pressupostos Estatísticos

✅ Regressão Múltipla e Análise dos Pressupostos Estatísticos
Prof. Dr. Leonardo Flach
Pós-doutor pelo Massachusetts Institute of Technology (MIT/EUA)
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
A Regressão Linear múltipla é um método estatístico que remete à relação casual com mais de duas variáveis. Isto é, quando o comportamento de Y (variável dependente) é explicado por mais de uma variável independente X1, X2, ....Xn. Este método pode ser aplicado quando se quer investigar simultaneamente os efeitos, sobre Y, de 2 ou mais variáveis preditoras.
É possível aplicar a parte inicial da regressão múltipla no excel. Primeiro passo: Selecione a aba dados no Excel e clique em “Análise de Dados”. No menu que aparecer selecione regressão. Segundo Passo: Selecione a coluna referente a variável dependente e em seguida selecione as colunas que armazenam os dados das variáveis explanatórias. É possível padronizar a saída dos resultados.
A regressão linear, linear regression, é um dos conceitos estatísticos mais utilizados dentro do machine learning. A regressão linear é denominada dessa forma por ser uma reta traçada a partir de uma relação em um diagrama de dispersão. Essa reta da regressão, na regressão linear simples, resume uma relação entre os dados de duas variáveis e também pode ser utilizada para realizar previsões. A origem da regressão linear é proveniente da correlação linear, que consiste na verificação da existência de um relacionamento entre duas ou mais variáveis. Por exemplo: considerando duas variáveis, X e Y, podemos verificar inicialmente o quanto X está associada com Y. Caso ocorra uma forte associação entre as variáveis, podemos posteriormente verificar quanto X impacta Y. Para isso, a regressão linear utiliza os pontos de dados para encontrar a melhor linha de ajuste para modelar essa relação. O resultado da regressão linear, permite verificar, dentro de um banco de dados (dataset), es há algum tipo de tendência de crescimento ou descrescimento constante.
Há diversos softwares que permitem realizar os cálculos da regressão linear. É possível realizar a regressão linear no Excel, regressão linear no Stata, regressão linear no R, regressão linear no Gretl, regressão linear no Python.
Uma das formas de fazer a implementação via software gratuito Python é com o uso da biblioteca “Scikit-learn“. Você pode seguir este modelo:
from sklearn import linear_model, datasets
#digit dataset from sklearn
digits = datasets.load_digits()
#create the LinearRegression model
clf = linear_model.LinearRegression()
#set training set
x, y = digits.data[:-1], digits.target[:-1]
#train model
clf.fit(x, y)
#predict
y_pred = clf.predict([digits.data[-1]])
y_true = digits.target[-1]
print(y_pred)
print(y_true)
Para a implementação em Python, utilizando essa ou outra biblioteca, você não precisa criar o algoritmo. É necessário apenas determinar corretamente as variáveis e avaliar, anteriormente, se a regressão linear é a melhor forma de realizar essa previsão.
#RegressaoLinear #MachineLearning #LinearRegression
💡 Inscreva-se no canal! É de graça! Compartilhe.
Inscreva-se no canal, curta, compartilhe o vídeo, e ative o sino para ajudar que este vídeo chegue a mais pessoas. Queremos ajudar a divulgar o conhecimento científico. Confira toda a playlist para aprender mais!
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
⬛ ▶ Site do Professor Leonardo Flach – https://leonardoflach.paginas.ufsc.br ➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Chapters (Capítulos)
00:00 – Seja bem-vindo!
00:02 – Inscreva-se no canal!
05:00 – Introdução
10:00 – Desenvolvimento
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
☑️ Obrigado pela visita!
#RegressãoMúltipla #MultipleRegression #AnáliseDeRegressão
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
NÃO CLIQUE AQUI: https://bit.ly/3b3DcK1