Linha de Regressão Linear Simples Calculator
Esta equação define a linha de melhor ajuste que minimiza a soma dos quadrados dos resíduos entre os valores observados e previstos para uma relação linear entre duas variáveis.
Formula first
Overview
A linha de regressão é calculada usando o método dos Mínimos Quadrados Ordinários (MQO), que busca minimizar a variância dos erros. O coeficiente angular, b1, representa a mudança esperada em y por unidade de mudança em x, enquanto o intercepto, b0, indica o valor previsto de y quando x é zero. Juntos, esses parâmetros caracterizam a tendência linear dentro de um conjunto de dados.
Symbols
Variables
y^ = Predicted Value, = Slope, = Y-Intercept, x = Independent Variable, n = Sample Size
Apply it well
When To Use
When to use: Use isso quando precisar modelar a relação entre duas variáveis contínuas e prever resultados futuros com base em tendências lineares.
Why it matters: É a ferramenta fundamental para a análise preditiva, permitindo que pesquisadores e empresas prevejam tendências e quantifiquem a força das relações entre variáveis.
Avoid these traps
Common Mistakes
- Assumir que uma forte correlação implica causalidade.
- Extrapolar a linha de regressão muito além do intervalo dos dados de x observados.
One free problem
Practice Problem
Dados os pontos (1, 2), (2, 3) e (3, 5), calcule o coeficiente angular b1 da linha de regressão.
Hint: Calcule o numerador n*sum(xy) - sum(x)*sum(y) e o denominador n*sum() - (sum(x))^2 separadamente.
The full worked solution stays in the interactive walkthrough.
References
Sources
- Montgomery, D. C., Peck, E. A., & Vining, G. G. (2012). Introduction to Linear Regression Analysis.
- Freedman, D., Pisani, R., & Purves, R. (2007). Statistics.